«Работу дата-аналитиком я нашёл за три месяца»: история Ивана Мануйлова

«Весь мой опыт идеально ложится в дата-аналитику»: как Иван нашёл себя в профессии

— Иван, долгие годы вы работали в продажах. Поделитесь: как и когда вам пришла идея попробовать себя в data science?

— Вообще, история такова, что в университете я учился на мехмате. И несмотря на то, что сам по специальности дальше не пошёл, в моём окружении осталось много друзей, связанных с точными науками. Они-то мне лет пять назад и рассказали о таком интересном направлении, как data science. Поделились книжкой по работе с большими данными: я её скачал и… на этом всё закончилось.

А ещё через два года столкнулся с реальной необходимостью новых знаний и к учебнику вернулся. Дело в том, что на работе я много времени проводил в Excel-таблицах, но инструментария мне явно не хватало — делал я всё это очень древним и долгим способом, вручную, через Ctrl + C, Ctrl + V.

Тут-то я и вспомнил про data science: вернулся к книжке и так увлёкся всеми этими цифрами и их анализом, что всерьёз решил изучить новую сферу, чтобы однажды полностью в неё перейти.

— Внутри data science возможно развитие сразу в нескольких ролях — аналитика, дата-инженера, специалиста по машинному обучению. Как вы определились со своей специализацией?

— В ходе обучения. Я просто погрузился в тонкости каждого направления и понял, что аналитика мне ближе всего. Если очень грубо, то размышлял так:

• Специалист по машинному обучению мало общается с людьми и гораздо больше работает с кодом. Я такой отрешённости от мира не хочу 🙂 Хорошо, идём дальше.
• Дата-инженер — этакий организатор, руководитель в процессе сбора и хранения данных. Интересно, но не сразу: сперва нужно разобраться, как работает вся система, набраться опыта.
• Так и остановился на аналитике. Тем более понял, что у меня для этой профессии отличный опыт. Я умею взаимодействовать с клиентом, разбираюсь в задачах бизнеса, имею математический бэкграунд, остаётся лишь научиться работать с данными.

— К слову о математическом бэкграунде. Насколько он важен для дата-сайентиста?

— Безусловно, профильные знания лишними не будут, но их отсутствие не критично. При желании всему необходимому для профессии можно обучиться и на курсе. Список там небольшой — основы статистики и теории вероятностей и основы математики (функции, регрессии и всё прочее).

Единственное, что хочу сказать: на мой взгляд, любое высшее техническое образование дисциплинирует. Учит учиться. Если ты однажды смог «съесть» тома сложной информации, прожевать, проглотить их и выплюнуть ненужное, то точно повторишь это и во второй раз.

— А что насчёт бэкграунда в программировании: был ли он у вас? И если да, то как помогал?

— Совсем небольшой: в институте мы программировали на BASIC. Это дало мне общее представление о процессе и, кажется, на корню убило страх перед кодом. К изучению Python на курсе я подходил абсолютно спокойно, так как понимал: программирование, по сути, — это создание простейших алгоритмов и их последующее переложение на нужный язык.

Более того, за время обучения мне так полюбилась Python-разработка, что я даже приобрёл отдельный курс по ней и в один момент думал полностью уйти в эту область.

— Что остановило?

— Мой возраст, мне за сорок. Я начал активно искать работу Python-разработчиком: решал много кейсов и публиковал их на GitHub, проходил собеседования в крутые компании, пытался устроиться на стажировки, но везде пролетал по возрасту и получал отказ. На нулевые позиции искали преимущественно студентов, говорили: «Вы не юны и в коллективе будете чувствовать себя дискомфортно», хотя сам я все риски понимал.

— И тогда вы решили оставить идею с Python-разработкой и вернуться к развитию в data science?

— Да. Я ещё раз оглянулся на весь свой путь и понял, что мой опыт идеально ложится в дата-аналитику и что работодатели охотнее возьмут того, кто уже осознаёт свои сильные стороны и понимает, как их применить на новом месте, чем того, кто начинает с нуля.

К тому же я напомнил себе, что вся проделанная работа по Python была не зря — в дата-аналитике я ведь всё так же продолжу с ним взаимодействовать.

Читайте также:

Ассир Битохов: хороший дата-аналитик — это математика плюс прокачанные софт-скиллы

«Перед носом всегда должна висеть „морковка“»: об эффективном обучении и победе в студенческом интенсиве

— Сложное и объёмное обучение по data science вы совмещали с полноценной работой в продажах. Как вам это удавалось?

— Да довольно просто. Я подошёл к делу стратегически и следовал трём, придуманным мной же шагам:

• Разложил профессию на навыки и инструменты, двигался постепенно.

Посмотрел вакансии дата-аналитиков, почитал требования и выписал всё, что требуют от специалистов: Python, SQL, Excel, Power BI. И дальше — каждому пункту уделял внимание и ставил себе мини-цели. Например, найти и решить минимум пять SQL-задачек за день. Или минимум четыре часа в день уделять Python (меньше — неэффективно).

• Каждую неделю составлял себе график обучения.

Обязательно каждый день вставал на час раньше и проводил этакий учебный «разогрев»: смотрел лекции модуля, пытался воспринять информацию на слух. Потом работа, а вечером — уже практика.

Сидел всегда до победного — пока не закончу задачу. Мог заниматься и до двух, и до трёх часов ночи. Дополнительные же задачки по навыкам и инструментам, которые давал себе сам, заранее раскидывал по неделе.

• Никогда не писал конспектов.

Вообще, считаю, что конспекты уже отжили своё. Да, во времена моей юности все лекции мы записывали в тетрадку, но ведь это лишь потому, что у нас не было ни интернета, ни разнообразных книг. Слова преподавателя становились эксклюзивом.

Сейчас же всё совсем иначе. Умение оперативно найти необходимую информацию в интернете — важный софт-скилл. Его развитию мешает постоянное ведение конспектов. Вместо того чтобы быстро забить в поисковик свой вопрос — например, «как задать регулярное выражение» — и получить ответ за две минуты, мы лезем в тетрадку и тратим на поиск своих записей по полчаса.

— Ого, вот это у вас подход! Не удивлена, что именно вы победили на зимнем учебном интенсиве, сдав за месяц 33 практические работы 🙂

— Спасибо, мне, кстати, интенсив очень понравился. Перед его стартом я поставил себе чёткую цель: закрывать как минимум один модуль в день в курсе по data science, не меньше. И этой цели следовал, хоть иногда и сидел за ноутбуком до трёх ночи. Все свои дополнительные задачки — по Python, SQL — на время отложил.

Читайте также:

Что такое Data Science и кто такой Data Scientist

— В своей победе были уверены?

— Конечно, всё-таки я двигался на каких-то сумасшедших скоростях. Помню, даже жене сказал: «Знаешь, если меня кто-то догонит, то я скажу, что не понимаю эту жизнь». То есть я просто не верил, что кто-то может заниматься с той же интенсивностью, что и я.

В итоге и правда победил и в подарок получил курс по продуктовой аналитике. Интенсив стал для меня эффективной проверкой на прочность. Я ещё раз напомнил себе, что как минимум в обучении точно научился добиваться поставленных целей.

— Вы столько бежали-бежали вперёд, но вроде не выгорели и ещё полны сил. Что вам помогло?

— Мне кажется, выгорание происходит не тогда, когда устаёшь, а когда перед носом исчезает «морковка». Та цель, ради которой ты вообще шёл вперёд и развивался.

Причём позитивную мотивацию тоже надо выбирать с умом. Цель «поменять работу» — сомнительная «морковка». Ну сменишь ты, а что дальше? Да вновь упадёшь на эмоциональное дно. Деньги — тоже не вариант. Деньги — мотиватор, только когда их совсем нет. Как только они попадают в карман, то мотиватором быть перестают.

Так что я стараюсь выбирать ту «морковку», которая однажды неожиданно не исчезнет у меня из-под носа. А именно — ориентируюсь на желаемый образ жизни и к нему стремлюсь.

Например, я всегда работал в офисе, но однажды твёрдо решил, что полностью перейду на удалёнку. А ещё что смогу выезжать за границу на месяц-два: работать и параллельно изучать мир. В моей профессии это было невозможно, поэтому я и нашёл для себя иной вариант.

«Если во время обучения вы столкнулись с проблемой, знайте: на работе будет ещё сложнее»: о трудоустройстве

— Каким был ваш итоговый проект по дата-аналитике?

— Я взял данные со своего последнего места работы. Покопался в разных цифрах, заметил интересные последовательности и всю полученную информацию передал бывшим коллегам.

Если честно, в дипломном проекте всех задуманных идей не реализовал, сдал скорее такой хороший и уверенный минимум. Просто я хотел как можно скорее приступить к поиску работы. Даже с предыдущего места заранее уволился, чтобы меня ничто не отвлекало.

— И как быстро вам удалось найти новую работу дата-аналитиком?

— По моим меркам — небыстро и непросто. Потратил на всё про всё месяца три. Долбился во все двери и откликался где только мог. Если сначала отбирал лишь релевантные для себя вакансии, то вскоре отправлял своё резюме всюду, где только видел слово «аналитик».

— С эйджизмом в этой сфере тоже сталкивались? Получали какие-то комментарии о своём возрасте?

— Думаю, эта повсеместная проблема, но здесь меня выручал мой «рюкзачок» из опыта, компетенций и кейсов на GitHub. Я открывал его и по одному доставал свои преимущества, демонстрируя, что прихожу к ним не с нулевыми знаниями.

— С какими разочарованиями вы сталкивались на этом непростом пути поиска работы?

— О, их было несколько.

• Во-первых, многие маленькие и средние компании сами не знают, кого ищут и какие конкретно обязанности специалист будет выполнять в их процессах.
• Во-вторых, нередко люди на местах уступают тебе, вчерашнему выпускнику, по знаниям и умениям и не знают базовых вещей. От таких предложений я сразу отказывался. Я не хотел устраиваться абы куда и делать абы какую работу, я хотел набраться ценного опыта.

— В студенческих чатах своим опытом не делились? Совета не просили?

— Нет, я индивидуальный игрок. Да и в целом студенческие чаты — это всегда сотни сообщений, прилетающие каждые 10 минут. Меня такой хаос отвлекает от основного процесса, поэтому туда захожу редко. Если последнее сообщение меня зацепило — могу ответить, помочь, но не чаще.

Ведь потом на реальной работе будет в сотни раз хуже и сложнее, в этом я уверен на все сто процентов. Сторонние компании будут сгружать вам свои данные через левую пятку, и вам придётся что-то с этим делать. Самостоятельно.

«Впервые я могу позволить себе не уезжать с любимой дачи, а работать прямо отсюда»: о задачах и внутренних переменах

— Возвращаясь к вашему поиску работы. Чем он завершился?

— В итоге я устроился аналитиком в иностранную компанию. Сама фирма занимается созданием и размещением рекламы и всевозможных креативов, а я — аналитикой арбитража трафика. Оцениваю выпущенное и высчитываю стандартные метрики: стоимость подписчика, затраты на рекламу, пожизненную ценность клиента.

Моя задача: сделать так, чтобы реклама приносила как можно больше денег. Так как работаю здесь недавно и пока нахожусь на испытательном сроке, то фигачу усердно: по 15–16 часов в день. Хочу сейчас совершить как можно больше ошибок и научиться на них, чтобы больше никогда их не повторять.

— С какими трудностями в рабочих задачах вы уже столкнулись?

— Сейчас мне тяжелее даётся инструментарий компании: много разного программного обеспечения, в котором нужно разобраться. Владеть программами мне нужно для ежедневных задач: включения и выключения рекламы, изменения каких-то параметров, тестирования креативов, подсчёта затрат и потерь.

А, и ещё нелегко с часовым поясом. Мы работаем с Латинской Америкой, а у них — минус 6–9 часов. Так что иногда приходится не спать ночами. Но нормально, это всё мелочи. Главное, что теперь есть работа! Этой мыслью я всегда возвращаю себе позитивный настрой.

— И правда, вам наконец удалось то, к чему вы так долго стремились, — найти работу аналитиком. Какие чувства испытываете? Как проживаете эти перемены?

— Я безумно счастлив. Удивительно, но, несмотря на огромный объём работы, я не устаю как лошадь, а, наоборот, прыгаю до потолка. Ведь я смог — кардинально изменил свою жизнь. Вот даже сейчас: разговариваю с вами и сижу на своей даче, за городом. Впервые в жизни я могу себе такое позволить.

Планирую использовать этот прекраснейший инструмент удалённой работы по максимуму: как только пройду испытательный срок и закреплюсь, поеду в Таиланд, буду работать оттуда.

Читайте также:

Как стать аналитиком данных: какие навыки нужно получить и где искать первые проекты

— Каким вы сейчас видите своё дальнейшее развитие в профессии?

— Пока не заглядываю так далеко, хочу для начала успешно освоить все имеющиеся инструменты на своей позиции, почувствовать себя в них уверенно. Думаю, у меня на это уйдёт года два.

Если проводить аналогию, представьте: вот есть машина, ты залез в неё, прокрутил рулём, подёргал коробку, но пока не завёл. Вот я сейчас именно в такой позиции: сперва мне нужно научиться управлять автомобилем, в котором оказался, и только потом уже думать о том, чтобы становиться профессиональным шофёром или пересаживаться на машины более высокого класса.