Виктор Коваценко несколько лет проработал финансистом в крупных компаниях. Сейчас он называет эту профессию одной из самых скучных и работает дата-сайентистом в Германии. Он рассказал, как в задании по SQL использовал Python и это всем понравилось и почему перемены не должны никого пугать.
Что я делал раньше
До того как стать дата-сайентистом я работал в финансовой сфере. Я учился в гимназии, экономику у нас вел преподаватель, который рассказывал про биржи, поэтому я захотел быть маклером (посредник при операциях с ценными бумагами). Поступил в СПбГУ на специальность «Математические методы в экономике», а когда закончил — решил работать финансистом и пошел в магистратуру на «Корпоративные финансы».
Еще в бакалавриате я стал работать аудитором в крупной компании KPMG. Может, это и хорошо для резюме, но если честно, я не знаю никого, кто был бы счастлив на этой работе. Делаешь таблички в Excel, отчеты, в лучшем случае презентации. Постоянная рутина, никакого творчества.
Потом ушел финансистом в Procter & Gamble на производство лезвий Gillette, анализировал финансовые показатели завода. Было чуть интереснее, но только первые полгода. Я бы не сказал, что там люди были увлечены своей работой. Из года в год у них одни и те же задачи и те же инструменты.
Потом я попал на стажировку в США. На ярмарке вакансий в СПбГУ познакомился с выпускником, который стажировался в компании Ceres Environmental Services и рассказал, что она набирает специалистов. Так я уехал в Хьюстон, штат Техас. Компания занимается восстановлением инфраструктуры после штормов и наводнений. Например, в Хьюстоне, где сильные ливни, она выкапывает большие бассейны и делает туда водоотвод, чтобы не затапливало жилые дома.
Моей задачей как бизнес-аналитика было посчитать, сколько нужно людей и оборудования, следить за процессом. Мы работали на господрядах, и, когда началась пандемия коронавируса, количество заказов резко упало, потому что все деньги государства стали уходить на борьбу с вирусом. Работы стало мало, я мог приехать на полдня, а потом уехать домой, снова никакого развития и бесконечные отчеты. Я решил что-то менять.
Как я выбирал специальность и учился
Я долго не решался начать. Сначала я определился, что нужно искать что-то более техническое, раз в финансах мне становится скучно уже через полгода работы. Где-то вычитал, что Python — самый простой язык программирования, нашел бесплатный курс на Udemy. Мне понравилось. (Кому и для чего нужен Python мы написали тут).
Начал читать про школы и нашел SkillFactory по отзывам в Google. Увидел в списке курс по Data Science, почитал про профессию и определился с направлением. Понравился рейтинг школы, стоимость учебы и то, что в любой момент можно отказаться и вернуть часть денег — тогда мне еще не было понятно, понравится ли новая сфера.
Учеба меня захватила: я понимал, что это что-то более творческое, чем то, чем я занимался раньше, более интересное, чем сидение в таблицах, и в то же время с техническим уклоном, как я и хотел.
Помогла пандемия: я мог поработать полдня и остаться в офисе учиться. На первых порах помогли математическая база и английский. Поначалу я занимался два-три дня в неделю по 2,5 часа в день. Иногда вместо учебы хотелось посидеть вечером с пивом перед телевизором или изучать новую страну, но потом я втянулся, старался проходить программу с опережением.
Сложнее стало через пару месяцев. Я с трудом осваивал циклы, функции, классы, деплоймент (процесс «развертывания») модели, на deep learning вообще застрял. Дважды пришлось перевестись на другой поток. Сейчас понимаю, что это из-за желания хорошо освоить материал, но тогда было очень стыдно.
На проектах в конце модулей опускались руки, ведь за неделю нужно было вспомнить все, что мы прошли. Работу каждого студента оценивают и составляют рейтинг. Я смотрел на результаты других и думал: «Ну как можно быть на 80-м месте из 100? Мне надо быть хотя бы в топ-20». Постепенно разбирался со сложными темами. Когда я впервые моя работа вошла в 20 лучших, я был в восторге, понял, что мой труд стоит того.
Как я нашел работу в Берлине
Искать работу даже не пришлось. Я состою в группе выпускников магистратуры СПбГУ в Telegram, и там периодически размещают вакансии. Примерно через четыре месяца после курса я уже понимал, что моих знаний достаточно для джуниора дата-сайентиста.
В группе появилась вакансия аналитика в немецкой компании, я начал читать о ней и увидел, что там требуется еще и аналитик с функциями Data Science. Я подумал, что это то что нужно. Сделал резюме, описал скиллы, быстро получил ответ.
HR написала, что через пару дней придет тестовое, там будет база данных в SQL, мне надо будет выполнить кластеризацию, и нужно подготовить программу, чтобы ее открыть. На курсе я тогда еще не дошел до SQL и выучил его за эти два дня. Скачал программу, которая открывает базу данных, посмотрел в интернете основные команды, а все, что нужно, сделал на Python.
Как потом оказалось, этот подход стал одним из решающих при моем прохождении на следующий этап. В компании даже поразились: они думали, я буду делать все через Excel, а я использовал API, чтобы работать с данными в Python.
Российское образование в целом и трудоустройство завязано на решении проблем. Вам дают тест, есть правильное решение. В Евросоюзе или в Штатах я сталкивался с другим: нет одного верного ответа, важнее, как человек мыслит. Если вы знаете немного — можете открыть SQL-файл и перенести информацию в Excel, или можете написать, как бы вы делали, если бы у вас были навыки. Также много завязано на софт-скиллах, общении, умении мыслить.
Читайте также: Как успешно пройти собеседование на Data Scientist?
После этого на собеседовании мне уже не задавали технических вопросов. Потом коллеги объяснили, что это благодаря хорошему тестовому. На интервью мы душевно поговорили с руководителем отдела аналитики. Он задал несколько вопросов на понимание бизнес-процессов. Например, спрашивали, как увеличить продажи машин и запчастей. Я предложил: давайте сделаем цену не 10, а 9,90 или продавать не просто машину, а с доставкой.
Когда мне пришло сообщение о том, что меня берут, я был в Штатах. Моей первой мыслью было: «Наконец-то я избавлюсь от этих отчетов и табличек!» За три месяца до окончания стажировки я ее бросил, уволился и уехал без сожалений в Берлин.
Несколько раз по ходу курса, когда уже переехал в Германию, я думал: «Зачем я дальше учусь, у меня уже есть работа». Но нет, продолжаю, с интересом и с удовольствием. На работе я понял, куда мне расти дальше, что мне нужно изучить, и все это будет дальше на курсе.
Что я делаю сейчас
Я работаю в AUTO1 Group. Это самая крупная в Европе компания по продаже подержанных машин.
Когда я пришел в офис в первый день, он был полупустым из-за отпусков и ковида. Быстро получил первые задания: посмотреть SQL-запросы, откорректировать.
Сейчас я тут девять месяцев и отвечаю за логистическую часть работы. Первое направление — использование SQL, чтобы выгрузить из баз данных информацию и составить отчеты. Например, сколько машин мы перевезли в этом месяце, сколько потратили на логистику, сколько заработали, между какими странами выгоднее возить.
Вторая часть — проектная работа: например, мы увидели, что в Италии стали реже покупать французские автомобили и чаще — немецкие, и хотим понять почему. Выгружаем данные, строим зависимости. Используем Python, машинное обучение; помогает кластеризация, чтобы посмотреть, какие именно машины больше или меньше покупают.
У нас можно забрать купленный автомобиль самостоятельно, а можно заказать его доставку. Я занимаюсь моделью ценовой эластичности: нужно спрогнозировать, как повлияет на количество заказов доставки машин то, что мы увеличим цену перевозки. Здесь я тоже буду строить модель, которую проходил на курсе в SkillFactory.
Моя зарплата не изменилась по сравнению со Штатами. А вот по сравнению с зарплатой в России она выросла примерно в 3,5 раза. Если в Procter and Gamble я получал примерно 80 тыс. рублей в месяц, то сейчас — около 270 тыс. рублей. Этого вполне достаточно для жизни даже вдвоем, но всегда хочется больше.
Совет: Я бы посоветовал не бояться сложных задач. Страшно первые 10 минут, а потом быстро вовлекаешься и становится интересно. Даже если вы выучитесь и не найдете работу, это не значит, что вы потеряете старую. Говорят, страшно переехать в большой город или в другую страну — нет, вам всегда есть куда вернуться, и тут то же самое.