Даниил Югай: «Наконец-то моя работа совпадает с хобби. Я аналитик данных»

43_oblozhka_istoriya-uspeha-21-2
Почему иногда стоит оставить высокооплачиваемую должность и пойти учиться

Даниил Югай ушел с должности руководителя группы с довольно высокой зарплатой, потому что хотел заниматься чем-то более интересным, чем рутинная работа. Он пошел учиться на курс по Data Science и спустя год стал аналитиком процессов в той же компании. Даниил рассказал, каково это — когда работа становится хобби и приносит удовольствие, а также где искать мотивацию, чтобы заниматься каждый день. 

circle-44-4611935

Даниил Югай, 26 лет

Город: Москва

Образование: специалист по экономической безопасности

Прошлое место работы: руководитель группы кредитных инспекторов

Курс: Data Scientist, GitHub

Новое место работы: аналитик процессов в «Тинькофф Банк»

Что я делал раньше

До того как стать аналитиком процессов и будущим дата-сайентистом, я выучился на специалиста по экономической безопасности и пошел работать в банк. Я попал в отдел верификации — туда, где проверяют клиентов, подающих заявки на кредит. Первые полгода-год было интересно, потом заела рутина: каждый день одно и то же, эта цикличность надоела. Стал думать насчет смены профессии, и тут меня повысили до руководителя группы.

Суть работы состояла в том, чтобы выстроить процесс работы сотрудников, также были аналитические проекты, но редко. Сталкивался с аналитикой по специфике нашего отдела, выявлению проблем в его работе, поиском мошеннических заявок, глубоким анализом некоторых из них. Я проработал около девяти месяцев и понял, что уперся в потолок.

Я решил устроиться в сферу, где нужны навыки программирования. Изначально не собирался быть разработчиком, начал смотреть, какие профессии есть в IT, и меня захватил Data Science. Сама профессия вызвала большой интерес, плюс я хотел брать на себя больше ответственности, принимать решения, влиять на работу компании. К тому же в аналитике карьерный рост зависит от тебя самого и не нужно ждать, когда кто-то перейдет в другой отдел, чтобы получить повышение.

Наверное, проще было выучиться на создание веб-сайтов, но меня захватила идея Data Science: можно иметь доступ к большим данным и выявлять какие-то закономерности, приходить к решениям, важным для бизнеса. Понял, что с помощью машинного обучения можно создавать скоринговые модели для банков — то, что мне близко. Когда понял, как они работают и настраиваются, выбора не оставалось: я точно знал, на кого пойду учиться. 

В целом от появления первой идеи о смене профессии до принятия решения пойти на курсы ушло 1,5 года. Я понимал, что обучение не будет легким, учитывая тот огромный объем информации, который нужно будет впитать в себя. Так и вышло: это хоть и непростой, но очень интересный этап моей жизни. 

Как проходило мое обучение

Хорошо, что на работе был график 2/2 и каждый второй день я спокойно посвящал учебе. Также старался заниматься каждый день хотя бы по полчаса-час. В целом выходило 10–15 часов учебы в неделю. Поначалу я использовал только материалы, которые давали на курсе, затем стал более углубленно погружаться в материал. 

Рекомендую читать документацию к разным библиотекам, это самый хороший источник информации. В интернете тоже можно найти ответ практически на любой вопрос, так что гуглить — полезно. Также могу посоветовать несколько книг, которые помогли мне разобраться во многих вопросах: это «Python для сложных задач. Наука о данных и машинное обучение» Дж. Пласа, «Машинное обучение с помощью PYTHON», а также «Статистика и котики» Владимира Савельева.

Книги по Pyhton, Machine Learning и React издательства O'Reilly 
Мне очень помогли книги издательства O’Reilly 

Самым интересным и одновременно самым сложным оказалось машинное обучение. Тяжело было начать программировать, потому что у меня не было раньше такого опыта и я набил много шишек, пока осваивал этот навык. Мог 10 минут искать ошибку и понять, что она все время была перед глазами, и т.д. Матанализ изучать тоже оказалось непросто: в школе я любил математику, но потом многое позабыл. Верю в то, что желание и труд все перетрут, и потихоньку изучаю. Даже несколько раз ходил на занятия с репетитором, чтобы подтянуть знания в математике. 

Как я искал работу

Прошел первый год обучения, и я понял, что получил базовые навыки, позволяющие искать работу. В карьерном центре школы помогли составить резюме: я не сильно расписывал предыдущий опыт, а делал упор на релевантные знания и навыки. В первую очередь создал профиль на GitHub и начал собирать туда проекты: учебные, какие-то самостоятельные и те, которые я делал на соревнованиях на Kaggle. К тому времени я стал наставником на курсе — помогал студентам в базовых вопросах и поиске мотивации — и это тоже указал в резюме. 

Около месяца я рассылал резюме, отклик приходил примерно на каждое 15-е. На собеседованиях в моем случае не было вопросов на темы, которые я бы не изучал на курсе. Всегда есть базовые вопросы по работе с Python — о том, что такое список, словарь, как скопировать лист, чтобы при изменении копии изменился и оригинал. Возможно, такие вопросы кажутся незначительными, если собираешься строить модель для управления беспилотниками, но на самом деле это база, от которой нельзя отходить. 

Были задачи на логику, на знание SQL. Спрашивали, как устроено машинное обучение, что такое линейная регрессия, как работают деревья решений, как настраивать, оптимизировать. В рамках тестовых заданий делал проекты по банковскому скорингу и рекомендательной системе для онлайн-магазина. В принципе, оказалось, что курса достаточно, чтобы научиться разрабатывать качественные модели для уровня новичка. К тому же во время учебы у меня всегда открыта не только вкладка с уроком, но и вкладки с кодом и библиотекой, где описана какая-нибудь инструкция по пользованию нужным модулем. 

Я сходил на два собеседования, выполнял тестовые задания. На третьем собеседовании проявил себя неплохо, но случилось 24 февраля, и шанс получить работу улетучился: рынок заморозился, вакансий стало сильно меньше, а на имеющиеся брали только опытных специалистов. Всю весну и лето ситуация была примерно одинаковой, но у меня открылась возможность попасть в другой отдел в рамках своей компании. 

Аналитик данных с ноутбуком во время отпуска
Я проучился половину отпуска как раз перед тем, как уйти на должность аналитика

Внутри моего отдела работает еще один — отдел оптимизации процессов верификации: он занимается аналитикой и поддержкой процессов. Там большой спектр работы: фронтенд, бэкенд, числовая и бизнес-аналитика. До обучения я даже не понимал сленг сотрудников этого отдела, а когда искал работу, уже мог заниматься этим сам. Я откликнулся на вакансию, и с учетом, что я был на хорошем счету в своем отделе и знал внутрибанковские процессы, мне дали тестовое задание. 

Это была таблица из четырех столбцов и 20–30 тыс. строк заявок на кредиты. Мне надо было найти зависимости, посмотреть, какая стратегия обзвона клиентов лучше работает, построить графики, сделать выводы. Решение получилось обширным, руководитель отдела даже удивился, что у меня есть такие навыки в анализе данных, — и меня взяли на работу.

Что я делаю сейчас

Я работаю около четырех месяцев, и мне уже доверяют большие решения. У нашего отдела немаленький спектр задач, у каждого из сотрудников свои обязанности. Я занимаюсь выгрузкой данных, анализом, на основе которого меняются процессы внутри отдела. Например, я рассчитывал данные о работе сотрудников, чтобы понять, как оптимизировать работу, какой метод лучше подходит. Часто занимаюсь регламентными отчетами, числовой и бизнес-аналитикой. 

У меня стандартный график 5/2, с 10 до 19 часов. Но мне так интересно работать, что я по своему желанию иногда остаюсь до ночи, часто сам ставлю себе задачи и выполняю их. Что касается зарплаты — она ниже, чем на предыдущем месте. Но там я был руководителем, упершимся в потолок, а здесь могу расти. Перед уходом я накопил финансовую подушку, так что проблем нет. Главное, что теперь у меня много энтузиазма и я чувствую себя намного счастливее, чем несколько лет назад. 

Пример одного из проектов аналитика данных на GitHub.
Один из моих проектов на GitHub

Я вполне уверен, что даже за полгода при стабильной обстановке в стране можно с нуля освоить азы профессии, если это касается не Data Science, а, например, аналитики. Идти на Data Science с нуля будет все-таки ошибкой, зато можно стать аналитиком и строить модели по потребностям компании. 

Тем, кто собирается учиться, могу посоветовать постоянно двигаться вперед. Я и сейчас никуда не дел свои амбиции и понимаю, что нарабатываю важный опыт, который потом поможет занять более высокую должность, повысить зарплату или перейти в другую компанию. Во время учебы меня мотивировала мысль: я хочу быть человеком, создавшим модель, которая сможет заменить людей, а не тем, кого заменит эта модель.

Все не зря: я имел хорошую должность и высокую зарплату, без сожаления оставил это все и начал с нуля. Мой опыт говорит, что я сделал правильный выбор. И еще, если есть сомнения в возможности сменить профессию во взрослом возрасте, хочу сказать, что важен не возраст, а релевантный опыт. Мне помогло найти работу в этом отделе то, что я работал в банке и знал внутрибанковские процессы. Чем человек старше, тем больше у него подобного опыта, начиная с завода и заканчивая крупными компаниями. 

(рейтинг: 5, голосов: 4)
Добавить комментарий