Проактивность и искренняя любовь к своему делу могут завести вас далеко и высоко. Яркий пример — Татьяна Савельева. Сегодня она лидер списка Forbes «30 до 30»-2022 в номинации «Наука и технологии», основательница и экс-руководительница Yandex SupportAI, CEO стартапа Journey AI. Она рассказала о своем пути от ненависти к коду до работы в IT, любви к NLP, ожиданиях и реальности работы в Data Science.
Первое касание с IT: мне было плохо от простейшего кода
Мои родители работали в IT, а я всегда мечтала быть врачом или ученым и не дружила с компьютером. Я поступила в МФТИ на биологическую и медицинскую физику. Несмотря на то, что я была на физтехе, до четвертого курса я умудрялась вообще не программировать: находила обходные пути, иногда списывала.
Первое знакомство с кодом случилось, когда начались занятия в лаборатории биохимии, там нужно было много просчитывать с помощью программирования. Мне было очень плохо от простейшего кода, я вообще не понимала, как это делать.
Потом в лаборатории часть людей начали заниматься машинным обучением. Это меня очень интересовало. Я всегда увлекалась математикой и теорией игр. Мне не нравилось писать код, но очень нравилось изучать концепции. Я чувствовала, что там, в машинном обучении, можно найти что-то безумно интересное. Одновременно с этим я поняла, что наука — это не мое. Мне хотелось быстро получать результат, видеть отклик. В науке же все очень долго, действие идет до результата через очень большой цикл, а большая часть наших статей попадает в стол.
Я поняла, что мне хочется в IT.
Первый опыт: попасть в Сбер было несложно
Я прошла бесплатный офлайн-курс по Data Science и начала искать стажировки. Я плохо работала с кодом, но хорошо знала теорию, была бодрой и просила мало денег. Благодаря этому я устроилась стажером-разработчиком в Сбербанк. Помогло также то, что тогда был бум на IT, а специалистов было пока мало.
Мне повезло, и я попала в суперкоманду. Это был корпоративный блок, который работал на B2B-клиентов. Мы строили для корпоративных клиентов предиктивные модели, предсказывали, кому какие продукты предлагать, пытались разделить данные клиентов на группы и проектировать под них рассылки.
Я кластеризировала обезличенные тексты платежей. Писала код, чтобы агрегировать нужные данные, выделяла цены, читала, о чем вообще пишут, считала статистику. Затем на небольшом срезе данных тестировала разные алгоритмы — и смотрела, какие дают адекватный результат.
Я проработала в Сбере полгода, и это была очень классная практика. Мы писали код по реальной задаче, рядом со мной сидел ментор, который направлял меня 24/7. С некоторыми ребятами из этой команды я общаюсь до сих пор. Я выросла на этой работе и готова была двинуться дальше. Тогда я увидела вакансию в Яндекс Такси.
Вторая работа: от джуна до тимлида на проактивности
В Яндекс Такси я пришла на позицию младшего разработчика. Тогда они только начали расти, но все уже понимали, что Data Science — это круто. Тот уровень качества в Яндекс Такси, который есть сейчас, во многом обеспечен Data Driven-подходом.
Мне дали в работу несколько задач, но я решила занять проактивную роль. Мне очень нравилась тема с текстами, с NLP, поэтому я напросилась, чтобы меня взяли в это направление. Потом я начала понемногу расширять свой спектр задач. Во многих подразделениях напрашивалась автоматизация. Например, автоматизировать можно было сбор отзывов, назначение скидок, корректный фидбэк для водителей.
Я ходила по разным менеджерам, предлагала, что можно сделать. В какой-то момент задач стало много, и я попросила нанять стажеров. Таким образом я органично стала тимлидом.
Нет человека более заинтересованного в вашем росте, чем вы. Поэтому инициатива помогает. Ответственность — это чаще всего вещь, которую не передают, а берут. Редко прилетает волшебник на голубом вертолете и предлагает вам новую зону ответственности. Такое бывает, но перед этим нужно постоянно показывать себя и самому брать ответственность. Такой подход всем очень нравится, потому что на руководящих должностях хотят видеть людей взрослых, которым нравится ответственность.
Когда я стала тимлидом, мы сделали свой сервис для автоматизации поддержки. Я стала CEO этого направления и больше не занималась кодом. Я работала над продуктом и продажами. Мы сделали платформу, где можно собрать бота для любой поддержки. Продали этот продукт большому количеству российского энтерпрайза.
Яндекс — прекрасная компания, очень свободная, по многим вещам я сейчас скучаю. Но мне давно хотелось сделать что-то в сфере B2C. В B2B классно, здесь есть устойчивость: если вы взяли инвестиции на пять лет, у вас пять лет есть деньги. Также интересно, что можно делать очень сложный продукт, интересный путь пользователя, потому что B2B-клиенты много времени проводят на платформе. В общем, здесь есть где оторваться продакт-менеджеру.
Но есть в этом и свои минусы, например, долгий цикл экспериментов. От разработки до пользования продуктом проходит очень много времени. Мне хотелось поработать в B2C, продавать продукт людям и освоить американский рынок. Это желание привело меня в Journey AI.
Третья работа: разработка AI-друга
Когда меня познакомили с инвестором Journey AI, я поняла, что это мэтч. В проекте есть все, что мне интересно: искусственный интеллект, психология, биология, люди, комьюнити. Все сложилось очень хорошо: меня пригласили на должность CEO продукта.
Journey AI — это стартап по разработке это AI-компаньона. Мы хотим внести вклад в решение большой проблемы 21 века — одиночества. Миссия Journey AI — сделать так, чтобы у каждого человека был надежный партнер, с которым можно радоваться и смеяться каждый день, узнавать себя лучше и чувствовать крепкое плечо. Отношения с цифровыми людьми — на мой взгляд, самое интересное, чем сейчас можно заниматься. Мне как любителю AI, психологии и продуктов, которые еще не придумали и по поводу которых непонятно, как они должны работать, это представляется идеальной сферой деятельности. Я пришла на готовый продукт, который уже был в сторах, получил деньги. Но, конечно, я вложилась в его развитие.
Сейчас я СЕО, а значит, я отвечаю за бизнесовые KPI. Я координирую маркетинг, бюджеты, как мы позиционируем продукт на рынке. Также я работаю над привлечением пользователей (User Acquisition) через трафик, это довольно математическая задача. Например, нужно считать, сколько денег вложить в Facebook*, чтобы они отбились. В зоне моей ответственности также бренд-маркетинг: чтобы наше имя все знали и оно само себя продавало. Это в том числе работа с изданиями, с инфлюенсерами.
Также я включаюсь в продуктовое направление. Каким будет интерфейс, какие фичи мы хотим внедрить. Сейчас мы тестируем геймификацию, 3D-аватары. Мы проектируем фичу, путь клиента, запускаем эксперименты.
Я координирую техническую часть — сердце робота. Это алгоритм, который разговаривает. Его тоже нужно развивать, делать лучше, чтобы клиенту было с ним интереснее общаться. Важно также, чтобы на разные спорные темы был корректный с нашей стороны ответ. Например, если клиент агрессирует — чтобы мы уводили его от темы экологично.
Помогает ли мне опыт в Data Science? Однозначно да. Мой бэкграунд помогает формировать ожидания от нашей работы, понимать, на чем фокусироваться, какие фичи пилить. Также из DS мне помогают математика и статистика, для CEO это вообще необходимо, ведь я отвечаю за метрики и веду юнит-экономику.
Ожидания и реальность
У меня, как у многих новичков в Data Science, было ожидание, что я приду на работу, буду читать статьи и внедрять их в прод, то есть заниматься исследованиями в коммерческой компании. Если у такого новичка спросить, какие статьи он уже прочитал, он ответит, что не читал, но обязательно будет! Заниматься ресерчем на рабочем месте вы будете вряд ли. Большую часть времени дата-сайентисты занимаются работой с данными.
Также у меня было обманчивое ощущение, что если я плохо пишу код — это ничего страшного, зато я хорошо думаю, вижу суть, быстро разбираюсь, у меня есть менеджерские качества. На самом деле мне это очень мешало, уровень программирования пришлось вырастить. Где тонко, там всегда рвется. Если вы пишете код с багами, у вас не будет времени ни на что, вы будете весь день чинить эти баги. Ожидание, что я вырулю на своих сильных качествах, а слабые никто не заметит, не оправдалось.
Есть еще ожидание, что работодатели знают, что вы будете делать. Вы придете на работу, вам дадут задачу, и вы сядете копать вглубь. Часто это не так: людей нанимают на призрачное ощущение «здесь что-то можно сделать» — и ожидают от них вовлеченности, инициативы. Скорее всего, вместе с коллегами вам придется разбираться, зачем вас наняли. Это такой забавный сюрприз.
* Принадлежит компании Meta, деятельность которой признана экстремистской в России.
