Я был танцором, потом строителем, а теперь анализирую данные в Минэнерго

Евгений Денисенко сменил много профессий. Он танцевал в ансамбле, был прорабом, работал в общественной организации, а потом начал изучать Data Science. Евгений рассказал, как один пост в Facebook^* изменил его жизнь и каково это — анализировать данные в министерстве.

Что я делал раньше

До перехода в IT я несколько раз менял карьерный вектор. Я родился в Норильске, там учился по специальности «Промышленное и гражданское строительство», параллельно долго занимался танцами. Затем переехал в Москву и устроился в академический ансамбль.

Танцам я отдал 17 лет, а потом понял, что это не мое. Некоторые танцоры после 30 лет уже с переломанными ногами, нагрузки — как в большом спорте, это сильно влияет на здоровье.

Как я долгое время занимался всем подряд и почему перестал это делать

Я ушел в строительство. Так как в этой сфере у меня не было опыта, брали только на стройку. Сначала был мастером, потом прорабом, работал в разных компаниях. Это физически и морально тяжелая работа. Мне каждое утро приходилось через себя переступать, чтобы собраться и поехать на объект. То кто-то напьется, то не привезли материалы, то выплаты задерживают. Был период, когда четыре месяца работал без выходных по 10–12 часов в день.

Затем мы с друзьями открыли в Подмосковье небольшой продуктовый магазин с цехом выпечки — я с радостью туда ушел. Занимался практически всем, приходилось быть мастером на все руки. Однажды увидел в газете объявление о наборе на стажировку в правительство Москвы и подумал: «Почему бы не попробовать?» Было несколько этапов конкурса, выездной интенсив за городом, где мы придумывали проекты по улучшению города. Моя идея про вертикальное озеленение стала призером. Это когда специальный раствор со спорами мха наносится на любую поверхность и мох прорастает. Так можно облагородить старые бетонные заборы, некрасивые здания.

Меня взяли на стажировку, я успешно ее прошел, а потом устроился в Общероссийский народный фронт. На тот момент я вообще не имел никаких планов и просто решил, что мне это интересно. В итоге проработал там шесть лет: был кем-то вроде проджект-менеджера, занимался всем подряд — управлял социальными проектами, организовывал экспертные мероприятия, анализировал законодательные акты.

Параллельно получил в МГУ второе высшее образование в сфере госуправления. Тогда ожидал, что уже через месяц меня возьмут на работу в какую-нибудь крупную российскую компанию. Оказалось, вакансий в этой сфере не так много, я постоянно получал отказы. Даже находил в Facebook^* специалистов по GR (Government Relations, взаимодействие с органами государственной власти) из компаний, которые мне нравились. Писал им напрямую, но и это не помогло. В ОНФ я получил много опыта, на такой работе кругозор расширяется. Но в этом и минус: когда ты специалист «по всему» — теряешь специализацию. В какой-то момент понял, что я абсолютно потерян, даже не понимаю, на какие должности могу подаваться.

Почему я выбрал Data Science

Пока искал работу, несколько раз натыкался на рекламу разных курсов. Склонялся к Data Science, потому что мне нравится сама концепция — это смесь математики, программирования и творчества. Присматривался, изучал программы, но последним толчком стал опыт моего товарища. Он работал в PR, а потом перешел в Data Science. Я увидел его пост в Facebook^* об этом и снова подумал: «Почему бы и нет?» У меня инженерный бэкграунд, и в школе я программировал. Я записался на курс по Data Science в SkillFactory и считаю, что это было одним из лучших моих решений в жизни. Это крутой выход из зоны комфорта, особенно в первые месяцы: голова кипела, я пытался разобраться в алгоритмах, как все устроено. Но меня мотивировало, когда я что-то делал и видел продукт, который создан моими руками.

Как-то встретился со знакомым, который работал в Министерстве энергетики. Я рассказал ему про учебу, и он предложил мне посмотреть их данные. Я провел анализ, нарисовал графики, и через какое-то время меня пригласили на работу. В июле 2020 года уволился из ОНФ и перешел в Минэнерго.

Что я делаю сейчас

Планировалось, что я буду заниматься созданием разных предсказательных систем, например по авариям, потреблению электроэнергии. Скажу откровенно: до сих пор руки не дошли. Первое время я занимался автоматизацией аналитики. Приходят данные по энергопотреблению, их нужно анализировать. Это нужно делать часто, сначала приходилось каждую неделю делать новый анализ вручную, а это очень долго. Я написал на Python программу, которая автоматизирует весь процесс и визуализацию.

По большей части я занимаюсь анализом потребления энергии, на это уходит 90% времени, плюс бумажная работа, всякие служебные письма и другая рутина.

При переходе моя зарплата не изменилась, но плюсов, конечно, прибавилось. Главное, что я попал в близкую к Data Science сферу и занимаюсь тем, чему учился на курсах. Уже чувствую, что намного проще писать некоторые вещи, появляется понимание, где искать ошибки, на что обратить внимание. Правда, когда перешел на эту работу, был очень большой объем задач, поэтому я выбился из учебного графика. Сейчас понемногу наверстываю, но с опозданием.

Какие у меня сейчас задачи

Например, я вижу данные по потреблению электроэнергии или по отключениям, анализирую их, смотрю на причины, получаю интересные выводы и, самое главное, понимаю, что до меня этого никто не делал и информация будет ценной.

Кстати, по итогам анализа выяснилось несколько интересных фактов. Например, в некоторых регионах есть условный час пик — определенное время определенного дня недели, когда происходит наибольшее количество отключений. Так в одном из субъектов с 14 до 16 часов понедельника происходит примерно в 7,5 больше отключений, чем в любое другое время недели. Это довольно странно, и в природе таких явлений нужно будет еще разбираться. Еще после анализа аварий сразу стало видно, как работают теплоснабжающие организации, в каких регионах больше проблем.

Совет

Я бы сказал тем, кто собирается идти на курсы, что это непросто, но реально. Непременно нужен хороший английский, потому что документация библиотек и языки — все на английском. Математический бэкграунд, наверное, важен, но мне кажется, что можно делать все то же самое и без особого углубления в математику. Если есть общее понимание, ты уже можешь садиться, открывать Python, загружать библиотеки и работать с ними. С другой стороны, я понимаю, что при конкуренции с каким-нибудь выпускником мехмата проиграю, потому что у него совершенно другие знания, он понимает все намного лучше.

Меня мотивирует общение, я часто читаю чат со студентами. Некоторые так активны, что я думаю: «Пойду-ка тоже позанимаюсь». Почитываю статьи по теме на платформе Medium, появляются идеи, они тянут за собой мотивацию. Еще заряжает, когда видишь работающий результат.

* Принадлежит компании Meta, деятельность которой признана экстремистской в России.