Вы представитель учебного заведения ? Вашей организации ещё нет на нашем портале ? Добавить учебное заведение

Как Data science помогает вести бизнес и определять редкие заболевания — в докладах экспертов на Women in Data Science

Перенять опыт успешных женщин, предложить необходимые связи в индустрии и сплотить сообщество — с такими целями на протяжение уже нескольких лет проходит международная конференция Women in Data Science (WiDS). Идея зародилась в Стэнфордском университете, а сейчас мероприятие проходит в более чем 150 местах по всему миру. Девятого марта конференция прошла и в Петербурге: в Высшей школе экономики выступили эксперты индустрии из Яндекса, Biocad и других компаний. Мы записали главное.

Как Data Science помогает бизнесу принимать правильные решения

Как устроена работа аналитика в Яндексе? Однозначный ответ дать невозможно: деятельность специалистов очень различается в зависимости от масштаба подразделения и спецификации конечного продукта. Сам Яндекс состоит из различных маленьких компаний, среди которых Яндекс.Еда, Яндекс.Такси, Яндекс.Недвижимость. Все они — отдельные бизнес-юниты со своими правилами игры. Многие ожидают, что в Яндексе налажена общая инфраструктура, но на самом деле ее почти не замечаешь. За пять лет я проработала в нескольких подразделениях, и они сильно отличаются друг от друга.

К примеру, начинала я в Яндекс.Справочнике. Это специальный сервис, который собирает данные об организациях. Главное условие работы для составителей — хоть как-то узнать о существовании организации (допустим, по адресу), а остальное мы соберем и аккумулируем из различных источников. Допустим, Яндекс узнал, что по такому адресу есть Высшая школа экономики. Колл-центр сюда звонит и узнает, чем она занимается более подробно. Отдельный алгоритм идет в сеть и узнает сайт этой организации. Отдельно мы направляем сотрудника, который фотографирует здание организации с улицы. В итоге у нас складывается карточка организации благодаря данным из различных источников.

Чем у нас занималась отдельная команда аналитиков? В первую очередь разрабатывала метрики для различных алгоритмов. К примеру, в течение полугода наши специалисты искали правильную метрику для удобной кластеризации, чтобы организации не дублировали друг друга.

Абсолютно по-другому построена работа с аналитикой в подразделении Яндекса, отвечающего за поисковую систему: там работают около 2000 человек, все они программисты и аналитики. Последние часто выступают в роли менеджеров, которые рассчитывают новые метрики и думают, как улучшить существующие.

С чем может столкнуться молодой специалист, если пойдет искать работу в подобной большой компании? Возможно, в компании уже будет работать подобный отдел с проверенными механизмами и построенной схемой работы, а возможно, и нет. Руководители таких организаций часто не понимают ценность аналитики данных. Они считают, что готовый алгоритм должен давать готовое решение, и ожидают чудо.

Мой совет — начинайте работу в компаниях с уже сформировавшейся культурой, чтобы посмотреть, как это устроено и за какие деньги можно получить первый результат от работы. Так вы сразу увидите, каким эффектом обладает исследование данных. Возьмем к примеру компанию Amazon. Сейчас у них 2,6 миллиардов визитов в месяц, а конверсия в покупку — 9 %. Если у сайта вырастет конверсия, он заработает дополнительные 52 миллиона долларов. Следовательно, Amazon’у сейчас очень выгодно взять специалистов по data science.

Работая аналитиком данных в большой компании, вы будете заниматься узкой задачей, которая приведет к небольшой прибыли и наладит отдельную работу сервиса. Например, специалисты в Яндекс.Такси недавно вывели алгоритм, который помогает водителям быстрее добраться с работы домой. За час до конца работы они оповещают систему, и она подбирает им маршруты, близкие к дому.

С одной стороны, вы погрузитесь глубоко в технологии и сможете делать исследование узкой сферы, с другой – будете далеки от бизнеса и продукта.

Абсолютно другая ситуация при работе в маленькой компании. Ваш спектр задач невероятно расширится: модель для бизнеса, метрики, исследование пользователей, больше задач на моделирование и на прогнозирование. Будете максимально приближены к продукту и сможете влиять на все важные решения, которые принимаются в компании.

Вообще, организации часто не понимают, как принимать решения на основе данных. Ценная характеристика data science – это не отчеты с дашбордами и мониторингом, а инструменты прогнозирования и моделирования. Они как раз помогают бизнесу рассчитать, как быстрее добиться цели.

На новом рабочем месте не позволяйте людям говорить, что вам делать, так как их представления могут быть устаревшими. Это вы должны объяснять людям, как ваши инструменты им помогут.

Как анализ данных компанию захватывал

Екатерина Гудкова, Biocad
вуз: Санкт-Петербургский государственный университет информационных технологий, механики и оптики
Комментариев нет
  • Желаете оставить комментарий?