Specjaliści Data Science

Kim są, co robią i dlaczego chcesz być jednym z nich

Specjaliści data science to nowy rodzaj analityków danych, którzy nie tylko świetnie sobie radzą z technologią, ale również charakteryzują się dociekliwością ukierunkowaną na wykrywanie i rozwiązywanie istotnych kwestii biznesowych. To matematycy, informatycy i badacze trendów w jednym. Ponieważ posiadają unikalne umiejętności wsparcia zarówno zagadnień biznesowych, jak i technologicznych, są dziś bardzo poszukiwani na rynku pracy i dobrze wynagradzani. Kto nie chciałby zostać jednym z nich?

Specjaliści data science to także znak czasów. Jeszcze dziesięć lat temu nie było na nich zapotrzebowania. Gwałtowny wzrost popularności tej specjalizacji odzwierciedla zmianę podejścia przedsiębiorstw do tematu zarządzania danymi w dobie big data. Firmy przekonały się, że konieczne jest uwzględnianie w codziennej działalności wszelkich dostępnych danych zarówno wewnętrznych, jak i zewnętrznych, ustrukturyzowanych i nieustrukturyzowanych. Stanowią one "wirtualną żyłę złota", pod warunkiem, że organizacja potrafi je sprawnie pozyskać, zanalizować i wyciągnąć z nich wartościową wiedzę biznesową. I do tego właśnie potrzebuje specjalistów data science.

Skąd się wzięli?

Wielu specjalistów data science rozpoczynało swoją karierę na stanowisku statystyka lub analityka danych. Jednak w miarę wzrostu i rozwoju big data (oraz technologii przechowywania i przetwarzania big data, takich jak np. Hadoop) zmieniły się także zadania związane z pracą na tych stanowiskach. Dane nie są już drugorzędną kwestią dla informatyków. To kluczowe informacje, które wymagają analitycznego podejścia, twórczej dociekliwości i umiejętności przekładania pomysłów z zakresu zaawansowanych technologii na sposoby generowania zysków.
Stanowisko data scientist ma także pochodzenie akademickie. Kilka lat temu uczelnie wyższe zaczęły zauważać, że pracodawcy poszukują programistów ze znajomością zagadnień biznesowych potrafiących pracować w zespole. Profesorowie zmodyfikowali programy swoich zajęć, aby odpowiedzieć na to zapotrzebowanie. Niektóre programy nauczania, jak choćby te prowadzone przez Institute for Advanced Analytics na North Carolina State University, zostały ułożone pod kątem kształcenia kolejnego pokolenia specjalistów data science. W Stanach Zjednoczonych uczelnie wyższe realizują ponad 60 podobnych programów nauczania.

„Czasem moje zadania mogą wyglądać bardzo podobnie, ale z tygodnia na tydzień ich zakres może się też diametralnie zmieniać. Przez kilka tygodni pracuję nad projektem eksploracji tekstów, by potem przejść do tworzenia modelu prognostycznego dla klienta. W międzyczasie odbywam spotkania dotyczące zastosowań narzędzi analitycznych i tego, jak mogą one wspomóc różne obszary funkcjonowania przedsiębiorstwa”.

Alex Herrington
Data scientist pracujący dla wiodącej amerykańskiej firmy z branży Retail
Przeczytaj biogram

Więcej informacji o data scientists

Zasoby, od których warto zacząć


Typowy zakres obowiązków specjalistów data science

Nie istnieje jeden uniwersalny zakres obowiązków dla data scientist. Jest jednak kilka umiejętności i zadań, których na pewno można się spodziewać w pracy na tym stanowisku:

  • Gromadzenie dużych ilości nieuporządkowanych danych i przekształcanie ich na bardziej użyteczny format.
  • Rozwiązywanie kwestii związanych z prowadzeniem firmy za pomocą technik opartych na danych.
  • Praca z różnorodnymi językami programowania, w tym SAS, R i Python.
  • Bardzo dobra znajomość statystyki w tym testów i rozkładów statystycznych.
  • Opanowanie technik analitycznych, jak np. uczenia maszynowego, uczenia pogłębionego oraz analizy tekstu.
  • Komunikacja i współpraca z obszarem IT oraz biznesem.
  • Wyszukiwanie w danych reguł i wzorców, a także wykrywanie trendów, które mogą poprawić wynik finansowy firmy.

Z jakich narzędzi korzysta data scientist?

Poniższe terminy i technologie są powszechnie stosowane przez specjalistów data science:

  • Wizualizacja danych: prezentacja danych w formacie obrazka lub grafiki dla prostej analizy.
  • Uczenie maszynowe: dział sztucznej inteligencji oparty na algorytmach matematycznych i automatyzacji.
  • Uczenie pogłębione: dziedzina badań w zakresie uczenia maszynowego, która wykorzystuje dane do modelowania złożonych abstrakcji.
  • Rozpoznawanie wzorców: technologia rozpoznająca wzorce w danych (często stosowana zamiennie z uczeniem maszynowym).
  • Przygotowywanie danych: proces konwersji surowych danych do innego formatu w celu ułatwienia ich wykorzystania.
  • Analityka tekstu: proces analizy nieustrukturyzowanych danych w celu ustalenia kluczowych możliwości dla biznesu.

„Mój typowy dzień pracy wygląda następująco: wraz z moim zespołem robię burzę mózgów i poszukuję rozwiązań dla różnych kwestii związanych z działalnością firmy, przeglądam analizy i zalecenia przygotowane przez mój zespół a także uczestniczę w różnorodnych spotkaniach”.

Kristin Carney
Data scientist, World’s Foremost Bank
Przeczytaj biogram

Jak zostać data scientist?

Wybór kariery ukierunkowanej na data science jest mądrym posunięciem. Gwarantuje wiele możliwości zatrudnienia oraz szansę na pracę w nowoczesnych technologiach i obszarze biznesowym z dużym polem do popisu w zakresie eksperymentowania i kreatywności. Jaka jest twoja strategia?

Jeśli jesteś studentem
Wybór uczelni, na której można zrobić dyplom z data science, a przynajmniej takiej, która oferuje zajęcia z data science i analityki, to ważny pierwszy krok. Szkoła Główna Handlowa w Warszawie, Uniwersytet Warszawski, Uniwersytet Jagielloński, Uniwersytet Ekonomiczny w Katowicach, Politechnika Gdańska, Politechnika Warszawska to wybrane przykłady uczelni wyższych w Polsce, które oferują programy nauczania w zakresie data science.

Jeśli jesteś już po studiach, ale chcesz zmienić swój zawód
Większość specjalistów data science posiada doświadczenie w zakresie analizy danych lub statystyki, ale jest tez grupa, która miała do czynienia z dziedzinami nietechnicznymi, jak np. zarządzanie czy ekonomia. Jak specjaliści z tak różnorodnym doświadczeniem mogą pracować w tej samej dziedzinie? Należy wziąć pod uwagę to, co ich łączy: umiejętność rozwiązywania problemów, komunikatywność oraz niezaspokojona ciekawość dotycząca funkcjonowania różnych mechanizmów.

Poza tymi cechami musisz także doskonale orientować się w:

  • statystyce i uczeniu maszynowym,
  • językach programowania, jak np. SAS, R lub Python,
  • bazach danych, jak np. MySQL oraz Postgres,
  • wizualizacji danych oraz technologiach raportowania,
  • narzędziach Hadoop oraz MapReduce.

Jeśli nie chcesz nabywać tych umiejętności samodzielnie, możesz wziąć udział w kursie online lub zapisać się na specjalne szkolenie. Warto też zbudować sieć znajomości. Skontaktuj się z innymi specjalistami data science w swojej firmie lub wyszukaj społeczność online. Osoby te udzielą ci informacji z pierwszej ręki o tym, czym zajmują się specjaliści data science i gdzie można znaleźć najlepszą pracę.

Kiedy firma jest gotowa na zatrudnienie data scientist?

Zanim przyjmiesz ofertę pracy na stanowisku data scientist, przeanalizuj kilka kwestii związanych z daną firmą:

  • Czy przetwarza w codziennej działalności duże zbiory danych i jej działalność wiąże się z rozwiązywaniem złożonych problemów biznesowych? Firmy, które naprawdę potrzebują specjalistów data science, mają dwie cechy wspólne: duże ilości przetwarzanych danych i duże wyzwania biznesowe. Zazwyczaj są to firmy z sektora finansów, administracji publicznej lub farmacji.
  • Czy traktuje dane jako istotne aktywa? Kultura danej firmy ma wpływ na to, czy powinna zatrudniać data scientist. Czy środowisko danej firmy jest zorientowane analitycznie? Czy kierownictwo jest zaangażowane? Jeśli nie, inwestowanie w data scientist to strata pieniędzy.
  • Czy jest gotowa na zmiany? Jako data scientist oczekujesz, że twoje stanowisko będzie traktowane poważnie, a to oznacza także możliwość obserwowania wymiernych rezultatów twojej pracy. Ze swojej strony poświęcasz czas na szukanie sposobów wzrostu i optymalizacji działania firmy, która z kolei musi być gotowa – i chętna – do wdrażania wyników twoich ustaleń.

Zatrudnienie data scientist do kierowania procesem decyzyjnym w oparciu o dane może dla niektórych firm być krokiem w ciemno. Upewnij się, że firma, dla której możesz pracować, ma odpowiednie nastawienie i jest gotowa wprowadzać zmiany.


Technologie dla data scientist