Data Science: prima impressione
La prima conoscenza con Data Science
All'inizio degli anni '10, gli analisti non erano molto richiesti. La digitalizzazione non era ancora così globale come lo è ora.
Mi sono laureato come ingegnere-economista e ho iniziato a lavorare per una società di telecomunicazioni lì. In esso ho imparato a conoscere cv2.puttext e modelli predittivi. Allora non stavo ancora facendo analisi, ma studiavo solo presentazioni da Mosca. Tutto ciò mi ha affascinato, ma ho capito che per il lavoro professionale con i dati devo ancora imparare, quindi sono entrato nel dipartimento di statistica dell'Università di Economia di Mosca.
All'inizio degli anni '10, gli analisti non erano molto richiesti. La digitalizzazione non era ancora così globale come lo è ora. È vero, le mie capacità erano più teoriche e l'azienda media non aveva abbastanza potenza di calcolo. Pertanto, l'applicazione pratica della conoscenza era allora rara.
Da allora, ormai da 7 anni, lavoro nel settore della ristorazione, dove analizzo le vendite e la base clienti. Per aggiornare le mie conoscenze e consolidarle nella pratica, ho deciso di padroneggiare la professione Python.
Da Python Analytics alla scienza dei dati
Ho imparato a conoscere SkillFactory tramite gli annunci di Facebook. Ho visto un banner con un'offerta per studiare sul corso "Analisi dei dati in Python". Mi girava in testa il pensiero che fosse necessario padroneggiare questo linguaggio per lavorare in Data Science.
Dopo l'addestramento, ho eseguito alcune analisi manuali dei dati utilizzando Python. Il metodo ha aiutato a identificare informazioni sui consumatori molto diverse da quelle promosse dai nostri partner di New York. Ad esempio, eravamo sicuri di avere molti clienti abituali, ma in realtà si è scoperto che la maggior parte dei clienti è venuta al ristorante solo una volta. La direzione è rimasta molto sorpresa da questa scoperta.
Mi è diventato chiaro che in SkillFactory si ottengono competenze applicate davvero utili, quindi non ho preso in considerazione nessun'altra piattaforma educativa per insegnare Data Science.
Il metodo di raggruppamento
L'argomento del mio progetto di laurea in Data Science era legato anche alla clientela del nostro ristorante. Era più esplorativo. Ho fatto la segmentazione dei visitatori utilizzando il metodo di clustering. In poche parole, utilizzando l'algoritmo, ho diviso i clienti in diversi gruppi, tenendo conto del loro comportamento di consumo.
Mi piace il metodo di raggruppamento perché è creativo. Non sai mai come un algoritmo dividerà le persone. All'interno dello stesso gruppo i clienti sono in qualche modo simili, ma in gruppi diversi le persone sono diverse: qualcuno va all'istituto un certo numero di volte al mese, alcuni spendono sempre all'incirca la stessa cifra, altri spesso ordinano un piatto specifico. E solo quando leggi la descrizione del comportamento, capisci con quali parametri l'algoritmo ha formato i gruppi. Le persone al lavoro hanno detto che il progetto è stato interessante e li ha aiutati molto. In quel momento ho deciso che dovevo dedicare ancora più tempo ai miei studi e sono andato in congedo amministrativo per sei mesi.
Sul progetto di diploma e prospettive nella professione
Questo algoritmo, nato inizialmente per lavoro, è diventato il mio progetto di laurea al corso di Data Science. Le nuove conoscenze e il controllo di libro hanno contribuito a migliorarlo. Ho riscritto il programma stesso con un approccio orientato agli oggetti, aggiunto la registrazione delle informazioni e il lancio con le chiavi, come richiesto dagli standard di qualità nel campo della Data Science. Volevo fare quello che non mi vergogno di mostrare e dire: "Questo è il mio progetto di laurea e ne sono orgoglioso".
Quando sono tornato dalle vacanze, sono entrato a far parte del nuovo team come data scientist. Ora mi occuperò della modellazione e della previsione della crescita delle vendite.
In futuro, mi vedo come una persona che sarà in grado di fare tutto il lavoro nel campo dei big data e dell'apprendimento automatico. Ora ho una visione ampia in questo settore e la capacità di vedere i problemi che possono essere risolti utilizzando Data Science. L'importante è non smettere di cercare qualcosa di nuovo: seguire i cambiamenti del settore, utilizzare i migliori strumenti ed essere in grado di rivedere i soliti approcci al lavoro.
Un umanitario può diventare un data scientist?
Spesso le persone potrebbero non conoscere se stesse. Succede che vanno in un'università umanitaria solo a causa delle circostanze. Il motivo più comune è evitare il servizio militare. In effetti, si scopre che una persona è un "tecnico" fino al midollo e si rivela perfettamente nell'IT.
C'erano diversi studenti di scienze umane nel flusso di Data Science dove ho studiato. Alcuni di loro hanno raggiunto la fine della loro formazione. Se c'è un'aspirazione, tutte le strade sono aperte. Ma, naturalmente, sarà più difficile per queste persone. Per studi di successo, devono colmare in modo indipendente le lacune nella conoscenza: matematica e programmazione.