Крупные компании сегодня буквально тонут в данных и отчаянно пытаются найти сотрудников, умеющих извлекать из гор информации полезные для бизнеса сведения

Высшее образование в области статистики, математики и других научно-технических дисциплин обычно дает базовые аналитические навыки, необходимые для эксперта по данным — data scientist.

Но даже с такими навыками, как правило, необходимо дополнительное обучение, чтобы получить соответствующую вакансию в коммерческой компании. Нью-йоркский стартап, финансируемый институтом Cornell Tech, предлагает шестинедельный учебный лагерь, готовящий специалистов с кандидатскими степенями в области естественных наук и инженерного проектирования на роли экспертов по данным и количественному анализу.

Автор идеи лагеря — Майкл Ли, получивший кандидатскую степень в области вычислительной и прикладной математики в Принстонском университете и затем работавший экспертом по данным в компании Foursquare. Ли пришел в коммерческую компанию из науки и при разработке программы опирался на этот свой опыт. Его учебный лагерь будет помогать слушателям оттачивать навыки в области программирования, общения и бизнеса.

Многие крупные компании сегодня буквально тонут в данных и отчаянно пытаются найти сотрудников, умеющих извлекать из гор информации полезные для бизнеса сведения. Поэтому имеется высокий спрос на специалистов с хорошим уровнем образовательной подготовки в области прикладной и вычислительной математики, статистики, а также технических и инженерных наук.

По сведениям Ли, сегодня непросто найти кандидатов, у которых сочетались бы аналитические, программистские и коммуникационные навыки, необходимые, чтобы извлекать пользу для бизнеса из колоссальных, нередко хаотичных срезов данных. Опытным программистам, уточняет Ли, зачастую недостает аналитических талантов, тогда как у аналитиков обычно нет навыков кодирования или отраслевых знаний.

В рамках шестинедельной учебной программы Data Incubator учащиеся смогут получить технические и нетехнические навыки, которые нужны экспертам по данным.

Что касается технической части, то программа дает знания в области обработки естественного языка, проверки гипотез, прогнозного моделирования, наглядного представления данных, использования языка Python и его расширения NumPy, а также обучает Hadoop, MapReduce и другим технологиям баз данных и параллельной обработки.

Слушатели программы под руководством преподавателей выполняют учебный проект, демонстрируя освоенные навыки и методы.

Для самих учащихся лагерь бесплатен. Платить, по словам Ли, должны будут компании, нанимающие тех, кто прошел обучение.

По информации Ли, компаниям приходится тратить массу времени и ресурсов, чтобы отыскать кандидатов на должность эксперта по данным.

Программа Data Incubator помогает выяснить, каким объемом нужных математических и статистических навыков учащиеся уже располагают, и оценить, чему еще их нужно научить для подготовки к роли data scientist.

Быть зачисленным на обучение по программе будет сложнее, чем поступить в Гарвард, обещает Ли. Из тысячи кандидатов, подавших заявки на участие в дебютном учебном лагере, принято было лишь меньше 5%. Ежегодно Ли планирует проводить как минимум по четыре учебных лагеря.

В числе компаний, уже готовых принять на работу выпускников учебного лагеря, — Foursquare, Mashable, Truveris, Etsy и Flatiron Health, занимающаяся поиском методов лечения рака.

Truveris, провайдер сервисов аналитики и отчетности для операторов систем скидок на лекарства, обрабатывает данные примерно по каждому десятому рецепту, выписываемому в Соединенных Штатах. Truveris помогает страховым компаниям и другим участникам отрасли здравоохранения снижать затраты, обрабатывая огромный объем информации из рецептов.

Найти специалистов для выполнения сложного анализа непросто, отмечает А. Дж. Лояконо, сооснователь и исполнительный вице-президент Truveris. По его словам, на сегодня в компании более-­менее справляются с этим, отыскивая людей через университеты и по знакомству.

Лояконо впечатлен тем, что программа Data Incubator фокусируется не только на аналитических и технических умениях, но также на прикладном программировании и бизнес-навыках. «Мы могли бы попытаться самостоятельно подготовить кого-то на должность, но это не рецепт успеха», — говорит он.