Обошла 200 претендентов: как микробиолог с PhD в 45 лет начала карьеру в Data Science

«Первые два месяца плакала и говорила: не моё»

Почему решила получить новую специальность и строить карьеру заново?

Исчезла возможность роста. Реактивы, оборудование — всё это стоит больших денег, а Венгрия — не самая обеспеченная страна. Выбрать новый путь показалось логичным. На последней работе было очень много данных, аналитик не успевал их обрабатывать, пришлось взяться самой. Неожиданно это оказалось интересней, чем ставить эксперименты.

Одно дело попробовать, другое — сменить профессию. Не страшно?

Всегда пыталась жить так, чтобы страхи не руководили выбором. Мысль об уходе пугала — профессию биолога выбирала осознанно. Полгода принимала решение.

Сколько времени и ресурсов ушло на учёбу?

Для перехода в Data Science нужны знания в нескольких областях — программировании, предметной области, математике. Только программированию учатся минимум полгода.

Первым шагом стало поступление на курсы Java, которые проходили в офлайне. По 5-6 часов в день 5 раз в неделю мы занимались с преподавателями, это обошлось примерно в 500 тысяч форинтов в месяц — это порядка 1500 долларов.

Затем примерно за такую же сумму купила двухлетний курс Data Science в онлайне.

Мне всегда нравились компьютеры и программирование, курсы дали понять, смогу ли заниматься этим на профессиональном уровне. Первые два месяца плакала и говорила: не моё, — потом стало получаться.

Из-за чего плакала?

Программирование требует определённого склада ума. Когда учишь первый язык, нужно соблюдать много правил и условностей. Погружение в них непонятно, не всё запоминается. Ты понимаешь, что говорит преподаватель, а потом дают задание на время — и начинаешь «плавать». Надо думать, вспоминать и быстро соображать.

Не слишком ли это много на вхождение в специальность — 2 года?

Курсы позволяют параллельно работать и учиться, достаточно 6 часов в неделю, чтобы идти с очень хорошим темпом.

Процесс получения знаний в Data Science надо рассматривать как циркулярный. Ты проходишь линейную алгебру, статистику, программирование, а через какое-то время возвращаешься к ним, углубляясь с каждым циклом. 

Мой работодатель оплачивает курсы Udemy и даёт 2 дня в месяц на самообразование, в моём карьерном плане прописано обучение. А ещё Data Science — это общение с большой группой людей, встречи, конференции, соревнования и постоянный рост.

60 компаний, 10 собеседований

На каком этапе ты начала искать работу?

В двухлетние курсы, которые я проходила, вшит карьерный модуль; после года обучения можно искать работу. Этот год я прошла за 5 месяцев и начала рассылать резюме.

Написала примерно в 60 компаний, отдавая преимущество тем, что работали в сфере биологии. Мной интересовались, однако после тестовых заданий посыпались отказы.

Сколько собеседований прошла?

Около 10. Это хороший процент отклика — у меня был опыт работы, который дала полугодовая стажировка в американской фирме: во время учёбы мне предложили бесплатно поработать с клиентами на реальных данных.

Много времени ушло на поиски?

2 месяца.

Собеседование в компании, которая в итоге наняла меня, проходило в 4 этапа. Сперва выполнила 2 тестовых задания на знание программирования и теории.

Затем была встреча с нанимателем — всё в онлайн-формате. Мне поставили задачу — подготовить отчёт, презентацию и сторителлинг для выдуманной компании с выдуманными проблемами. Было странно говорить о несуществующей компании. Но в начале интервью работодатель начал активно кивать, показывая, что ему нравится ход моих мыслей и я иду в правильном направлении, — полчаса демонстрации слайдов превратились в удовольствие. 

Четвёртое интервью было своеобразным фейс-контролем: сотрудник компании выяснял, подхожу ли я их команде как личность. Я подошла.

«У людей в возрасте 40+ преимущества перед молодыми»

Что из предыдущего опыта помогло при смене карьеры?

Жизненный опыт. Когда кроме учебы в университете у тебя 3 года аспирантуры, 2 года постдока и 10-летний опыт работы, вырабатывается профессиональный подход к жизни и вера в себя. Устроившись на работу, узнала, что обошла 200 претендентов. Работодатель учёл наличие опыта работы, научную степень и результаты, которые были раньше.

Нередко компании ищут молодых — им проще войти в специальность. Работодателя не смущал твой возраст?

Я искала работу в Венгрии, где проблемы эйджизма отходят на второй план. У людей в возрасте 40+ есть преимущества перед молодыми. Озвученная проблема характерна для России, когда возраст в резюме становится преградой, а фраза о наличии 20-летнего опыта работы играет роль сообщения, что соискателю больше 40 лет. Для Европы это не типичная проблема.

Без каких знаний нельзя состояться в Data Science? 

Без программирования, хотя многие обработки данных можно сделать в Excel. Этот путь снижает возможности — в Excel помещается ограниченное количество данных. Важен сторителлинг — умение рассказать о результатах работы доступным языком. Если классный программист не может объяснить, что сделал, просто и в картинках, ценность его аналитики невелика.

Какого уровня ожидают от претендента на работу?

Полагаю, что достаточно знаний Python, на котором обычно происходит программирование, и математики — на школьном уровне. Ещё надо уметь разговаривать — интровертам в аналитике сложно. Хотя есть фундаментальная часть Data Science, когда необходимости в общении нет.

Овладеть каким навыком было сложнее всего?

Все боятся математики. Преодолеть барьер, когда ты видишь формулу и не знаешь, что с ней делать, помогли сокурсники — парень из России и девушка из Австралии. Обратив внимание, что материал на двухлетних курсах недостаточно хорош, я предложила им самостоятельно изучать дополнительный материал. Составила план занятий и предложила формат: прослушивать тему, составлять на её основе презентацию, раз в неделю проводить лекцию и отвечать на вопросы.

Мы были командой, тянули друг друга, и никто не хотел, чтобы этому пришёл конец. Когда кто-то был не готов, на следующей неделе он рассказывал уже 2 лекции. Мы прошли курс за полгода и очень гордимся этим.

Встречались ли тебе люди, которые пробовали себя в Data Science, но не справились?

Да. Некоторым курсантам не понравилось качество материала, они забрали деньги, продолжили самостоятельное обучение и потерялись в дебрях бесплатных курсов — не хватило самоорганизации. Другие перешли на очные курсы, а это еще 2 года отсрочки. Третьи перестали выходить на связь.

«Быть специалистом в трёх областях»

В каких сферах наиболее востребован аналитик?

Везде, где есть данные. Наиболее развита аналитика в финансовой сфере, идёт работа в продуктовом сегменте. В медицине и биологии все только начинается.

Какое направление кажется тебе наиболее перспективным?

Фармакология и поиск новых лекарств. К примеру, появляется задача: найти лекарство от простуды. Ученым требуется провести тысячу экспериментов и очень много времени. Аналитик моделирует часть результатов на компьютере и предлагает 50 экспериментов, это уже решаемая задача.

Должен ли такой аналитик разбираться в фармакологии?

Он должен быть специалистом в трех областях. Когда объясняют, что такое Data Science, рисуют три перекрывающихся кружочка — знания в предметной области, математике и программировании. 

Ты планируешь использовать знания в микробиологии?

Конечно. Результатом может стать успешная работа в фармакологической компании: я понимаю бизнес-задачу, читаю научную литературу, общаюсь с учеными на их языке.

Нужно ли контролировать работу аналитика?

Да, ведь от его выводов зависит успешность работы компании и финансовые вложения. Потому мы, аналитики, перепроверяем результаты друг друга. Уметь признать ошибку, обрадоваться, что она найдена вовремя, и пойти вперёд — важное качество в Data Science.

Деньги или возможности

Скажи честно, ты пришла в Data Science за деньгами?

Скорее, за возможностями. Финансовая сфера привлекает, но и задачи ставятся интересные. Люди всегда хотели контролировать свою жизнь, ходили к гадалкам, раскладывали карты. Инструменты Data Science позволяют предугадывать развитие событий самостоятельно — и никакой магии.

На какие деньги могут претендовать аналитики?

По данным Glassdoor, средняя зарплата — 117 000 долларов в год.

Что посоветуешь новичку, который решил работать с аналитикой данных?

Не сдаваться и идти вперёд. Часто слышу вопросы: мне уже 30, не поздно ли менять профессию? Мне — 45, и я успела. В первой половине жизни сделала карьеру микробиолога, во второй добьюсь успеха в Data Science.