«Рынок испытывает огромный дефицит аналитиков»
Фирма «1С» — стратегический партнер бакалаврской программы «Анализ данных в финансах», которая откроется в Питерской Вышке в этом году. Никита Старичков, заместитель директора по работе с научно-исследовательскими университетами «1С» и заведующий лабораторией цифровизации бизнеса МФТИ, рассказал, какие экономические задачи решают аналитики данных, какими знаниями нужно для этого обладать, и останется ли профессия востребованной через несколько лет.
— Какие задачи решают специалисты по анализу данных в финансах?
— Если говорить про анализ данных в целом, то это очень широкая специальность, и можно придумать какое угодно применение. Всем известно, что объемы генерируемых данных уже давно превосходят те, которые может обработать мозг человека.Типовые примеры применения анализа данных – прогнозирование временных рядов, например стоимости акций и фьючерсов, спроса на товар или услугу. В банковском секторе – классика жанра – задача о выдаче кредита. Так, благодаря анализу данных, было выявлено, что гораздо менее рискованно дать кредит мужчине с тремя детьми, чем одинокому. Несмотря на то, что у родителя намного меньше свободных денег, так как у него больше расходов, он с меньшей вероятностью исчезнет или допустит просрочку по кредиту. Но применение анализа данных не ограничивается финансовым сектором, оно намного шире, и есть совсем нетривиальные истории.
На одном из хакатонов была представлена задача от сети небольших супермаркетов шаговой доступности. Участникам хакатона предоставили данные чеков с привязкой к личной скидочной карточке покупателя, что давало возможность отследить историю покупок и время их совершения. Одна из предложенных моделей внезапно показала, что после 9 вечера при покупке подгузников происходит рост сопутствующих продаж слабоалкогольных напитков. Это мама отправила вечером папу за памперсами, а он заодно решил взять себе баночку напитка на основе хмеля. Согласитесь, это относительно неочевидный вывод для ритейла. Авторы задачи учли эти результаты в работе некоторых магазинов и поставили стойку с памперсами рядом со слабоалкогольными напитками, чтобы папам не надо было далеко идти. И это сработало.
А иногда бывают решения, которые звучат за гранью фантастики. Приведу еще один пример: в конструкции вышек, которые качают нефть, есть мотор, двигающий механизм. Внезапная поломка этого мотора может привести к проблемам и достаточно высоким финансовым потерям. Специалисты по анализу данных выяснили, что если поставить рядом с этим моторчиком микрофон, то по звуку работы подшипника можно предсказывать, когда мотор выйдет из строя. Это позволяет заранее подготовиться и не нести убытки, как при внезапной поломке.
Конечно, у молодежи сейчас популярна тема машинного обучения более веселого предназначения, например, создание фильтров в Instagram с пририсовкой ушек, носиков и прочего. Это интересно и здорово, но анализ данных для экономики имеет гораздо большее значение: влияет на эффективность работы предприятия, способствует уменьшению расходов, увеличению доходов и так далее. И это уже не просто посмеяться с друзьями. Но при этом и в анализе экономических данных можно найти много интересного. Конечно, с точки зрения математики это всего лишь какой-то временной ряд, но если погрузиться в предметную область, то всегда найдется то, что будет интересно.
— Над какими проектами в «1С» работают специалисты по анализу данных?
— «1С» – большая компания и у нее очень много направлений. Но есть стереотип, что «1С» – это только бухгалтерия. И я приведу пример как раз из этой сферы, чтобы оправдать надежды скептиков.
Разберем классическую ситуацию распознавания платежных документов. Бухгалтер на аутсорсе получает от своего клиента документы, данные из которых ему нужно ввести в систему. Мы сейчас говорим о таких вещах, как ИНН, КПП, ОКПО и прочее – занятие скучное, да и к тому же отнимает уйму времени. Но сейчас, используя наши технологии, бухгалтеру достаточно отсканировать документ или просто загрузить присланную фотографию, а система самостоятельно заполнит все необходимые поля. В итоге бухгалтеру требуется только сверить данные! В результате вместо 3-6 минут довольно безынтересного ручного ввода, теперь этот процесс занимает не больше 15-20 секунд.
— Какие знания и навыки должны быть у специалиста по анализу данных, чтобы он мог успешно внедрять решения из ваших примеров?
— Я выскажу относительно непопулярную мысль: в первую очередь он должен хорошо знать математику. Быстрые курсы «Как выучиться на аналитика за год» — обычно про то, как освоить какие-то алгоритмы или какой-то конкретный инструмент и научиться ими пользоваться. Для того, чтобы быть высококлассным специалистом, надо понимать, как это внутри устроено. Чтобы понимать как все устроено, надо понимать математику. Безусловно, в какой-то степени нужно уметь программировать. По сравнению с теми, кто идет в системное программирование, эти навыки могут быть и послабее, но они не должны страдать. Банально нужно знать языки, алгоритмы, структуры данных — без этого никуда. Снова привет математике. Надо понимать базовые принципы проектирования ПО, как устроен компьютер, в конце концов.
— Насколько важно специалисту по анализу данных знать экономику?
— Безусловно, нужно знать терминологию, без нее он просто не сможет до конца понимать предметную область. Представьте ситуацию, когда руководитель дает задание спрогнозировать фьючерсы сотруднику, который не знает и не понимает, что это такое, и начинает просто гуглить, чтобы разобраться. Наверно, через какое-то время сотрудник решит задачу, но он на нее потратит больше временных ресурсов и своих, и компании.
Специалисту по анализу данных требуется понимание базовых экономических моделей для их верификации. Надо представлять, с какими данными придется работать, как устроена финансовая отчетность, но не на уровне, как ее формировать, а что за показатели в нее входят и что они значат. Также немаловажно разбираться в стратегическом финансовом планировании и бюджетировании, по каким законам эта область живет. Но это не на уровне специалиста-экономиста, а на уровне «не стыдно показаться в обществе экономистов».
— Кому, по вашему мнению, легче стать специалистом по анализу данных: программисту или экономисту?
— При некотором приближении продвинутая экономика – это математика. Многие знаменитые экономисты – математики. Программирование тоже в некоторой степени математика с долей инженерии, конечно. Программист достаточно быстро может познакомиться и усвоить базовые модели экономики, для этого хватит небольшого курса. Плюс, кажется, в хорошем банке хватает профессиональных экономистов, будет кому научить и объяснить.
А вот экономистов можно научить программированию только при двух условиях. Первое — если у них действительно сильная математическая подготовка на уровне хороших экономических школ, где требования к математике не ниже, чем на абстрактном физфаке. Вот из таких экономистов можно вырастить программистов при соблюдении второго условия, если у них есть еще достаточно много времени. Программирование — это минимум полугодовой курс алгоритмов, еще и языки нужно выучить, а потом и машинное обучение начинается, на анализ данных еще семестр необходим. Получаем года полтора-два на то, чтобы экономист начал понимать, как все внутри устроено.
Базовые экономические термины программист может осознать за пару месяцев. Если он начнет считать потенциальные доходы от инвестиций, то ему нужно понять какие типы инвестиций бывают и как считается доход. А дальше для него – это просто цифры. Так что работает в обе стороны, но с разными временными трудозатратами. Но, конечно, все еще зависит от конкретных персоналий — кто учится и кто учит.
— Сейчас спрос на специалистов по анализу данных очень велик. По вашим оценкам, сохранится ли он через 5-6 лет?
— В недавнем исследовании Ассоциации «АПКИТ» говорится о том, что в России не хватает более 220 тысяч программистов. Прямо здесь и сейчас. И это не для того, чтобы выйти в мировые лидеры, а чтобы догнать хотя бы Великобританию, которая не является признанным экспортером IT-технологий. Из этих 300 тысяч, как минимум, 10% должно быть экстра-класса, чтобы занимать ключевые позиции. О какой невостребованности может идти речь? Если возвращаться к аналитикам данных, то тех же данных меньше точно не станет.
— Почему компания «1C» решила поддержать открытие программы «Анализ данных в финансах»?
— Во-первых, уровень подготовки студентов в Школе физико-математических и компьютерных наук Питерской Вышки действительно очень высокий. Ребята учатся крутые и классные. Соответственно, нет ни малейших сомнений, что выпускники новой программы будут высококлассными специалистами, которые безусловно нужны нашей компании. Во-вторых, на мой субъективный взгляд, анализ данных в экономике и финансах на текущий момент не так высоко ценится абитуриентами, как, например, распознавание изображений, хотя в этой области реальная экономическая выгода ни разу не меньше, а может даже и больше. Рынок испытывает огромный дефицит аналитиков. «Анализ данных в финансах» в Питерской Вышке — первая ласточка. Возможно, ее открытие будет способствовать появлению аналогичных программ в других университетах. Ведь ни для кого не секрет, что Вышка — один из лидеров в части образовательных инноваций, и многие вузы ориентируются на нее.
— Как компания « 1С» будет участвовать в реализации программы?
— Сейчас вместе со Школой мы работаем над учебным планом программы, определяем, что и в каком объеме будут изучать студенты, какие курсы будут читать сотрудники «1С». Также у нас уже есть договоренность о прохождении раз в год практики в нашей компании. И, конечно, студенты смогут работать над проектами и писать дипломы под руководством моих коллег.
Старичков Никита Юрьевич