Представители Data Science-команды ВТБ рассказали о профессиях будущего и объяснили, почему их банкам нужны выпускники РАНХиГС

В этом году Институт экономики, математики и информационных технологий (ЭМИТ) РАНХиГС запускает новую уникальную программу «Data Science and Artificial Intelligence». Это магистерская англоязычная программа двух дипломов, которая реализуется совместно с Лондонским университетом и будет готовить специалистов по работе с большими данными и искусственным интеллектом.

О том, что такие специалисты крайне востребованы, говорят различные рейтинги: например, рейтинг Минэкономразвития РФ, в котором Data-аналитики вошли в топ-20 востребованных профессий.

Одна из крупнейших российских финансово-кредитных организаций, которая активно развивает направление Data Science – банк ВТБ. В прошлом году банк усилил вектор работы с большими данными и создал Департамент анализа данных и моделирования, а также запустил проект BigDaia-эволюция, которому и сейчас и впоследствии потребуются специалисты по работе с большими данными. Банк делает ставку и на выпускников новой программы Института ЭМИТ. Мы поговорили со старшим вице-президентом банка ВТБ, руководителем Департамента анализа данных и моделирования Максимом Коновалихиным и начальником Управления перспективных алгоритмов машинного обучения Денисом Суржко, чтобы выяснить, насколько перспективно направление Data Science и что в него входит? А заодно понять, чем онлайн-образование лучше традиционного и почему науке о данных надо начинать учить еще в школе.

– Какие кадры сегодня нужны современным компаниям? И готовы ли компании инвестировать средства в обучение своих будущих сотрудников?

Максим Коновалихин: Конечно, большим компаниям это интересно, потому что спрос на кадры постоянно растет, и нужны молодые специалисты. Это первое. А второе: качество образования в области Data Science растет, но – постепенно. Это достаточно молодое направление, его надо развивать. Тем более, что компаниям, конечно, интересно получать более высококвалифицированных специалистов. Так что однозначно ответ – да, инвестировать готовы, готовы участвовать в подготовке, в предоставлении стажировок и так далее...

Тут, если позволите, уйду в более глубокую тематику, а именно: какие специалисты нужны?

Мы с вами живем в достаточно интересную эпоху – в такой исторический момент, когда, по сути, появляется эта самая индустрия Data Science. Что я имею в виду? Допустим, в 60-е годы прошлого века все болели ядерной физикой. Все хотели стать физиками, это было мегапопулярно. Были бешеные конкурсы в вузы и тому подобное. Эта волна прошла, но тем не менее появилась гигантская индустрия – ядерная физика, которая и по сей день живет и прекрасно развивается.

У меня точно такое же ощущение по отношению к Data Science сейчас: волна началась, может быть, уже десять лет назад, и сейчас мы на гребне этой волны. Потихоньку со временем интерес будет спадать. Но это не означает, что будет спадать спрос на специалистов. То есть это как раз и есть зарождение той самой индустрии, которая проникнет во все области нашей жизни.

Появилась и будет расти необходимость в обучающих программах. И прекрасно, если это будут программы, совместные с иностранными вузами: очевидно, что ни мир, ни сегмент Data Science не ограничивается рамками России. Поэтому англоязычный курс очень важен и полезен – компании, действительно, используют много западных технологий. И, чем больше знаешь, тем легче применять.

Денис Суржко: Я могу только подтвердить, что действительно специалистов на рынке мало, и большинство из них даже в нашей команде сформированы не профильным DS-образованием (просто потому что его до сих пор не было), а определенной фундаментальной базой, которую дает российское образование. Плюс зачастую помогает дистанционное образование – причем именно западное, просто потому что в части дистанционного образования по этой специализации на Западе началось движение раньше, чем у нас.

Такая синергия базового российского образования и дистанционных курсов во многом и сформировали базу наших специалистов. Но конечно, программы, которые будут готовить уже действительно профильных специалистов действительно имеют большие перспективы.

– Скажите, а что вообще такое Data Science для банков? Какие задачи решает? И для чего был создан департамент, в котором вы работаете?

Максим Коновалихин: Начнем с моделирования. Оно появилось не вчера, и с ним все более или менее понятно: в банках моделирование сосредоточено на рисках. По крайней мере, в тех банках, в которых мне довелось поработать, так оно и было.

Но банк живет не одними только рисками! Там есть еще много всего, что нужно просчитывать, сравнивать, моделировать… Самое, наверное, примитивное представление о моделировании такое: сидит аналитик, изучает кучу Excel, что-то там сравнивает, рисует, делает определенные выводы. И когда-то все примерно так и происходило.

С годами это направление развивалось, и сейчас модели проникли фактически во все сферы жизнедеятельности банка. В одном из крупнейших банков, в котором я работал, мы делали робота для помощи юристам. В ВТБ создаем модели, которые читают документы, а это огромный поток – тысячи единиц! И таких примеров очень много.

Соответственно, модели – это теперь сложные системы и процессы. И их сейчас выстраивают все крупные компании, все создают Data Science-подразделения. Сейчас появилось общее понимание, что кто-то должен организовать процесс и управлять им.

Почему появился наш департамент? Потому что появилась необходимость в централизации функции. Мы готовы выстроить процесс, который будет предоставлять модель как сервис всем бизнес-заказчикам. И здесь нужны Data-инженеры, которые, как патроны пулеметчику, должны поднести данные, на которых это все строится. Нужен кто-то, кто коммуницирует между бизнесом и «дата сайнтистом». Нужны люди, которые будут встраивать модели в сами бизнес-процессы. Этим занимаются так называемые ML-инженеры.

Вот эти базовые куски дают нам полный цикл, который начинается от постановки задач и доходит до внедрения в промышленный контур и поддержки этой самой модели.

– То есть сейчас рождается целый новый кластер специальностей, связанных с Data Sciens?

Максим Коновалихин: Именно! Чтобы построить процесс, надо понимать ролевое распределение внутри этого процесса. И очевидно, что это не только «сайнстисты» - математики, которые сидят с данными и работают, но и некие «проводники». Мы назвали их бизнес-партнерами. Кто это такие? В идеале – это человек, который понимает, как модель разрабатывается, понимает весь этот процесс. Он понимает, куда эта модель будет встраиваться, как она будет использоваться уже в бизнес-процессах банка.

Это не математик, не специалист из области физико-математического образования – их готовят специализированные вузы. Это профессионал в области управления проектами. Вот как раз этих специалистов мы ждем от Президентской академии.

И еще раз подчеркну: я считаю, что такие специалисты будут нужны не только банковской сфере. Просто банки в этом смысле всегда обычно шли впереди. Сейчас компании и в других отраслях занимаются накоплением данных, думают, как правильно выстраивать аналитические процессы и работать с большими объемами данных.

– Как долго, на Ваш взгляд, профессия Data-аналитика и специалиста по работе с искусственным интеллектом будет в топе востребованных профессий?

Максим Коновалихин: Тут дело не в прогнозах. Я не зря вспомнил про физику 60-х: популярность, хайповый спрос на этих специалистов – это все мы переживем в ближайшие годы. Привыкнем к новым словам, поймем задачи… Через пять лет эта сфера станет достаточно знакомой. И вместе с этим появится такое количество вакантных мест, когда можно будет реально анализировать спрос и предложение. Условно говоря, сейчас с Big Data работает крупный бизнес, а чуть позже начнет средний и малый – и так далее. То есть я думаю, что востребованность не упадет, но так много говорить об этом уже не будут.

– Скажите, что нужно знать о Data Science тем специалистам, которые непосредственно с этой темой не связаны? Как полагаете, им вообще эти знания нужны?

Максим Коновалихин: Да, я считаю, нужны. Мы с Денисом тоже это обсуждали. Мы уже в банке работаем над тем, чтобы погружать коллег в тему Data Science. И обычно фидбэк очень положительный. Там действительно интересно, и люди много чего нового для себя узнают.

Если отталкиваться от парадигмы, которую мы обсуждали – что большие данные постепенно вольются во все сферы деятельности, то я бы какие-то базовые курсы делал везде. Гуманитарии, наверное, меня не поддержат, а вот там, где экономика, хозяйство, я уж не говорю про технические специальности – это нужное направление. Уровень сложности действительно может быть разный. Наверное, совсем копать глубоко не надо, но понимать, что такое модель, как это примерно работает и зачем это нужно – этого будет достаточно.

Денис Суржко: Data Science развивается не только с точки зрения математики и аппаратных средств, а еще и с точки зрения, скажем так, осознанности по практическому применению. По большому счету, работа со сложными данными (это графы взаимосвязей, это тексты, это компьютерное зрение) уже начинает распадаться на определенные блоки. Начинка этих блоков все время становится сложнее. Но, с другой стороны, становится все более значимым понимание того, как из этих блоков можно скомбинировать конечный продукт и к какой конкретной области применить.

Мы уже зачастую можем не тратить время разработку необходимых блоков – часть из них у нас готова. Теперь мы можем сосредоточиться на том, чтобы понять, каким заказчикам как эти блоки лучше скомбинировать.

Соответственно, тут нужны уже не просто разработчики моделей, а специалисты, говорящие с заказчиком на одном языке и, одновременно, отлично понимающие возможности Data Science. Для успешной реализации проектов это не менее важно, чем создание, собственно блоков..

– Весной этого года образование было вынуждено перейти на дистанционный формат из-за пандемии. Сначала все увидели в дистанте много плюсов, потом обнаружили минусы… Программа «Data Science and Artificial Intelligence» к вызовам COVID-19 адаптирована максимально. Все оцифровано, адаптировано под работу в онлайне и, собственно, во многом будет реализовано в онлайне… На Ваш взгляд, не уступает ли онлайн-образование в качестве традиционным форматам?

Максим Коновалихин: Вы как раз сейчас разговариваете со сторонником онлайн-обучения! Я в него верю, потому что я наблюдаю моих ребят.

На мой взгляд, ничего не потерялось! Все зависит исключительно от желания обучаемого выполнять задания и требования. Когда я учился, никакого онлайна не было, но тем не менее была всегда стойкая убежденность в том, что, сидя на лекции, всего сразу не поймешь. Если самому не работать с книгами, не стараться еще раз «переварить» информацию, просчитать и понять, любое обучение становится достаточно бесполезным занятием.

Я считаю, что онлайн – это гигантский шаг вперед. Естественно, много зависит от преподавателя и от студента.

Денис Суржко: Я поддержу Максима. У меня есть про обучение одна из любимых цитат Конфуция: «Когда ученик будет готов, учитель найдется». И это именно про дистанционное обучение, про то, что мы уже знаем по себе, когда нам понадобились знания по Data Science: когда мы были готовы, этот учитель нашелся. Он нашелся для нас и в виде самообразования, и в виде дистанционного обучения.

Особенность нашей профессии в чем? Она очень динамична. Знания устаревают достаточно быстро, и нужно постоянно учиться, для того чтобы быть в рынке. И онлайн-обучение – это то окно, через которое мы действительно можем получить лучшую практику, не выходя из дома и не особо отрываясь от производственного процесса. Как только возникает потребность, как только новая область набирает популярность – мы прибегаем к дистанционному обучению.

И еще: мы все, наверное, в университетах были в ситуации, когда, упустив некий месседж лектора, оставшаяся лекция была уже не столь полезна. Промотать обратно или поставить на паузу и разобраться нельзя… А с онлайн-обучением это действительно очень удобно: оно дает больше возможности кастомизировать учебный процесс под себя.

– На Ваш взгляд, зачем идти в РАНХиГС учиться на программу «Data Science»?

Денис Суржко: Потому что все данные стали цифровыми. В любой организации практически все оцифровано. Когда я пришел в банк почти 15 лет назад, я еще общался с людьми, которые хорошо помнили, как проводки делали в журнале. Теперь этого нет: следы человека полностью оцифрованы – и покупки, и перемещения, и транзакции. И все есть в цифровых источниках.

Максим абсолютно правильно сказал: информации всегда будет появляться больше, чем какой-либо сверхкомпьютер ее сможет осмыслить. И для того чтобы ее превратить из сырья в продукт, постоянно будут требоваться люди, которые могут двигаться на новые уровни осознанности. Причем не только в алгоритмах обработки данных и не только в том, как правильно построить специализированные вычислительные устройства, но и с точки зрения прикладного смысла. Людям нужно будет развернуть эти технологии так, чтобы они были им полезны и понятны.

Мы в начале этого пути, и горизонта пока не видно. Может быть, мы с коллегами по работе с данными будем называться не «дата-сайнтисты», а как-то по-другому… Но в том, что люди, которые двигают процесс систематизации, осмысления, преломления данных вперед, это люди будущего – я уверен!

     Максим Коновалихин                               Денис Суржко

Источник: www.ranepa.ru

Комментарии: