Комментарии 12
Полезные качества для дата-инженера и дата-сайентиста

Да вроде все перечисленное полезно для любого программиста. То же самое и про структуру интервью.

Любой специалист по данным — дата-сайентист или аналитик — должен уметь доказывать корректность своих выводов.

А как это на практике работает?

задачи оперативного программирования

А что такое оперативное программирование?
Да вроде все перечисленное полезно для любого программиста. То же самое и про структуру интервью.

На Хабр часто заходят люди, у которых может быть не настолько полно сформировано понимание качеств программиста в широком смысле, и инженера — и для них список нужных качеств будет полезен.

А как это на практике работает?

Устная коммуникация с коллегами ценится в любой компании. Письменно она должны быть с логически построенной структурой, выводами и подкрепляющими их расчетами. Если при этом сотрудник способен аргументировать свою точку зрения, выбор метода реализации задачи или весов в модели — то он признается способным доказывать корректность своих выводов.

А что такое оперативное программирование?

Поправили текст в статье, чтобы было понятнее, о чём говорим. Спасибо.
Хотелось бы всё-таки больше информации по актуальным инструментам, а то здесь больше на рекламу курса какую-то похоже, без особой конкретики. Я ни в коем случае не хочу сказать, что данные направления один только хайп. Сам сейчас познаю прелести MPP, Spark, Hadoop и тд. Но как-то пункт «что умеют» совсем не раскрыт
Поддерживаю. Я вот тоже не понимаю совсем смысл изучения всех этих Spark, Hadoop, Kafka, Scala. Зачем они нужны, хотя бы узнать? И почему нельзя без них обойтись? А то никакой конкретики кроме красочных фантазий «Зарплата будет с… нулями! Всё будет зашибись, пацанчик!» :-) Попробовать бы сначала чтобы хотя бы на 1 собеседование пригласили, даже если в резюме приврать и написать, что знаешь и Spark, и Kafka, и прочее. Поделитесь кто-нибудь, из скольки откликов в среднем получили 1 звонок с приглашением?
Я наверное не совсем Data Engineer, должность называется ETL-Developer, но судя по описанию очень похоже. Когда в Октябре 2019 устраивался на работу, в среднем на 10 моих откликов было около 7 обратных (Многие очень долго отвечали, были приглашения на интервью с моих откликов на момент, когда я уже был 2 месяца как устроен на новой работе :D ). Также достаточно много только входящих предложений. Искал работу только зарубежном, после первого собеса уже уехал. Прикреплю статистику входящих предложений на открытый профиль в LinkedIn.image

А как откликались, если не секрет? Отдельно под каждую компанию резюме под нужды каждой? Лично писали или через стандартные формы? У вас какая-то запредельная конверсия откликов в ответы, хочется узнать секрет успеха :)
Профиль крутой, но все же.
И ещё вопрос, если можно. Не ощущаете ETL после DS скучным?

>> Не ощущаете ETL после DS скучным?

Вы прямо в самое яблочко ) Причём по моим наблюдениям, DS больше математикам нравится заниматься, а ETL — технарям-программистам
molec AH89 Действительно скучнее, но это было намеренное решение. Так как я по образованию бизнес-аналитик, но с техническими навыками (как мне кажется :) ), которые прокачивал отдельно, то прямая дорога либо как раз в системные аналитики (уже был опыт), либо продолжать в области DS. Но за время своей работы, я понял две вещи: всё-таки мои технические навыки недостаточны, а процесс подготовки и обработки данных крайне важный в области науки о данных. Во-вторых, бизнес- и дата-анализ требуют большого погружения в проблематику клиента/заказчика, что ведёт к требованию хороших коммуникативных навыков, что я бы ещё смог изображать на английском, но не на немецком, который я знаю на недостаточном уровне. Поэтому было принято решение, прокачать язык и технические навыки в первый год после переезда в области обработки данных.

molec
Отвечая на вопрос по хорошей конверсии, я писал индивидуальные Lebenslauf и Anschreiben индивидуально для каждого работодателя, здраво оценивал свои возможности попасть на вакансию, к тому же долго оттачивал Anschreiben (мотивационное письмо) и с репетитором, и с помощью онлайн ресурсов по анализу резюме и МП. Это дало результаты.
Спасибо. ETL-Developer — это что-то интересное? На SQL скрипты писать? А на каком SQL пишите, транзакте, оракловом или каком-то др. диалекте? Какой из них более востребован или какой Вы лучше знаете? Для чего или кого пишите? И давно ли в Германию перебрались? Где немецкий язык учили?
Не думаю, что прям захватывающее :), но интересные моменты несомненно есть. В моём случае, это что-то среднее между бизнес аналитиком и дата инженером, ближе к последнему. Основной стек, Informatica и, соответственно, Java. (У немцев достаточно востребованный стек, судя по вакансиям в моём секторе, плюс, Ab Initio) В качестве базы данных DB2 (PL/SQL, такой же, как в Oracle) (Я лично лучше знаю реализацию от Postgres), тестирование в Jenkins, есть немного BASH и Python.

В Германию перебрался 15 Октября (вчера вот прошёл испыталку), как раз до всего этого веселья в России :)
Работаю на консалтинговую компанию — Senacor (Что-то вроде Luxoft, но с привкусом немецкого пива, стартапнее и, конечно, меньше), наш клиент — один государственные немецкий банк, который любит раздавать помощь во время вирусных кризисов ;).

Немецкий в основном изучал на курсах филфака СПбГУ, но потом большой толчок дала один репетитор, благодаря ей и подготовился так хорошо к собеседованиям.
Да, в молодом возрасте оно как-то проще мотивировать себя изучать что-то новое или перебираться для жизни в новую страну. Чувствуется, у вас были знакомые или родственники, которые сразу дали Вам необходимые установки и правильные ориентиры для вашего жизненного плана.
Конечно в среди перечисленных Вами технических компетенций пересечений с DS очень мало — достаточно посмотреть первые же 10 вакансий на том же российском Хантере с названием Data Science: требуют знание библиотек Python, даже SAS-SPSS с их пропрайтерными лицензиями уже не в моде, хотя казалось бы какая разница на чём делать модели? Я уже молчу про все эти Hadoop, Kafka и тд.
Очень сложный у Вас путь с немецким языком как 2ым ин.язом. Мой личный и семейный опыт изучения ин.язов показывает, что изучение в значительной степени мотивируется интересом к культуре. А вот просто место работы является плохим мотиватором для изучения. Про себя, например, с прискорбием должен констатировать, что у меня всегда был почти 0-вой интерес к немецкой культуре и тем более к языку… :-(
Хотелось бы всё-таки больше информации по актуальным инструментам

В рамках одной статьи рассказать обо всем нереально: получится учебник. Поэтому мы стараемся готовить статьи на какую-то одну узкую тему.
В ближайшее время мы планируем сделать материал о кейсах применения конкретных инструментов для будущих инженеров.

Я вот тоже не понимаю совсем смысл изучения всех этих Spark, Hadoop, Kafka, Scala. Зачем они нужны, хотя бы узнать? И почему нельзя без них обойтись? А то никакой конкретики кроме красочных фантазий

Да, вы правы, поиск работы – это не только список навыков и стоимость каждого из них для будущего работодателя.

Прохождению собеседований мы учим и в рамках обучения, и после – привлекаем карьерных консультантов, менторов. И да, к сожалению, на собеседованиях вам будут отказывать на любом этапе: это закон рынка, но такая ситуация нормальна, потому что дело далеко не всегда в вас и ваших навыках.

О трудоустройстве мы расскажем в отдельной статье.
Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.