Работа аналитиком в Москве

С новым 2019 годом ко мне пришло осознание того, что так жить нельзя. К тому времени я уже почти 3.5 года работал в универе — в Лаборатории Интернет-исследований ВШЭ и на преподавательских должностях. Я участвовал в нескольких проектах, проводимых на гранты научных фондов, в написании статей, создал и вёл несколько курсов по анализу данных, получал различные стипендии и надбавки, что позволяло зарабатывать около 100к в месяц при 4-х дневном рабочем дне с 11 до 18 (30к — академическая аспирантура + 30к за кадровый резерв + 30к за публикации + 10к ставка в лаборатории + какие-то копейки за преподавание). В общем, условия неплохие, если сравнивать со многими другими работниками этой сферы.

Однако, были в этой идиллии и свои проблемы. Во-первых, невероятная усталость от скудно обустроенного рабочего места в промзоне на Седова 55к2, куда, кажется, стремались заходить даже бродячие собаки.

Alma mater

Во-вторых, усталость от коллектива в 5 человек не считая меня, неизменного на протяжении практически всех 3.5 лет. Даже хорошие люди (а к большинству из них я испытывал искреннюю симпатию) в высокой концентрации становятся токсичны.

В-третьих — это отсутствие каких-либо значимых перспектив в ближайшие 10 лет. Представьте — я рассказываю студентам, как анализировать данные, а потом они выходят на рынок и зарабатывают больше меня. Как говорилось в старом анекдоте: "Если ты такой умный, учитель экономики, то почему тогда такой бедный?". Но дело даже не в деньгах — в университете я слишком часто видел вокруг себя людей вросших в своё место и бесконечно отставших от реальной практики коммерческих компаний, а потому уже неконкурентных где-либо, кроме универа. Я взял от этого места всё, что мог, и немало отдал, так что нужно было развиваться дальше.

В-четвёртых, всепоглощающая, обволакивающая, душащая бюрократия (хотя, надо отдать должное сотрудникам, она саботировалась по-максимуму). В общем, подытоживая, я слегка подзаебался и к началу 2019 года начал подыскивать себе новую работу в области, которую я по-прежнему любил — анализе данных — но в организации с другими условиями.

Процесс поиска был довольно прост — я закинул резюме на hh.ru и стал ждать. В течении месяца я прошёл около десятка собеседований в Питерские и Московские компании.

Для собеседований пришлось выучить SQL, который требуется для практически всех вакансий в IT сфере и изучение которого по какому-то недоразумению часто игнорируют в университетах. К счастью, это не самый сложный в изучении навык, и после прохождение курсов по SQL на HackerRank и DataCamp, и также добавления SQLite-хранилища на этот самый сайт (лучший способ изучить что-либо — использовать это на практике), я был способен адекватно отвечать на большинство вопросов по этому языку.

Как и ожидалось, в Питере рынок интересных вакансий сильно меньше и зарплаты примерно на 30% ниже. Петербург в этом отношении — город региональный, не питайте иллюзий, дорогие петербуржцы. Ну что же, я был совсем не против переезда в Москву или в любое другое приличное место — благо мне собраться было — только подпоясаться (ну или так казалось — на самом деле вещей набралось на десяток коробок, даже при том, что многое было отправлено на свалку), а Питер уже порядком надоел своим отвратным климатом.

Здесь стоит сделать небольшое отступление и ещё раз повторить, что зарплаты в Москве значительно выше, чем в других регионах, поэтому если вы понаехали в белокаменную и ищете, где бы приткнуть свой замкадный зад — не стесняйтесь просить больше, чем, как вам кажется стоит ваш труд, потому что даже так вы скорее всего продешевите. В IT зарплаты на более-менее квалифицированных позициях начинаются с пятизначных цифр. Возможно, в послекоронавирусную эпоху благодаря распространению удалёнки этот перекос исправится, но пока всё так.

В итоге мой выбор пал на Qiwi-банк, который искал data scientist'a в отдел CRM-аналитики карты рассрочки «Совесть». Помимо меня в этом отделе было два инженера данных, один аналитик данных, две девушки, занимающиеся разработкой коммуникационных кампаний, и руководитель.

Малоизвестный факт: первоначально карту рассрочки «Совесть» хотели назвать «Чеснок». Это название частенько встречалось во внутренней документации.

Головной офис Qiwi располагается главной высотке Северного Чертаново, недалеко от которой мы сняли себе однушку. Это, кстати, отдельный кайф, когда до работы идти 10 минут и на обеденном перерыве ты можешь смотаться перекусить или вздремнуть к себе домой.

Пару слов плюсах и минусах этой работы, начну с плюсов. В Qiwi очень крутой и современный офис, в котором приятно проводить время и куда частенько водят экскурсии. Безлимитный кофе, частичная компенсация затрат на питание, дизайнерские интерьеры, парковка для сотрудников — эти и разные другие плюшки, привычные для крупных технологических кампаний тут присутствуют.

Другой важный плюс — это умеренный рабочий ритм. Меня не загружали десятками задач и не ставили невыполнимых сроков. Я бы сказал, что все там работают на расслабоне, иногда даже чересчур.

В список важных для меня преимуществ можно отнести наличие здоровых партнёрско-дружеских отношений между руководителями и сотрудниками, а также молодой коллектив, с которым ты на одной волне.

Ну и ещё один плюс — крутые корпоративы и хорошая работа HR отдела в целом. Внутри компании постоянно происходит какая-то движуха: приглашаются известные лекторы, проводятся мастер-классы, организовываются беговые, читальные и другие клубы. На свой ДР я выиграл неплохую аудиосистему, а в честь ДР компании за городом был организован фестиваль на 3000 человек с безлимитными кальянами и прочими радостями жизни, где на четырёх сценах выступали Little Big, простигосподи Билан и ещё популярные среди молодёжи поп и техно исполнители, имена которых я уже подзабыл.

QIWI Live 2019, одна из сцен.

Главным же минус этой компании для меня в том, что она довольно некомпетентна в принятии решений на основе данных. Во всём Qiwi нет сильного отдела по работе с данными, а те специалисты, что всё-таки имеются, завязаны на решении ad-hoc задач по запросу бизнеса — посчитать то одно, то другое. Для меня было удивительно, что во всей этой огромной компании практически нет постоянно работающих DS-сервисов, типа рекомендательных систем или моделей сегментации.

В Совести эта проблема стояла ещё острее. Достаточно сказать, что во всем проекте я один занимался построением предиктивных моделей, которых до этот практически не было. Одним из первых проектов было создание модели входа (её начинали делать ещё до меня) и модели оттока. Модель оттока — базовая и простейшая модель, предсказывающая вероятность того, что клиент совершит действие, свидетельствующее об его активности в течении следующих N дней. Модель входа, соответственно, предсказывает вероятность совершения клиентом покупки в течении N дней после выдачи карты.

Помимо этого, я проводил A/B тесты коммуникационных кампаний, делал информационную панель, где показывались результаты этих тестов и другие параметры кампаний, делал ещё несколько предиктивных моделей и, конечно, занимался ad hoc аналитикой.

В целом мне нравилась эта работа — новые задачи, новые инструменты и методы, новый город в конце концов. После универа это было как глоток свежего воздуха, я отдыхал душой.

Зона отдыха в офисе Qiwi. По счастливому совпадению располагалась прямо около моего места.

Но были и некоторые проблемы. Становилось заметно, что руководство не особо понимало куда развивать продукт и, что самое главное для конкретно меня, как в этом развитии может помочь анализ данных. После увольнения непосредственного руководителя, который, видимо, тоже подметил эти тенденции и перешёл в конкурирующий банк, отправившись развивать его отделение в Китае, наш отдел остался практически без присмотра. С одной стороны, это было забавно — можно было приходить и заниматься своими делами, но всё-таки я не за тем уходил, чтобы опять бесцельно протирать штаны в офисе. Пришло время сделать бессовестный шаг и идти дальше.

За две недели я посетил около десятка собеседований в поисках места, которое меня бы устраивало. Следует заметить, что сфера аналитики очень разнообразна, а названия специальностей очень размыты. Очень часто в вакансиях, где написано громкое слово data scientist на самом деле ищется data analyst. Первый обычно занимается построением предсказательных моделей машинного обучения, второй — делает статистические тесты, дашборды, отвечает на вопросы бизнеса (ad hoc аналитика). Для первого важно знание алгоритмов машинного обучения, для второго актуальнее владение Excel, SQL, Tableau и знание статистических тестов.

Я, конечно, искал вакансии data scientist'a в чистом виде и в итоге остановился на Мвидео-Эльдорадо, где сейчас занимаюсь рекомендательными системами. В этом месте меня ещё на этапе собеседования привлёк адекватный руководитель (коллеги, кто читает это, не говорите Володе) и сама сфера ритейла, которая, наверное, самая разнообразная в плане задач, решаемых при помощи данных. Здесь можно очень круто развиваться и я частенько занимаюсь решением рабочих и околорабочих задач в свободное время просто потому, что интересно.

По прошествии девяти месяцев оказалось, что идея уйти из Совести была чертовски правильной, особенно в свете её продажи основному конкуренту и сокращения по этой причине значительной части штата. Как-то так сложилось, что мне всегда везло с работой. Думаю, на каждом этапе своего развития я устраивался в оптимальном для себя месте. Надеюсь, так будет и дальше.