EDU e d u k a c j a
Zawód quanta i data scientist Quanci i data scientists należą dziś do elity decydentów. Czeka ich kariera, która może przybrać jedną z trzech głównych ścieżek: ekspercką, menadżerską lub projektową. To właśnie przy ich biurkach rozstrzygają się największe spory i podejmowane są przełomowe decyzje. Wyobrażenie samotnego ekonomisty siedzącego w smutnym, szarym i zamkniętym pomieszczeniu odeszło do lamusa. Dziś pracuje on w grupie, posiada kompetencje merytoryczne i społeczne pozwalające mu na skuteczny kontakt z zespołem oraz klientem. Potrafi przetłumaczyć skomplikowane równania na język biznesowy. Jego praca bardziej niż kiedykolwiek ma realny wpływ na rzeczywistość. Aby być dobrym quantem albo data scientist należy łączyć w sobie dwa zasadnicze elementy: wiedzę matematyczną i programistyczną z umiejętnościami społecznymi. Celem pracy jest z jednej strony bezpośredni wpływ na wzrost wyników sprzedaży, z drugiej – uszczelnianie procesów zarządzania ryzykiem.
Kolejność działań
BIG DATA, czyli: stań się częścią elity! Niewiele osób nie słyszało jeszcze o big data. Każdy świadomy użytkownik internetu i smartfona wie, że pozostawia za sobą miliony śladów dziennie. Te ślady to dane. Dla firm, które je mądrze zinterpretują, mogą stać się źródłem ogromnego sukcesu. Według szacunków pwc do 2020 roku popyt na specjalistów w tym zakresie wzrośnie o 2,7 mln miejsc pracy na całym świecie.
Jakie dane – i po co? Codziennie miliony ludzi wyrażają zgodę na przetwarzanie swoich danych. Ściągając aplikacje, godzą się na łączenie ich aktywności z informacjami o nich samych. Banki pozyskują dane wynikające z ruchów na kontach klientów, w tym dokonanych płatności, ich wielkości i rodzaju kupowanych przedmiotów. Firmy tworzące aplikacje zdobywają wiedzę dotyczącą aktywności użytkowników i nierzadko dane bardziej prywatne, na przykład pochodzące z mediów społecznościowych. Sklepy gromadzą pliki dotyczące wzorców decyzji zakupowych swoich klientów. Firmy konsultingowe, telekomunikacyjne czy handlowe pozyskują wiadomości, które mają w niedalekiej przyszłości pomóc im przy budowie systemów CRM. – Z rozmów z pracodawcami wynika, że na rynku jest niewiele osób, które faktycznie wiedzą, co zrobić z dużymi zasobami danych. Firmy chcą wiedzieć, w jaki sposób można je monetyzować. Do tego potrzebują wykwalifikowanych specjalistów, a to właśnie proponuje nasz wydział – mówi dr hab. Katarzyna Kopczewska, Prodziekan Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego. Tempo i ilość wytwarzanych oraz składowanych danych w czasie zbliżonym do rzeczywistego jest ogromna. Nowe technologie pozwalają gromadzić wiedzę w skali globalnej na niewyobrażalnym poziomie. Stanowi to potencjalnie istotną biznesowo informację. Dlatego firmy poszukują dziś analityków dużych danych.
16
Po pierwsze, umiejętność opracowywania danych jest na wagę złota. Przechowywana wiedza pojawia się w różnych formatach – od ustrukturyzowanych, numerycznych danych do niestrukturalnych dokumentów tekstowych, e-maili, video, audio lub transakcji finansowych. Umiejętność przetworzenia i uporządkowania ich w taki sposób, aby były funkcjonalne, stanowi nie lada wyzwanie. Po drugie data scientist i quant jest hybrydą twardych umiejętności technicznych z kompetencjami interpersonalnymi. Posiadanie bardzo dobrej znajomości narzędzi statystycznych – w tym na przykład SAS, STATA, MATLab i programistycznymi w tym R, Python, SQL – oraz umiejętności interpretacji wyników jest niezbędna. Aby być dobrym quantem czy data scientist należy posiadać zaawansowaną wiedzę matematyczną, dlatego warto wybierać uczelnie koncentrujące się na tym aspekcie. Wydział Nauk Ekonomicznych UW oferuje na studiach I stopnia najwięcej w Polsce godzin z przedmiotów ekonomicznych i matematycznych. Na studiach II stopnia pogłębia się tę wiedzę na poziomie zaawansowanym. – Dzięki temu, absolwenci potrafią odpowiednio dobrać lub rekalibrować parametry modeli statystycznych, aby uzyskać odpowiedzi na pytania klientów. Co więcej, potrafią w pierwszej kolejności zadać właściwe pytanie – mówi dr hab. Katarzyna Kopczewska z WNE UW.
Sukces w zasięgu ręki To wszystko – wiedza matematyczna, umiejętności programistyczne i umiejętności interpersonalne – nie jest „sztuką dla sztuki”, a podstawą działań na rzecz optymalizacji o realnym wpływie na rzeczywistość. Dla niektórych firm będzie to optymalizacja sieci sprzedażowych oraz logistycznych, dla innych – mechanizmu ustalania cen, na przykład z użyciem geolokalizacji. Jeszcze dla innych oznacza to segmentację behawioralną klientów i profilowanie segmentów w celu odpowiedniej personalizacji oferty. Tradycyjne decyzje finansowo-biznesowe podejmowane są tak jak kiedyś z tą różnicą, że w dzisiejszych czasach decydenci potencjalnie mają możliwość skorzystania z twardych danych pozwalających uniknąć ryzyka i zmaksymalizować profity z wykorzystaniem wzorca działań klientów i podmiotów gospodarczych. Wydział Nauk Ekonomicznych UW prowadzi studia I i II stopnia na kierunku Informatyka i Ekonometria oraz studia II stopnia w języku angielskim na specjalnościach Data Science i Quantitative Finance. Anita Pieńkowska