Итак, вы прочитали кучу статей о том, как не выгорать. Возможно, вы уже выгорали не раз, уже поделали (или не поделали) упражнения, и вроде как всё вам об этом известно. И всё таки что-то не то: на работу или учёбу «ноги не идут», «руки опускаются» и «головой о потолок бьюсь». 

Я работаю с данными почти 20 лет, и из них семь набирала и растила джунов, а последние три года я наставник на курсе «Аналитик данных» в Практикуме. Когда-то давно выгорела так, что год восстанавливалась. Сейчас я студент психологической магистратуры ВШЭ и обогащаю свою IT-жизнь знанием психологии. 

В этой статье я предлагаю необычный подход: давайте используем знания аналитики, чтобы ближе познакомиться с собой.

Нужна ли аналитику креативность? Работодатели, похоже, считают, что нет или что креативность не важна. Например, на hh.ru всего 10 вакансий «с креативностью» по всей России на момент написания статьи. И только в двух из них (Ozon и «Ростелеком») говорят напрямую, что креативность нужна.

Я работаю с данными почти 20 лет, и из них семь набирала и растила джунов, три — наставник в Практикуме на курсе «Аналитик данных». Предлагаю вместе подумать, а нужна ли нам креативность, как проверить, есть ли она, можно ли её чем-то заменить и как прокачать.

df.head() — с этого момента вы начинаете работу с данными и полагаетесь на увиденное? Я тоже. Так мы наступаем в феномен what you see is all there is («что вижу, то пою, что не вижу, не спою» — вольный перевод). У ограниченного набора данных, возможно, отсортированного, мы видим ещё более ограниченный набор данных. Мы сами этого не понимаем, но дальше нашу работу строим только на увиденном. 

Как починить себя? Принять как данность, что все подвержены когнитивным искажениям. От них нельзя избавиться полностью. Можно «пойти на компромисс: научиться распознавать ситуации, в которых возможны ошибки. И стараться избегать серьёзных ошибок, если ставки высоки». В этой фразе скрыт рецепт для нас: понимаем, где происходят значимые действия во время работы с данными → пробуем распознать «ситуации, в которых возможны ошибки» → придумываем, как можно избежать этих ошибок. 

Я работаю с данными почти 20 лет, и из них семь набирала и растила джунов, три — наставник в Практикуме на курсе «Аналитик данных». По работам начинающих аналитиков (чужие ошибки проще увидеть, чем свои) я пробовала понять, где происходят «значимые действия» и «возможны ошибки» во время предобработки данных. В этой статье предложу свои варианты борьбы.

Бизнес-мышление нужно аналитикам данных, чтобы понимать потребности бизнес-пользователей и эффективно доносить до них результаты анализа данных; понимать задачи бизнеса и определять, как анализ данных может помочь их достичь; прогнозировать последствия своих решений.

Складывается впечатление, что бизнес-мышление нельзя наработать в отрыве от бизнеса… или всё-таки можно? 

Меня зовут Елена Эльзессер, я почти 20 лет работаю с данными. Из них семь набирала и растила джунов, три — наставник в Практикуме на курсе «Аналитик данных». За это время у меня выработалось несколько мыслеупражнений, которые помогают прокачивать бизнес-мышление. Понимая всю сложность обучения и возможную интровертность, торжественно обещаю не говорить о хакатонах, пет-проектах, общении и любых других дополнительных ресурсах. Только вы и ваш проект, даже гугл по желанию. Заинтриговала?