Кто такой Data Scientist: чем занимается, навыки, зарплата
Data Scientist извлекает из данных ответы на вопросы бизнеса: проверяет гипотезы, строит модели прогноза и объясняет, что делать с результатом. Разбираем задачи, навыки, зарплаты и путь в профессию.
Кто такой Data Scientist простыми словами
Data Scientist (специалист по данным, дата-сайентист) — человек, который отвечает на вопросы бизнеса с помощью данных. Почему упали продажи в регионе? Каких клиентов мы скоро потеряем? Сколько товара заказать на следующий месяц? Сработала ли новая функция приложения? Чтобы ответить, он собирает данные, проверяет гипотезы статистикой и, если нужно, строит модель машинного обучения.
Профессия стоит на пересечении трёх областей: математики и статистики, программирования и понимания предметной области. Без последнего даже точная модель отвечает не на тот вопрос.
Чем занимается: задачи
- Формулирует вопрос. Переводит размытую просьбу («разберитесь с оттоком») в проверяемую задачу и метрику.
- Готовит данные. Пишет SQL-запросы, объединяет источники, чистит пропуски и выбросы. Эта часть часто занимает большую долю времени.
- Исследует. Строит распределения и графики, ищет закономерности и аномалии.
- Проверяет гипотезы. Статистические тесты, дизайн и анализ A/B-экспериментов.
- Строит модели. Прогноз, классификация, сегментация, рекомендации — от линейной регрессии до градиентного бустинга и нейросетей.
- Объясняет результат. Готовит выводы и визуализации для менеджеров и помогает принять решение.
В одних компаниях Data Scientist ближе к аналитике и экспериментам, в других — к построению моделей, которые потом внедряют ML-инженеры. Перед откликом читайте описание задач, а не только название вакансии.
Навыки и стек
| Навык | Зачем |
|---|---|
| Python: pandas, NumPy | Обработка и анализ данных, основной рабочий язык |
| SQL | Доставать данные из хранилищ без посредников |
| Статистика и теория вероятностей | Отличать закономерность от случайности, проектировать эксперименты |
| Машинное обучение: scikit-learn, бустинг | Прогнозы и классификация на табличных данных |
| Глубокое обучение: PyTorch | Задачи с текстами, изображениями и последовательностями |
| Визуализация: matplotlib, дашборды | Показать результат так, чтобы его поняли и использовали |
| A/B-тестирование | Честно измерять эффект изменений в продукте |
| Git и Jupyter | Воспроизводимые исследования и совместная работа |
| Коммуникация | Перевести вывод модели в решение, которое примет бизнес |
Пример задачи от начала до конца
Представим онлайн-сервис по подписке, где руководство беспокоит отток клиентов. Вот как эту задачу проходит Data Scientist.
- Уточнение. Что считать оттоком — отмену подписки или месяц без входа? Какое решение будут принимать по итогам — скидки, звонки, изменения в продукте?
- Данные. Собирает историю платежей, активности в приложении и обращений в поддержку в одну таблицу по клиентам.
- Исследование. Смотрит, чем ушедшие отличаются от оставшихся: частотой входов, тарифом, числом жалоб, каналом привлечения.
- Модель. Обучает классификатор, который оценивает вероятность ухода каждого клиента в ближайший месяц, и проверяет его на отложенных данных.
- Эксперимент. Предлагает удерживающую акцию для группы риска и проектирует A/B-тест, чтобы честно измерить, окупается ли она.
- Вывод. Готовит для руководства короткое объяснение: кто уходит, почему, что сработало и сколько это стоит.
Модель здесь — лишь один шаг из шести. Основная ценность профессии — в умении связать данные с решением.
Какие личные качества важны
- Любопытство. Желание разобраться, почему цифры выглядят именно так, а не принять первое объяснение.
- Скептицизм. Привычка искать ошибку в своём же выводе до того, как его найдёт кто-то другой.
- Терпение к грязным данным. Реальные данные почти никогда не бывают чистыми.
- Умение объяснять. Вывод, который не поняли, не превратится в решение.
Зарплата и спрос
По ленте вакансий IRI Lab на 25.09.2026 открыто 64 вакансии Data Scientist, 49 из них — в Москве. Это больше, чем по любой другой роли в разделе. Зарплата при этом указана лишь в 7 вакансиях, и по ним медиана нижней границы вилки — около 260 000 ₽.
Высокая цифра объясняется составом выборки: зарплату чаще открыто пишут в вакансиях для опытных специалистов. Семь вакансий — слишком мало для вывода о рынке в целом, так что воспринимайте это как ориентир для уровня middle и выше, а не как стартовую зарплату после обучения. На собеседовании уточняйте вилку сами — большинство работодателей её не публикует.
Как стать Data Scientist с нуля: план
- Python и SQL. Уверенная работа с таблицами: загрузить, отфильтровать, сгруппировать, объединить.
- Статистика. Распределения, доверительные интервалы, проверка гипотез, корреляция и причинность. Это фундамент профессии, экономить на нём нельзя.
- Разведочный анализ. Возьмите открытый датасет и сформулируйте про него пять вопросов. Ответьте на них графиками и расчётами.
- Машинное обучение. Регрессия, деревья, бустинг, кластеризация, валидация и метрики. Документация scikit-learn — лучший бесплатный учебник.
- Практика на Kaggle. Соревнования и разбор чужих ноутбуков учат быстрее любой лекции.
- Портфолио. Два-три исследования с чётким вопросом, методом, результатом и выводом для бизнеса. Например, что «точность 0,87» меняет для бизнеса.
- Вход в профессию. Часто через смежную роль: аналитик данных или продуктовый аналитик, затем переход на задачи с моделями.
Общий маршрут по нейросетям и ML описан в статье обучение нейросетям с нуля, основы — в материале о машинном обучении.
Чем Data Scientist отличается от ML-инженера и аналитика
| Роль | Фокус | Типичный результат |
|---|---|---|
| Аналитик данных | Описать, что произошло | Отчёт, дашборд, ответ на вопрос |
| Data Scientist | Объяснить и предсказать | Проверенная гипотеза, прототип модели, рекомендация |
| ML-инженер | Встроить модель в продукт | Надёжный сервис с моделью внутри |
Границы размыты: во многих командах Data Scientist сам выводит модель в продакшн, а ML-инженер проводит эксперименты. Если вам интереснее инженерная часть, читайте про профессию ML-инженера.
Нужна ли профильная степень
Диплом по математике, физике или информатике помогает, особенно при первом отборе резюме, но не обязателен. Многие приходят в профессию из экономики, инженерии, биологии и маркетинга, где уже работали с данными. Для перехода важнее доказать навыки делом: законченные исследования с кодом, внятные выводы и умение ответить на собеседовании, почему выбран именно этот метод и где его границы. Знание предметной области прежней профессии часто становится преимуществом, а не помехой.
Где искать вакансии
Свежие предложения — на странице вакансии Data Scientist в ленте IRI Lab. Сравните требования нескольких вакансий: повторяющиеся навыки и есть ваш список на ближайшие месяцы обучения.
Что дальше
Если вы в начале пути, начните с плана обучения нейросетям с нуля. Если выбираете между ролями — сравните с ML-инженером. А чтобы сверить навыки с рынком, откройте вакансии Data Scientist.
Вакансии: Data Scientist — 53 актуальных в ленте IRI Lab. Смотреть вакансии →
Читать в разделе «Обучение»
- Машинное обучение простыми словами: что это, как работает, виды и примеры
- Кто такой ML-инженер: обязанности, навыки, зарплата и как стать
- Кто такой AI-инженер (инженер ИИ, LLM-инженер): что делает, стек, как стать
- Обучение нейросетям с нуля: бесплатный путь по шагам
- Что такое нейросеть и как она работает
Частые вопросы
Кто такой Data Scientist простыми словами?
Это специалист, который с помощью статистики, программирования и машинного обучения находит в данных закономерности и превращает их в решения: прогноз, рекомендацию, ответ на вопрос бизнеса.
Какая зарплата у Data Scientist?
По ленте вакансий IRI Lab на 25.09.2026 зарплата указана в 7 из 64 вакансий Data Scientist; медиана нижней границы вилки — около 260 000 ₽. Выборка маленькая, поэтому это ориентир, а не средняя по рынку.
С чего начать обучение на Data Scientist?
С Python, SQL и статистики, затем — классическое машинное обучение и практика на реальных датасетах, например на Kaggle. Всё это доступно бесплатно в документации и открытых лекциях университетов.
Где искать вакансии Data Scientist?
В специализированных лентах AI-вакансий, в том числе на странице Data Scientist в ленте IRI Lab. По срезу на 25.09.2026 там 64 вакансии, 49 из них в Москве.