«Вела борду на холодильнике»: реальная история резкой смены профессии
Жизнь в IT после сорока только начинается — теперь в этом точно уверена Ольга Быховцова: на своем примере она доказывает, что никогда не поздно начать реализовывать мечту. Ольга потеряла работу в банке, но не отчаялась и пошла в IT: путь был непростым, но он того стоил. Сегодня Ольга — Data Quality инженер в крупной международной компании и делится историей успеха.
Как все начиналось?
— Несколько лет назад я потеряла работу в банке. Мне за 40, у меня трое детей, я живу в провинции. Это — бинго. В голове крутились фразы, что после 35 трудоустроиться невозможно, а люди в 40 лет — необучаемы, — вспоминает Ольга, — Но я решила не сдаваться и вспомнила, что давно мечтала об IT. В школе я очень любила информатику и помню, как все развивалось и появлялось. Плюс моя подруга поменяла свою жизнь и пошла учиться Java, чем вдохновила и меня. И вот я открыла страницу training.by. Я и раньше знала об этом ресурсе, но не понимала, чем хочу заниматься. Вижу, что идет набор на тренинг по Data Engineering, смотрю требования: базы данных и опыт работы в банке. Я рискнула и зарегистрировалась.
Какой был план?
— План был такой, что даже если у меня ничего не получится в работе, хотя бы разовью мозг. Так я подала заявку в EPAM Data Lab на курс Data and analytics online trainings. Первое собеседование было на английском, прошла. Сказали, что будет еще и техническое интервью, надо учить SQL. Надо — значит надо: стала штудировать SQL и базы данных, читала книги, готовилась. Каждый день занималась по 6 часов.
Первых два месяца было легко. Стресс вызывало только то, что раз в неделю в онлайн дают задачу,ты пишешь код на SQL и должен получить нужный результат. Все это нужно было еще и зафиксировать, а не просто сделать. На курсе нас учили самостоятельно искать и находить решения. Это пригодилось в будущем. Конечно, не без сложностей. Первое — это признать, что ты не самая умная и надо спрашивать. Второе — не сдаваться. Помогало общение в чате с сокурсниками, где я могла пожаловаться на усталость, а меня поддерживали.
Еще помогала семья. На лабе у нас был курс по проджект-менеджементу. Я создала таски и завела их на мужа и детей, вела борду по домашним делам на холодильнике. На это время выпала из жизни, не встречалась с друзьями. Если был один выходной, то это был праздник — чтобы просто подышать и отдохнуть на природе.
На лабе появились новые друзья. Мы очень сдружились и сбилизились. Наш чат был спасением для меня: обсуждали все, шутили.
Что такое Data Quality?
— Как правило, любая крупная компания обладает огромным объемом накопленных данных: о закупках, клиентах, исследованиях и многом другом. Информация собирается из разных отделов внутри, а также может быть доступна на внешних бесплатных ресурсах или закупаться у специальных провайдеров. Перед тем, как эти данные использовать, нужно верифицировать их качество, целостность, соответствие бизнес-требованиям.
Сегодня профессия Data Quality инженера популярна, потому что данных очень много. Чтобы их использовать дальше, их нужно проверять. Например, чтобы «скормить» их data science алгоритму, все равно нужно сначала убедиться, что ты отдаешь то, что действительно нужно.
Data Quality инженеру не обязательно уметь программировать. Но, конечно, это будет преимуществом. Где-то можно использовать уже готовый фреймворк или тул.
Как попасть в IT?
— У меня был идеальный вход в IT. Все началось с собеседования с главой Data Science EPAMв Канаде. Он рассказал мне про проект, спросил, что я делала на лабе. Я все рассказала на английском. Он спросил: «Когда ты свободна?». Я ответила: «Завтра». Ответ меня поразил: «Ну давай с понедельника». Он не допрашивал и не давал заданий, потому что у него уже была информация о моих знаниях и успехах за время «лабы». В итоге у нас собралась классная команда, и мы отлично завершили проект за 4 месяца.
Можно сказать, я попала с корабля на бал. Со сложной лабы — на сложный проект с BigData + ML. У нас был Databricks и PySpark. Я работала с автором книги по PySpark, по которой его и учила. Пришлось срочно учить Python. SQL не пригодился почти. На следующем проекте у меня опять Databricks, но меня взяли на замену коллеге. Она не любит Python и все написала на Scala, поэтому пришлось учить Scala. Теперь у меня есть опыт работы с тремя самыми нужными языками для Data Quality инженера — Python, Scala и Java.
Конечно, бывали и сложные моменты. Они постоянно шли по синусоиде. То кажется, что сделал сложную задачу и на крыльях летаешь, то у тебя снова новая таска и ты уверен, что никогда не поймешь, как ее делать. Так барахтаешься, но все получается!
Чем отличается работа в банке от работы в IT
— Теперь мой любимый вопрос. Ведь отличий на самом деле много:
- В банке директор мог встретить в 8 утра и проверять время прихода, а в IT — ты на удаленке, и никто не трекает время. И понимаешь, что желания работать больше, когда тебе просто доверяют. Даже при большом желании, когда хочется, можешь выйти на улицу, или работаешь вечером, потому что есть задачи, которые нужно доделать.
- Во время смены в банке нельзя было смотреть в телефон, а здесь пользуйся чем угодно, только реши задачу.
- Культура: здесь все уважительны, хвалят, ценят. Не успел начать работать, как все хвалят.
- Я люблю, что в IT все на ты. В банке ко мне все «Ольга Александровна», а я не люблю этот формализм и официальность.
- Здесь нет иерархии, и даже если ты джун и у тебя есть идеи, то можешь их рассказать топ-менеджерам. И никто не скажет тебе: «Сиди и не вылазь, пусть сперва скажут руководители». В банке я довольно долго сидела на одной должности. Я молчу про повышение зарплаты, которую ждали всем отделом 10% за 5 лет.
По работе в IT все комфортнее, хотя очень сложно. Но здесь совсем другое отношение к человеку, совсем другая атмосфера.
Что делать тем, кто хочет поменять профессию?
- Если хотите работать с данными — учите SQL.
- Если хотите программировать — Python, хотя все советуют учить Java.
- Если хотите попасть в нашу лабу, то — базы данных, нормализацию, реляционные базы данных.
- Английский тоже нужно учить, но не стоит бояться, если нет глубокого английского, его можно доучить. Главное не бояться говорить, потому что все говорят с акцентами.
- И если не знаете, куда идти, то Data Quality очень сейчас востребовано.
Все, кто дошел до конца лабы, — устроились на работу, независимо от возраста и количества детей. Все возможно!
За предоставленный материал благодарим wearecommunity.io и Data zen community.