«Вела борд на холодильнику»: реальна історія різкої зміни професії

Життя в ІТ після сорока тільки починається — тепер у цьому точно впевнена Ольга Биховцова: на своєму прикладі вона доводить, що ніколи не пізно почати реалізовувати мрію. Ольга втратила роботу в банку, але не зневірилась і пішла в ІТ: шлях був непростий, але він того вартий. Сьогодні Ольга — Data Quality інженер у великій міжнародній компанії і ділиться історією успіху.

Як все починалося?

— Кілька років тому я втратила роботу в банку. Мені за 40, у мене троє дітей, я живу в провінції. Це — бінго. У голові крутились фрази, що після 35 працевлаштуватися неможливо, а люди в 40 років — нездатні до навчання, — згадує Ольга, — Але я вирішила не здаватися і згадала, що давно мріяла про ІТ. В школі я дуже любила інформатику і пам'ятаю, як все розвивалося і з'являлося. Плюс моя подруга змінила своє життя і пішла навчатися Java, чим надихнула й мене. І ось я відкрила сторінку сторінку з курсами. Я й раніше знала про цей ресурс, але не розуміла, чим хочу займатися. Бачу, що йде набір на треніг з Data Engineering, дивлюсь вимоги: бази даних і досвід роботи в банку. Я ризикнула і зареєструвалась.

Який був план?

— План був такий, що навіть якщо у мене нічого не вийде в роботі, хоча б розвину мозок. Так я подала заявку в EPAM Data Lab на курс Data and analytics online trainings. Перша співбесіда була англійською, пройшла. Сказали, що буде ще й технічне інтерв’ю, треба вчити SQL. Треба — значить треба: стала штудіювати SQL і бази даних, читала книги, готувалась. Кожного дня займалась по 6 годин.

Перші два місяці було нелегко. Стрес викликало лише те, що раз на тиждень в онлайн дають завдання, ти пишеш код на SQL і маєш отримати потрібний результат. Усе це треба було ще й зафіксувати, а не просто зробити. На курсі нас вчили самостійно шукати і знаходити рішення. Це знадобилося у майбутньому. Звісно, не без труднощів. Перше — це визнати, що ти не найрозумніша і треба запитувати. Друге — не здаватися. Допомагало спілкування в чаті із однокурсниками, де я могла пожалітися на втому, а мене підтримували.

Іще допомагала сім’я. На лабі у нас був курс про продакт-менеджмент. Я створила таски і завела їх на чоловіка і дітей, вела борд з хатніми справами на холодильнику. На цей час випала з життя, не зустрічалась з друзями. Якщо був один вихідний, то це було свято — щоб просто подихати і відпочити на природі.

На лабі з’явились нові друзі. Ми дуже здружилися і зблизились. Наш чат був спасінням для мене: обговорювали все, жартували.

Що таке Data Quality?

— Як правило, будь-яка велика компанія володіє величезним об’ємом накопичених даних: про закупівлю, клієнтів, дослідження і багато іншого. Інформація збирається із різних відділів всередині, а також може бути доступна на зовнішніх безплатних ресурсах чи закуплятися у спеціальних провайдерів. Перед тим, як ці дані використовувати, треба верифікувати їхню якість, цілісність, відповідність бізнес-вимогам.

Сьогодні професія Data Quality інженера популярна, тому що даних дуже багато. Щоби їх використовувати далі, їх треба перевіряти. Наприклад, щоб «згодувати» їх data science алгоритму, все одно треба спочатку впевнитись, що ти віддаєш те, що дійсно необхідне.

Data Quality інженеру не обов’язково вміти програмувати. Але, звісно, це буде перевагою. Десь можна використовувати уже готовий фреймворк чи тул.

Як потрапити в ІТ?

— У мене був ідеальний вхід в ІТ. Усе почалося зі співбесіди з головою Data Science EPAM в Канаді. Він розповів мені про проєкт, запитав, що я робила на лабі. Я все розказала англійською. Він запитав: «Коли ти вільна?». Я відповіла: «Завтра». Відповідь мене вразила: «Ну давай з понеділка». Він не допитував і не давав завдань, тому що у нього вже була інформація про мої знання і успіхи за період лаби. Зрештою у нас зібралась класна команда, і ми чудово завершили проєкт за 4 місяці.

Можна сказати, я потрапила з корабля на бал. Зі складної лаби — на складний проєкт з BigData + ML. У нас був Databricks і PySpark. Я працювала з автором книги з PySpark, за якою я його вивчала. Довелось терміново вчити Python. SQL не знадобилась майже. На наступному проєкті у мене знову Databricks, але мене взяли на заміну колезі. Вона не любить Python і все написала на Scala, тому довелося вчити Scala. Тепер у мене є досвід роботи з трьома найпотрібнішими мовами для Data Quality інженера — Python, Scala и Java.

Звісно, бували й складні моменти. Вони постійно йшли по синусоїді. То здається, що зробив складне завдання і на крилах літаєш, то у тебе знову новий таск і ти впевнений, що ніколи не зрозумієш, як його робити. Так борсаєшся, але все виходить!

Чим відрізняється робота в банку від роботи в ІТ

— Тепер моє улюблене запитання. Адже відмінностей насправді багато:

• В банку директор міг зустріти в 8 ранку і перевіряти час приходу, а в ІТ — ти на дистанційці, і ніхто не трекає часу. І розумієш, що бажання працювати більше, коли тобі просто довіряють. Навіть за великого бажання, коли хочеться, можеш вийти на вулицю, або працюєш ввечері, тому що є завдання, які треба доробити.
• Під час зміни в банку не можна було дивитися в телефон, а тут — користуйся чим завгодно, тільки виріши завдання.
• Культура: тут усі ввічливі, хвалять, цінують. Не встиг почати працювати, як усі хвалять.
• Я люблю, що в IT всі на ти. У банку до мене всі «Ольго Олександрівно», а я не люблю цей формалізм і офіційність.
• Тут немає ієрархії, і навіть якщо ти джун і в тебе є ідеї, то можеш їх розповідати топменеджерам. І ніхто не скаже тобі: «Сиди і не вилазь, хай спершу скажуть керівники». В банку я доволі довго сиділа на одній посаді. Я мовчу про підвищення зарплатні, яке чекали усім відділом 10% за 5 років.

Що до роботи в ІТ — все комфортніше, хоча дуже складно. Але тут зовсім інакше ставлення до людини, зовсім інакша атмосфера.

Що робити, якщо хочеш змінити професію?

• Якщо хочете працювати з даними — вчіть SQL. 
• Якщо хочете програмувати — Python, хоча всі радять вчити Java. 
• Якщо хочете потрапити в нашу лабу, то — бази даних, нормалізацію, реляційні бази даних.
• Англійську теж треба вчити, але не варто боятися, якщо немає глибокої англійської, її можна довчити. Головне не боятися говорити, тому що всі говорять з акцентами.
• І якщо не знаєте, куди йти, то Data Quality дуже зараз затребувана.

Усі, хто дійшов до кінця лаби, — влаштувалися на роботу, незалежно від віку і кількості дітей. Усе можливо!

За наданий матеріал дякуємо wearecommunity.io та Data zen community.