• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

«Мы видим спрос на рынке труда»

Интервью ректора РЭШ Рубена Ениколопова о новой программе «Экономика и анализ данных» совместно с Яндексом


В конце апреля РЭШ и Яндекс объявили о создании новой совместной программы – «Экономика и анализ данных». Она предназначена для тех, кто хочет решать задачи на стыке экономики и анализа данных. Мы попросили ректора РЭШ Рубена Ениколопова рассказать подробнее о том, кого ждут на программе, как будет проходить обучение и куда смогут устроиться на работу выпускники.

Как появилась идея создания программы «Экономика и анализ данных» РЭШ и Яндекса?

Мы видим, что на рынке труда существует высокий спрос на специалистов по экономике и анализу данных – причем как в бизнесе, так и в академической сфере. Таких профессионалов очень мало, целенаправленно вузы их практически не готовят. Кроме того, наши выпускники уже работают в этой сфере. Несмотря на то, что им приходится самим добирать некоторые квалификации в сфере машинного обучения, с каждым годом доля таких выпускников растет.

Работала ли раньше РЭШ с Яндексом?

Да, у нас были совместные проекты, наши студенты проходили стажировки в компании и готовили исследования на данных Яндекса. Иногда это происходило более активно, иногда менее. Сейчас же мы институционализировали наши взаимоотношения. Но мы рассчитываем, что сотрудничество с компанией не ограничится только программой «Экономика и анализ данных», у нас будут совместные исследовательские проекты и в принципе более тесное взаимодействие.

Каково ваше видение развития программы?

Безусловно, мы планируем расширять программу – увеличивать набор, который в этом году тестово составит всего 10 человек. Также со временем из программы дополнительного образования мы планируем превратить «Экономику и анализ данных» в магистратуру. Сделать это сейчас нам мешает исключительно зарегулированность этой сферы – на получение государственной аккредитации потребуются высокие административные издержки. Мы хотим сначала попробовать и понять, как программа будет работать, а дальше уже заняться изменением формата. Вне зависимости от статуса «Экономики и анализа данных» мы рассчитываем, что на этой программе студенты будут получать настолько востребованные знания, что вопросов с трудоустройством у них не возникнет.

В чем специфика этой программы относительно других в РЭШ?

«Экономика и анализ данных» будет сильно отличаться от других двухгодичных программ РЭШ, таких, как «Магистр экономики»«Финансы, инвестиции, банки»«Экономика энергетики» и «Мастер финансов». Самая существенная разница заключается в том, что половина всех курсов на первом году обучения предоставляется Школой анализа данных Яндекса, а вторая половина – РЭШ. Студенты новой программы получат совершенно другой набор навыков и умений, который будет отличать их от выпускников как РЭШ, так и ШАДа.

В РЭШ студенты получат глубокие знания по экономике, в ШАДе – научатся профессионально применять анализ данных. При этом уместить в два года полностью программы обеих школ невозможно, поэтому фокус будет сделан на тех методах и темах, которые важны для программы. Если вам интересно изучать данные, которые непосредственно связаны с бизнес-процессами – то это к нам. В ШАДе студенты получат инструментарий, а в РЭШ – знания о том, что и как анализировать.

Разве эконометрика, которую традиционно на хорошем уровне преподают в РЭШ, – это не тот же анализ данных?

Конечно, часть машинного обучения пересекается с эконометрикой. Но между ними есть существенные различия. Эконометрический подход к анализу данных отличается от подхода data scientists из-за задач, которые перед ними стоят. Специалисты по анализу данных практически всегда пытаются предсказать что-либо. Эконометристы хотят не только прогнозировать, но и установить, как переменные в модели связаны между собой, найти причинно-следственные связи. Использование машинного обучения для установления причинно-следственных связей – одно из очень перспективных направлений.

Каких абитуриентов вы ждете на этой программе? Кому она может быть интересна?

Есть формальные требования – для поступления на программу необходимо знание программирования, математики и обязательно – английского, потому что многие курсы в РЭШ читаются на этом языке. Получается, что суммарно требования выше, чем к поступающим просто в ШАД и на программу «Магистр экономики» в РЭШ.

А в целом мы хотели бы видеть тех абитуриентов, которые будут, с одной стороны, готовы к довольно глубокому изучению методов машинного обучения, а с другой, – будут интересоваться содержательным набором вопросов к данным, связанным с экономикой и финансами. Если вы хотите понять поведение клиентов банка с точки зрения машинного обучения – это к нам. Если вам нужен анализ изображений для беспилотных автомобилей – то это не к нам.

Куда смогут устроиться на работу выпускники?

Сейчас эта область так растет, что даже сложно сказать, в каких сферах выпускники будут не востребованы. Безусловно, наибольший спрос на специалистов будет со стороны бизнеса. Однако я легко могу себе представить, что выпускники найдут себя и в науке. В академической сфере сейчас исследования на стыке экономики и машинного обучения считаются крайне перспективными. Например, можете посмотреть на историю одного из наших выпускников, который после окончания учебы создал успешный стартап в области анализа больших данных. Затем, благодаря полученному опыту, он поступил на PhD в Стэнфордскую высшую школу бизнеса.

Ну а в бизнесе – везде, где происходит процесс цифровизации, – возникает потребность в том, чтобы использовать новые методы обработки данных для достижения конкретных задач. Компании хотят ответить на вопросы, которые должны улучшить их работу.

Можно привести массу примеров. Так, в Яндексе есть огромное подразделение – Яндекс.Такси. Компания использует методы машинного обучения для предсказания спроса (со стороны людей на услуги) и предложения (со стороны водителей). С этим прогнозом нужно установить оптимальную цену на поездку – это чисто экономическая задача. Другой пример – компания может использовать методы машинного обучения для предсказания спроса на конкретные продукты. От хорошего прогноза сильно зависит логистика, он может помочь решить, куда направить сколько товаров. Ну и, конечно, еще одна перспективная сфера – это финтех. Эта отрасль вся построена на стыке ИТ и финансов.

Узнать подробнее о программе «Экономика и анализ данных», в том числе об академической программе и условиях поступления, можно по ссылкам. 

757 человек прочитали эту новость, 8 отметили, что она им понравилась. А вам интересна эта новость?