Что важно при выборе места работы?

Критерии выбора места работы для Data Scientist

После 10+ лет работы в Data Science я задумывался о выборе места работы много раз. Вот мои критерии, ранжированные по важности.

1. Характер проблем и impact

Для меня самое важное — насколько значима решаемая проблема.

Что ищу:

• Задачи с четким бизнес-воздействием: улучшение CTR на 1% = $X миллионов дохода
• Возможность видеть, как мой код влияет на пользователей
• Data-driven культура (решения на основе данных, не интуиции)

Примеры:

• Стартап по рекомендациям: каждое улучшение видно в метриках
• Enterprise финтех: фрауд-детекция спасает компанию от потерь
• Хороший выбор: детектирование болезней через медицинские изображения
• Плохой выбор: создание отчетов "потому что нужны данные"

2. Качество данных и инфраструктуры

Не торгуюсь: хорошая инфраструктура спасает месяцы.

Вопросы, которые я задаю:

• Какой стек используется? (Python, TensorFlow? или Legacy MATLAB?)
• Есть ли дата-озеро/data warehouse или данные в 20 разных местах?
• Можно ли быстро запустить модель в production?
• Есть ли A/B testing infrastructure?

Красные флаги:

• "У нас базы данных в Excel"
• "Модель работает на чьем-то ноутбуке"
• "Не было обновлений данных 3 месяца"

3. Команда и менеджмент

Люди важнее технологии. Я готов работать с худшей технологией, если рядом умные люди.

Что ищу:

• Senior коллеги который может ревьювить мой код и учить
• Хороший менеджер который защищает от микроменеджмента
• Кроссфункциональность: работа с продактом, инженерами, бизнесом
• Культура обучения: когда люди делятся знаниями, не конкурируют

Индикатор качества команды: сколько люди остаются в компании? Если каждый год сменяется половина — плохо.

4. Возможность расти

Где я вижу рост:

• Переход от одного типа задач к другому (NLP → CV → рекомендации)
• Лидерство: менеджить людей или архитектуру системы
• Публикации и конференции: компания поддерживает делиться знаниями
• Бюджет на обучение (курсы, конференции)

Когда нет роста:

• Одна и та же задача 5 лет подряд
• Нет менторинга
• Неясная траектория карьеры (какой следующий шаг?)

5. Компенсация и работа-жизнь баланс

Это важно, но не главное (если остальные пункты хороши).

Что я оцениваю:

• Зарплата: должна быть выше медиана по рынку (примерно на 10-20%)
• Equity: в стартапах важнее, в больших компаниях менее значимо
• Бенефиты: страховка, пенсия, flexible hours
• WLB: максимум 50 часов/неделю (ML требует фокуса)
• Удаленка: возможность работать из дома 2+ дня/неделю

Интересный факт: я видел, что худшая комбинация — высокая зарплата + отсутствие impact. Человек начинает чувствовать себя mercenary.

6. Стабильность и финансовое здоровье

Для меня это не критично (я переживал несколько стартапов, которые упали), но важно понимать риски.

Вопросы:

• Сколько месяцев runway? (для стартапов)
• Есть ли постоянный revenue? (не только VC деньги)
• Дивизификация: не зависит от одного клиента/продукта?

7. Размер компании и культура

Это очень личное. Я любил и маленькие стартапы, и большие корпорации.

Стартап (10-50 людей):

• Плюсы: влияние, скорость, учишь новое
• Минусы: нестабильность, много встреч, может выгореть

Середячок (100-500 людей):

• Плюсы: хорошая инфраструктура, стабильность, команда
• Минусы: может быть медленновато, политика

Enterprise (1000+ людей):

• Плюсы: ресурсы, проектов на выбор, возможность специализироваться
• Минусы: бюрократия, сложно что-то внедрить, может быть скучно

Мой чек-лист при оценке предложения

[ ] Проблема интересная и с четким impact?
[ ] Есть ли сильный Data Science лидер в компании?
[ ] Инфраструктура позволяет быстро экспериментировать?
[ ] Есть ли успешные ML проекты в production?
[ ] Компания платит выше медианы по рынку?
[ ] Возможен рост (в умениях, зарплате, должности)?
[ ] WLB разумный и культура поддерживает это?
[ ] Я смогу видеть результат своей работы?
[ ] Есть люди, у которых я смогу учиться?

Если ≥7 чекбоксов "да", я рассмотрю предложение серьезно.

Красные флаги, которые должны вас настораживать

• Менеджер не может ответить на вопрос о текущих ML проектах
• "Зарплата не обсуждается" — это плохой знак
• Никто из команды не работает дольше 1.5 лет
• Во время интервью люди выглядят грустными/выгоревшими
• Нет ответ на вопрос "как я буду оцениваться через полгода?"

Итог

Идеальное место работы = интересная проблема + хорошие люди + хорошая инфраструктура + возможность расти. Компенсация должна быть справедливая, но не главная.

Если выбираешь между двумя предложениями, выбери то, где есть люди, у которых ты сможешь учиться. Это вложение в себя на годы вперед.