Dmitri Kazakov, Kolesa Group-da Data Analytics Team Lider, məlumat mütəxəssisləri arasında ilk Qazaxıstan sorğusunun fikirlərini bölüşür.
Fotoda: Dmitri Kazakov
Məşhur ifadəni xatırlayın ki, Big Data ən çox yeniyetmə cinsinə bənzəyir - hamı bu barədə danışır, lakin onun həqiqətən mövcud olub-olmadığını heç kim bilmir. Eyni şeyi məlumat mütəxəssisləri bazarı haqqında da demək olar (Qazaxıstanda) - şırınga var, amma bunun arxasında kimin dayandığı (və ümumiyyətlə orada kimsənin olub-olmaması) tam aydın deyildi - nə HR, nə menecerlər, nə də məlumat alimlərinin özləri.
Biz sərf etdik , onlar 300-dən çox mütəxəssis arasında maaşları, funksiyaları, bacarıqları, alətləri və daha çox şey haqqında sorğu keçiriblər.
Spoyler: Bəli, onlar mütləq mövcuddur, lakin hər şey o qədər də sadə deyil.
Gözəl fikir. Birincisi, gözlədiyimizdən daha çox məlumat alimi var. Aralarında təkcə məhsul, marketinq və BI analitikləri deyil, həm də ML və DWH mühəndisləri olan 300 nəfərlə müsahibə apara bildik ki, bu da xüsusilə sevindirici idi. Ən böyük qrupa özlərini məlumatşünas adlandıranların hamısı daxil idi - bu, respondentlərin 36%-ni təşkil edir. Bunun bazarın tələbini əhatə edib-etmədiyini söyləmək çətindir, çünki bazar özü yenicə formalaşır.
İş səviyyələrinin bölüşdürülməsi çaşqınlıq doğurur - demək olar ki, kiçiklər qədər komanda rəhbərləri və menecerləri var. Bunun bir neçə səbəbi ola bilər. Məsələn, 2-3 nəfərdən ibarət çoxlu sayda kiçik komandalar, onların içində lider orta və ya yüksək səviyyəli mütəxəssis ola bilər.
Başqa bir səbəb rolların və funksionallığın bölüşdürülməsində standartlarla bağlı hazırda bazarda hökm sürən xaos ola bilər. Komanda rəhbərləri bəzən bacarıq və bilik səviyyəsinə istinad etmədən başqalarından bir və ya iki il daha çox işləyənlərə təyin olunur. Biz bunu funksiyaların vəzifələrə görə bölgüsündə görürük - menecerlərin və komanda liderlərinin 38%-i ilkin emalla, digər 33%-i isə əsas statistik təhlillə məşğul olur.
Burada biz respondentlərdən şirkətlərində analitika səviyyəsini subyektiv qiymətləndirməyi xahiş etdik. Diqqətlə baxsanız, görə bilərsiniz ki, 10-2 nəfərdən ibarət analitika şöbələrində çalışan respondentlərin 3%-i “qabaqcıl səviyyə” olduqlarına inanır.
“Qabaqcıl səviyyə” nədir? BI sistemi əla işləyir. DWH və Big Data var. A/B testləri mütəmadi olaraq aparılır. İstehsalda işləyən ML və DS sistemləri var. Qərarlar yalnız məlumat əsasında qəbul edilir. Məlumatların emalı və məlumat elmi departamenti şirkətin əsas şöbələrindən biridir.
2-3 nəfərlik şöbə ilə yuxarıda sadalananların hamısına nail olmaq demək olar ki, mümkün deyil. Düşünürəm ki, bu sorğunun nəticəsi bir qədər böyüyən ağrıdır - uşaqlar səviyyələrini daha obyektiv müəyyən etmək üçün hələ özlərini müqayisə edəcək kimsələri yoxdur.
Gözlənildiyi kimi, məlumat alimləri vaxtlarının çoxunu super mürəkkəb riyaziyyat və ya mühəndisliyə deyil, verilənlərin əvvəlcədən işlənməsi, endirilməsi və təmizlənməsinə sərf edirlər. Hər ixtisasda biz ilk 3-də ilkin emal görürük. Lakin biz nadir hallarda ML modellərinin hazırlanması və ya Big Data ilə işləmək kimi mürəkkəb şeyləri ilk 3-lükdə görürük - yalnız ML və DWH mühəndisləri arasında.
Bir neçə kədərli fikir də var. Mütəxəssislər tapşırıqların 40%-ni özləri qoyurlar. Qazaxıstanda indiyədək yalnız ən yaxşı unicorn şirkətləri böyük verilənlərlə işləməyin faydalarını sınayıb və bunu bacarıqla necə etməyi öyrəniblər. Onlar bazara Big Data və Machine Learning-in əla olduğunu və ikinci eşelonun arxada dayandığını, lakin verilənlərlə işləməyin necə işlədiyini həmişə başa düşmürlər. Ona görə də görürük ki, mütəxəssislər öz qarşılarına vəzifələr qoyurlar və bizneslər heç də həmişə nə istədiklərini bilmirlər.
Təəccübləndim ki, mütəxəssislərin 20%-i şirkətlərinin Məlumat Anbarının olub-olmadığını belə bilmirlər. Bəli və verilənlər bazası idarəetmə sistemləri ilə hər şey o qədər də yaxşı deyil - 41% MySQL-dən, digər 34% isə PostgreSQL-dən istifadə edir. Bu nə demək ola bilərdi? Daha çox kiçik məlumatlarla işləyirlər.
Saxlama sistemləri ilə bağlı sualda biz yenidən MySQL və hətta (!) Excel-i görürük. Ancaq bu, məsələn, əksər şirkətlərin böyük məlumatlarla işləmək istəyinin hələ olmadığını göstərə bilər.
Burada yenə hər şey birmənalı deyil. Ümumiyyətlə, maaşlar gözlədiyimdən bir qədər aşağı idi.
Şəxsən mənim üçün 200 min tengeyə işləməyə hazır olan ML mühəndisini təsəvvür etmək çətindir - o, yəqin ki, təcrübəçidir. Ya belə mütəxəssislərin səriştələri çox zəifdir, ya da şirkətlər üçün Data Science işini adekvat qiymətləndirmək hələ də çətindir. Amma ola bilsin ki, bu da bazarın hələ yetkinləşmənin başlanğıcında olduğunu göstərir. Və zaman keçdikcə maaşların səviyyəsi daha adekvat səviyyədə qurulacaq.
Mənbə: www.habr.com