"হ্যাঁ, তারা বিদ্যমান!" কাজাখস্তানের ডেটা সায়েন্স বিশেষজ্ঞরা কী করেন এবং তারা কত উপার্জন করেন?

দিমিত্রি কাজাকভ, কোলেসা গ্রুপের ডেটা অ্যানালিটিক্স টিম লিড, ডেটা পেশাদারদের প্রথম কাজাখস্তান সমীক্ষা থেকে অন্তর্দৃষ্টি শেয়ার করে৷

ফটোতে: দিমিত্রি কাজাকভ

জনপ্রিয় বাক্যাংশটি মনে রাখবেন যে বিগ ডেটা টিনএজ সেক্সের মতো - সবাই এটি সম্পর্কে কথা বলে, কিন্তু এটি আসলে বিদ্যমান কিনা তা কেউ জানে না। ডেটা বিশেষজ্ঞদের (কাজাখস্তানে) বাজার সম্পর্কেও একই কথা বলা যেতে পারে - সেখানে হাইপ রয়েছে, তবে এর পিছনে কে রয়েছে (এবং সেখানে আদৌ কেউ আছে কিনা) সম্পূর্ণরূপে পরিষ্কার ছিল না - না এইচআর, না পরিচালকদের, না তথ্য বিজ্ঞানীরা নিজেরাই।

আমরা খরচ করেছিলাম অধ্যয়ন, যেখানে তারা 300 টিরও বেশি বিশেষজ্ঞদের তাদের বেতন, কার্যকারিতা, দক্ষতা, সরঞ্জাম এবং আরও অনেক কিছু সম্পর্কে জরিপ করেছে।

স্পয়লার: হ্যাঁ, তারা অবশ্যই বিদ্যমান, কিন্তু সবকিছু এত সহজ নয়।

চমৎকার অন্তর্দৃষ্টি. প্রথমত, আমাদের প্রত্যাশার চেয়ে বেশি ডেটা বিজ্ঞানী রয়েছেন। আমরা 300 জনের সাক্ষাৎকার নিতে পেরেছি, যাদের মধ্যে শুধুমাত্র পণ্য, বিপণন এবং BI বিশ্লেষকই ছিলেন না, ML এবং DWH ইঞ্জিনিয়ারও ছিলেন, যা বিশেষভাবে আনন্দদায়ক ছিল। সবচেয়ে বড় গোষ্ঠীটি তাদের সকলকে অন্তর্ভুক্ত করেছে যারা নিজেদেরকে ডেটা বিজ্ঞানী বলে – এটি উত্তরদাতাদের 36%। এটি বাজারের চাহিদাকে কভার করে কিনা তা বলা কঠিন, কারণ বাজার নিজেই তৈরি হচ্ছে।

চাকরির স্তরের বন্টন বিভ্রান্তিকর - জুনিয়র হিসাবে প্রায় অনেক টিম লিড এবং ম্যানেজার রয়েছে। এই জন্য বিভিন্ন কারণে হতে পারে। উদাহরণস্বরূপ, 2-3 জনের একটি বড় সংখ্যক ছোট দল, যার মধ্যে নেতা মধ্যম বা সিনিয়র স্তরের বিশেষজ্ঞ হতে পারে।

আরেকটি কারণ হতে পারে ভূমিকা এবং কার্যকারিতার বন্টনের মান সম্পর্কিত বাজারে বর্তমানে বিশৃঙ্খলা চলছে। টিম লিড কখনও কখনও তাদের নিয়োগ করা হয় যারা দক্ষতা এবং জ্ঞানের স্তরের উল্লেখ ছাড়াই অন্যদের তুলনায় এক বা দুই বছর বেশি কাজ করে। আমরা অবস্থান অনুসারে ফাংশন বিতরণে এটি দেখতে পাই - 38% ম্যানেজার এবং দলের নেতারা প্রি-প্রসেসিংয়ে এবং অন্য 33% মৌলিক পরিসংখ্যান বিশ্লেষণে নিযুক্ত।

এখানে আমরা উত্তরদাতাদের তাদের কোম্পানির বিশ্লেষণের মাত্রা বিষয়ভিত্তিক মূল্যায়ন করতে বলেছি। আপনি যদি ঘনিষ্ঠভাবে লক্ষ্য করেন, আপনি দেখতে পাবেন যে 10% উত্তরদাতা যারা 2-3 জনের বিশ্লেষণ বিভাগে কাজ করেন তারা বিশ্বাস করেন যে তাদের একটি "উন্নত স্তর" রয়েছে।

"উন্নত স্তর" কি? বিআই সিস্টেমটি দুর্দান্ত কাজ করে। DWH এবং বিগ ডেটা আছে। A/B পরীক্ষা নিয়মিত করা হয়। উৎপাদনে এমএল এবং ডিএস সিস্টেম কাজ করছে। সিদ্ধান্ত শুধুমাত্র তথ্য উপর ভিত্তি করে করা হয়. ডাটা প্রসেসিং এবং ডাটা সায়েন্স ডিপার্টমেন্ট কোম্পানির অন্যতম প্রধান বিষয়।

2-3 জনের ডিপার্টমেন্ট দিয়ে উপরের সবগুলো অর্জন করা প্রায় অসম্ভব। আমি মনে করি যে এই সমীক্ষার ফলাফলটি একটি সামান্য ক্রমবর্ধমান যন্ত্রণা - ছেলেদের এখনও তাদের স্তর আরও উদ্দেশ্যমূলকভাবে নির্ধারণ করার জন্য নিজেদের তুলনা করার মতো কেউ নেই।

প্রত্যাশিত হিসাবে, ডেটা বিজ্ঞানীরা তাদের বেশিরভাগ সময় অতি জটিল গণিত বা ইঞ্জিনিয়ারিংয়ে ব্যয় করেন না, তবে ডেটা প্রিপ্রসেসিং, ডাউনলোড এবং পরিষ্কার করার জন্য। প্রতিটি স্পেশালাইজেশনে আমরা প্রিপ্রসেসিংকে টপ 3-এ দেখতে পাই। কিন্তু আমরা খুব কমই জটিল জিনিসগুলি দেখতে পাই যেমন ML মডেল তৈরি করা বা শীর্ষ 3-এ বিগ ডেটা নিয়ে কাজ করা - শুধুমাত্র ML এবং DWH ইঞ্জিনিয়ারদের মধ্যে।

দুঃখজনক অন্তর্দৃষ্টি একটি দম্পতি আছে. বিশেষজ্ঞরা তাদের কাজগুলির 40% নিজেরাই সেট করেন। কাজাখস্তানে, এখন পর্যন্ত শুধুমাত্র শীর্ষ ইউনিকর্ন কোম্পানিগুলিই বড় ডেটা নিয়ে কাজ করার সুবিধাগুলি চেষ্টা করেছে এবং শিখেছে কীভাবে এটি দক্ষতার সাথে করা যায়। তারা বাজারে সম্প্রচার করে যে বিগ ডেটা এবং মেশিন লার্নিং দুর্দান্ত, এবং দ্বিতীয় দলটি পিছনে থাকে, কিন্তু ডেটার সাথে কীভাবে কাজ করে তা সবসময় বুঝতে পারে না। অতএব, আমরা দেখতে পাই যে বিশেষজ্ঞরা নিজেদের জন্য কাজগুলি সেট করেন এবং ব্যবসাগুলি সর্বদা তারা কী চায় তা জানে না।

আমি অবাক হয়েছিলাম যে 20% বিশেষজ্ঞ এমনকি জানেন না যে তাদের কোম্পানির একটি ডেটা গুদাম আছে কিনা। হ্যাঁ, এবং ডাটাবেস ম্যানেজমেন্ট সিস্টেমের সাথে সবকিছু এত ভাল নয় - 41% মাইএসকিউএল ব্যবহার করে এবং অন্য 34% পোস্টগ্রেএসকিউএল ব্যবহার করে। এর মানে কি হতে পারে? তারা বরং ছোট ডেটা দিয়ে কাজ করে।

স্টোরেজ সিস্টেম সম্পর্কে প্রশ্নে, আমরা আবার মাইএসকিউএল এবং এমনকি (!) এক্সেল দেখতে পাই। কিন্তু এটি ইঙ্গিত দিতে পারে, উদাহরণস্বরূপ, বেশিরভাগ কোম্পানির কাছে এখনও বড় ডেটা নিয়ে কাজ করার অনুরোধ নেই।

এখানে সবকিছু আবার অস্পষ্ট। সাধারণভাবে, বেতন আমার প্রত্যাশার চেয়ে সামান্য কম ছিল।

ব্যক্তিগতভাবে, আমার পক্ষে একজন এমএল ইঞ্জিনিয়ার কল্পনা করা কঠিন যে 200 হাজার টেঙ্গে কাজ করতে প্রস্তুত - তিনি সম্ভবত একজন ইন্টার্ন। হয় এই জাতীয় বিশেষজ্ঞদের দক্ষতা খুব দুর্বল, বা ডেটা সায়েন্সের কাজকে পর্যাপ্তভাবে মূল্যায়ন করা কোম্পানিগুলির পক্ষে এখনও কঠিন। তবে সম্ভবত এটিও ইঙ্গিত করে যে বাজারটি এখনও তার পরিপক্কতার একেবারে শুরুতে রয়েছে। এবং সময়ের সাথে সাথে, বেতনের স্তর আরও পর্যাপ্ত স্তরে প্রতিষ্ঠিত হবে।

উত্স: www.habr.com