"હા, તેઓ અસ્તિત્વમાં છે!" કઝાકિસ્તાનમાં ડેટા સાયન્સ નિષ્ણાતો શું કરે છે અને તેઓ કેટલી કમાણી કરે છે?

દિમિત્રી કાઝાકોવ, કોલેસા ગ્રુપ ખાતે ડેટા એનાલિટિક્સ ટીમ લીડ, ડેટા પ્રોફેશનલ્સના પ્રથમ કઝાકિસ્તાન સર્વેક્ષણમાંથી આંતરદૃષ્ટિ શેર કરે છે.

ફોટામાં: દિમિત્રી કાઝાકોવ

લોકપ્રિય વાક્ય યાદ રાખો કે બિગ ડેટા કિશોરવયના સેક્સને સૌથી વધુ પસંદ કરે છે - દરેક તેના વિશે વાત કરે છે, પરંતુ તે ખરેખર અસ્તિત્વમાં છે કે કેમ તે કોઈ જાણતું નથી. ડેટા નિષ્ણાતો (કઝાકિસ્તાનમાં) માટેના બજાર વિશે પણ એવું જ કહી શકાય - ત્યાં હાઇપ છે, પરંતુ તેની પાછળ કોણ છે (અને ત્યાં કોઈ છે કે કેમ) તે સંપૂર્ણપણે સ્પષ્ટ ન હતું - ન તો એચઆરને, ન મેનેજરો માટે, ન તો ડેટા વૈજ્ઞાનિકો પોતે.

અમે ખર્ચ્યા અભ્યાસ, જેમાં તેઓએ 300 થી વધુ નિષ્ણાતોને તેમના પગાર, કાર્યો, કુશળતા, સાધનો અને ઘણું બધું વિશે સર્વેક્ષણ કર્યું.

સ્પોઈલર: હા, તેઓ ચોક્કસપણે અસ્તિત્વ ધરાવે છે, પરંતુ બધું એટલું સરળ નથી.

સરસ સમજ. પ્રથમ, અમારી અપેક્ષા કરતાં વધુ ડેટા વૈજ્ઞાનિકો છે. અમે 300 લોકોના ઇન્ટરવ્યુ લેવાનું વ્યવસ્થાપિત કર્યું, જેમાંથી માત્ર પ્રોડક્ટ, માર્કેટિંગ અને BI વિશ્લેષકો જ નહીં, પણ ML અને DWH એન્જિનિયરો પણ હતા, જે ખાસ કરીને આનંદદાયક હતું. સૌથી મોટા જૂથમાં તે બધા લોકોનો સમાવેશ થાય છે જેઓ પોતાને ડેટા સાયન્ટિસ્ટ કહે છે - તે 36% ઉત્તરદાતાઓ છે. તે કહેવું મુશ્કેલ છે કે આ બજારની માંગને આવરી લે છે કે નહીં, કારણ કે બજાર પોતે જ રચાઈ રહ્યું છે.

જોબ લેવલનું વિતરણ ગૂંચવણભર્યું છે - જુનિયર જેટલા જ ટીમ લીડ અને મેનેજર છે. આના ઘણા કારણો હોઈ શકે છે. ઉદાહરણ તરીકે, 2-3 લોકોની મોટી સંખ્યામાં નાની ટીમો, જેમાં નેતા મધ્યમ અથવા વરિષ્ઠ સ્તરના નિષ્ણાત હોઈ શકે છે.

અન્ય કારણ ભૂમિકાઓ અને કાર્યક્ષમતાના વિતરણમાં ધોરણોને લગતા હાલમાં બજારમાં શાસન કરતી અરાજકતા હોઈ શકે છે. ટીમ લીડ્સ કેટલીકવાર એવા લોકોને સોંપવામાં આવે છે જેઓ કુશળતા અને જ્ઞાનના સ્તરના સંદર્ભ વિના, અન્ય કરતા એક કે બે વર્ષ વધુ કામ કરે છે. અમે આ સ્થિતિ દ્વારા કાર્યોના વિતરણમાં જોઈએ છીએ - 38% મેનેજરો અને ટીમ લીડર્સ પ્રી-પ્રોસેસિંગમાં અને અન્ય 33% મૂળભૂત આંકડાકીય વિશ્લેષણમાં રોકાયેલા છે.

અહીં અમે ઉત્તરદાતાઓને તેમની કંપનીઓમાં વિશ્લેષણના સ્તરનું વ્યક્તિલક્ષી મૂલ્યાંકન કરવા કહ્યું. જો તમે નજીકથી જુઓ, તો તમે જોઈ શકો છો કે 10-2 લોકોના વિશ્લેષણ વિભાગમાં કામ કરતા 3% ઉત્તરદાતાઓ માને છે કે તેમની પાસે "અદ્યતન સ્તર" છે.

"અદ્યતન સ્તર" શું છે? BI સિસ્ટમ સરસ કામ કરે છે. DWH અને બિગ ડેટા છે. A/B પરીક્ષણો નિયમિતપણે કરવામાં આવે છે. ઉત્પાદનમાં ML અને DS સિસ્ટમ કાર્યરત છે. નિર્ણય માત્ર ડેટાના આધારે લેવામાં આવે છે. ડેટા પ્રોસેસિંગ અને ડેટા સાયન્સ ડિપાર્ટમેન્ટ કંપનીના મુખ્ય વિભાગોમાંનું એક છે.

2-3 લોકોના વિભાગ સાથે ઉપરોક્ત તમામ હાંસલ કરવું લગભગ અશક્ય છે. મને લાગે છે કે આ સર્વેક્ષણનું પરિણામ સહેજ વધતી જતી પીડા છે - છોકરાઓ પાસે હજી સુધી તેમની સાથે તેમનું સ્તર વધુ ઉદ્દેશ્ય રૂપે નક્કી કરવા માટે કોઈની સાથે સરખામણી કરવા માટે નથી.

અપેક્ષા મુજબ, ડેટા વૈજ્ઞાનિકો તેમનો મોટાભાગનો સમય સુપર કોમ્પ્લેક્સ મેથેમેટિક્સ અથવા એન્જિનિયરિંગ પર નહીં, પરંતુ ડેટાની પ્રીપ્રોસેસિંગ, ડાઉનલોડિંગ અને ક્લિનિંગ પર વિતાવે છે. દરેક વિશેષતામાં આપણે ટોચના 3 માં પ્રીપ્રોસેસિંગ જોઈએ છીએ. પરંતુ અમે ભાગ્યે જ ML મોડલ વિકસાવવા અથવા બિગ ડેટા સાથે ટોચના 3 માં કામ કરવા જેવી જટિલ વસ્તુઓ જોયે છે - ફક્ત ML અને DWH એન્જિનિયરોમાં.

ત્યાં પણ ઉદાસી આંતરદૃષ્ટિ એક દંપતિ છે. નિષ્ણાતો તેમના 40% કાર્યો જાતે સેટ કરે છે. કઝાકિસ્તાનમાં, અત્યાર સુધી માત્ર ટોચની યુનિકોર્ન કંપનીઓએ જ મોટા ડેટા સાથે કામ કરવાના ફાયદા અજમાવ્યા છે અને તેને સક્ષમતાથી કેવી રીતે કરવું તે શીખ્યા છે. તેઓ માર્કેટમાં પ્રસારિત કરે છે કે બિગ ડેટા અને મશીન લર્નિંગ સરસ છે, અને બીજા સોપારી પાછળ આવે છે, પરંતુ ડેટા સાથે કેવી રીતે કામ કરવું તે હંમેશા સમજી શકતું નથી. તેથી, અમે જોઈએ છીએ કે નિષ્ણાતો પોતાને માટે કાર્યો સેટ કરે છે, અને વ્યવસાયો હંમેશા જાણતા નથી કે તેઓ શું ઇચ્છે છે.

મને આશ્ચર્ય થયું કે 20% નિષ્ણાતોને એ પણ ખબર નથી કે તેમની કંપની પાસે ડેટા વેરહાઉસ છે કે નહીં. હા, અને ડેટાબેઝ મેનેજમેન્ટ સિસ્ટમ્સ સાથે બધું એટલું સારું નથી - 41% MySQL નો ઉપયોગ કરે છે, અને અન્ય 34% PostgreSQL નો ઉપયોગ કરે છે. આનો અર્થ શું થઈ શકે? તેઓ નાના ડેટા સાથે કામ કરે છે.

સ્ટોરેજ સિસ્ટમ્સ વિશેના પ્રશ્નમાં, આપણે ફરીથી MySQL અને તે પણ (!) એક્સેલ જોઈએ છીએ. પરંતુ આ સૂચવે છે કે, ઉદાહરણ તરીકે, મોટાભાગની કંપનીઓ પાસે મોટા ડેટા સાથે કામ કરવાની વિનંતી નથી.

અહીં બધું ફરીથી અસ્પષ્ટ છે. સામાન્ય રીતે, પગાર મારી અપેક્ષા કરતાં થોડો ઓછો હતો.

અંગત રીતે, મારા માટે એમએલ એન્જિનિયરની કલ્પના કરવી મુશ્કેલ છે જે 200 હજાર ટેન્ગે માટે કામ કરવા તૈયાર છે - તે કદાચ એક ઇન્ટર્ન છે. કાં તો આવા નિષ્ણાતોની ક્ષમતાઓ ખૂબ નબળી છે, અથવા કંપનીઓ માટે ડેટા સાયન્સના કાર્યનું પર્યાપ્ત મૂલ્યાંકન કરવું હજી પણ મુશ્કેલ છે. પરંતુ કદાચ આ પણ સૂચવે છે કે બજાર હજુ પણ તેની પરિપક્વતાની શરૂઆતમાં છે. અને સમય જતાં, પગારનું સ્તર વધુ પર્યાપ્ત સ્તરે સ્થાપિત કરવામાં આવશે.

સોર્સ: www.habr.com