"हाँ, वे मौजूद हैं!" कजाकिस्तान में डेटा विज्ञान विशेषज्ञ क्या करते हैं और वे कितना कमाते हैं?

दिमित्री कज़कोवकोलेसा ग्रुप में डेटा एनालिटिक्स टीम लीड, डेटा पेशेवरों के पहले कजाकिस्तान सर्वेक्षण से अंतर्दृष्टि साझा करते हैं।

फोटो में: दिमित्री कज़कोव

लोकप्रिय वाक्यांश को याद रखें कि बिग डेटा सबसे अधिक किशोर सेक्स की तरह है - हर कोई इसके बारे में बात करता है, लेकिन कोई नहीं जानता कि यह वास्तव में मौजूद है या नहीं। डेटा विशेषज्ञों के बाज़ार (कजाकिस्तान में) के बारे में भी यही कहा जा सकता है - वहाँ प्रचार है, लेकिन इसके पीछे कौन है (और क्या वहाँ कोई है भी) पूरी तरह से स्पष्ट नहीं था - न तो एचआर के लिए, न ही प्रबंधकों के लिए, न ही डेटा वैज्ञानिक स्वयं।

हमने खर्चे अध्ययन, जिसमें उन्होंने 300 से अधिक विशेषज्ञों से उनके वेतन, कार्यों, कौशल, उपकरणों और बहुत कुछ के बारे में सर्वेक्षण किया।

स्पॉयलर: हां, वे निश्चित रूप से मौजूद हैं, लेकिन सब कुछ इतना सरल नहीं है।

अच्छी अंतर्दृष्टि. सबसे पहले, हमारी अपेक्षा से अधिक डेटा वैज्ञानिक हैं। हम 300 लोगों का साक्षात्कार लेने में सफल रहे, जिनमें न केवल उत्पाद, विपणन और बीआई विश्लेषक थे, बल्कि एमएल और डीडब्ल्यूएच इंजीनियर भी थे, जो विशेष रूप से सुखद था। सबसे बड़े समूह में वे सभी लोग शामिल थे जो खुद को डेटा वैज्ञानिक कहते हैं - यानी उत्तरदाताओं का 36%। यह कहना मुश्किल है कि यह बाज़ार की माँग को कवर करता है या नहीं, क्योंकि बाज़ार अभी बन ही रहा है।

नौकरी के स्तर का वितरण भ्रमित करने वाला है - लगभग उतने ही टीम लीडर और मैनेजर हैं जितने जूनियर हैं। इस के लिए कई कारण हो सकते है। उदाहरण के लिए, 2-3 लोगों की बड़ी संख्या में छोटी टीमें, जिनमें नेता मध्यम या वरिष्ठ स्तर का विशेषज्ञ हो सकता है।

एक अन्य कारण भूमिकाओं और कार्यक्षमता के वितरण में मानकों को लेकर बाजार में वर्तमान में व्याप्त अराजकता हो सकती है। टीम का नेतृत्व कभी-कभी उन लोगों को सौंपा जाता है जो कौशल और ज्ञान के स्तर के संदर्भ के बिना, दूसरों की तुलना में बस एक या दो साल अधिक काम करते हैं। हम इसे स्थिति के आधार पर कार्यों के वितरण में देखते हैं - 38% प्रबंधक और टीम लीडर प्री-प्रोसेसिंग में लगे हुए हैं और अन्य 33% बुनियादी सांख्यिकीय विश्लेषण में लगे हुए हैं।

यहां हमने उत्तरदाताओं से उनकी कंपनियों में विश्लेषण के स्तर का व्यक्तिपरक मूल्यांकन करने के लिए कहा। यदि आप बारीकी से देखें, तो आप देख सकते हैं कि 10-2 लोगों के विश्लेषणात्मक विभागों में काम करने वाले 3% उत्तरदाताओं का मानना ​​है कि उनके पास "उन्नत स्तर" है।

"उन्नत स्तर" क्या है? बीआई प्रणाली बढ़िया काम करती है. DWH और बिग डेटा है. ए/बी परीक्षण नियमित रूप से किये जाते हैं। उत्पादन में कार्यशील एमएल और डीएस सिस्टम हैं। डेटा के आधार पर ही निर्णय लिए जाते हैं. डेटा प्रोसेसिंग और डेटा विज्ञान विभाग कंपनी के प्रमुख विभागों में से एक है।

2-3 लोगों के विभाग के साथ उपरोक्त सभी हासिल करना लगभग असंभव है। मुझे लगता है कि इस सर्वेक्षण के परिणाम से थोड़ी परेशानी बढ़ रही है - लोगों के पास अपने स्तर को अधिक निष्पक्षता से निर्धारित करने के लिए खुद की तुलना करने के लिए अभी तक कोई नहीं है।

जैसा कि अपेक्षित था, डेटा वैज्ञानिक अपना अधिकांश समय सुपर जटिल गणित या इंजीनियरिंग पर नहीं, बल्कि प्रीप्रोसेसिंग, डाउनलोडिंग और डेटा की सफाई पर बिताते हैं। प्रत्येक विशेषज्ञता में हम प्रीप्रोसेसिंग को शीर्ष 3 में देखते हैं। लेकिन हम शीर्ष 3 में एमएल मॉडल विकसित करने या बिग डेटा के साथ काम करने जैसी जटिल चीजें शायद ही कभी देखते हैं - केवल एमएल और डीडब्ल्यूएच इंजीनियरों के बीच।

कुछ दुखद अंतर्दृष्टियाँ भी हैं। विशेषज्ञ अपने 40% कार्य स्वयं निर्धारित करते हैं। कजाकिस्तान में, अब तक केवल शीर्ष यूनिकॉर्न कंपनियों ने बड़े डेटा के साथ काम करने के लाभों को आजमाया है और सीखा है कि इसे सक्षमता से कैसे किया जाए। उन्होंने बाजार में प्रसारित किया कि बिग डेटा और मशीन लर्निंग अच्छे हैं, और दूसरा सोपानक पीछे चल रहा है, लेकिन हमेशा यह नहीं समझता कि डेटा के साथ काम करना कैसे काम करता है। इसलिए, हम देखते हैं कि विशेषज्ञ अपने लिए कार्य निर्धारित करते हैं, और व्यवसायों को हमेशा यह नहीं पता होता है कि वे क्या चाहते हैं।

मुझे आश्चर्य हुआ कि 20% विशेषज्ञों को यह भी नहीं पता कि उनकी कंपनी के पास डेटा वेयरहाउस है या नहीं। हाँ, और डेटाबेस प्रबंधन प्रणालियों के साथ सब कुछ इतना अच्छा नहीं है - 41% MySQL का उपयोग करते हैं, और अन्य 34% PostgreSQL का उपयोग करते हैं। इसका क्या मतलब हो सकता है? वे छोटे डेटा के साथ काम करते हैं।

भंडारण प्रणालियों के बारे में प्रश्न में, हम फिर से MySQL और यहां तक ​​कि (!) एक्सेल देखते हैं। लेकिन, उदाहरण के लिए, यह संकेत दे सकता है कि अधिकांश कंपनियों के पास अभी तक बड़े डेटा के साथ काम करने का अनुरोध नहीं है।

यहां सब कुछ फिर से अस्पष्ट है। सामान्य तौर पर, वेतन मेरी अपेक्षा से थोड़ा कम था।

व्यक्तिगत रूप से, मेरे लिए एक एमएल इंजीनियर की कल्पना करना कठिन है जो 200 हजार टन के लिए काम करने के लिए तैयार है - वह शायद एक प्रशिक्षु है। या तो ऐसे विशेषज्ञों की योग्यताएँ बहुत कमज़ोर हैं, या कंपनियों के लिए डेटा साइंस के काम का पर्याप्त मूल्यांकन करना अभी भी मुश्किल है। लेकिन शायद इससे यह भी संकेत मिलता है कि बाज़ार अभी भी अपनी परिपक्वता के शुरुआती दौर में है। और समय के साथ, वेतन का स्तर अधिक पर्याप्त स्तर पर स्थापित हो जाएगा।

स्रोत: www.habr.com