डेटा इंजीनियर और डेटा वैज्ञानिक: वे क्या कर सकते हैं और कितना कमाते हैं

ऐलेना गेरासिमोवा के साथ, संकाय प्रमुख "डेटा साइंस और एनालिटिक्स»नेटोलॉजी में हम यह समझना जारी रखते हैं कि वे एक-दूसरे के साथ कैसे बातचीत करते हैं और डेटा वैज्ञानिक और डेटा इंजीनियर कैसे भिन्न होते हैं।

पहले भाग में उन्होंने बताया डेटा साइंटिस्ट और डेटा इंजीनियर के बीच मुख्य अंतर के बारे में.

इस सामग्री में हम इस बारे में बात करेंगे कि विशेषज्ञों के पास क्या ज्ञान और कौशल होना चाहिए, नियोक्ताओं द्वारा किस शिक्षा को महत्व दिया जाता है, साक्षात्कार कैसे आयोजित किए जाते हैं और डेटा इंजीनियर और डेटा वैज्ञानिक कितना कमाते हैं। 

वैज्ञानिकों और इंजीनियरों को क्या पता होना चाहिए

दोनों विशेषज्ञों के लिए विशिष्ट शिक्षा कंप्यूटर विज्ञान है।

कोई भी डेटा वैज्ञानिक-डेटा वैज्ञानिक या विश्लेषक-अपने निष्कर्षों की सत्यता साबित करने में सक्षम होना चाहिए। इसके लिए आप ज्ञान के बिना नहीं कर सकते सांख्यिकी और सांख्यिकी से संबंधित बुनियादी गणित.

आधुनिक दुनिया में मशीन लर्निंग और डेटा एनालिटिक्स उपकरण अपरिहार्य हैं। यदि सामान्य उपकरण उपलब्ध नहीं हैं, तो आपके पास कौशल होना आवश्यक है नए टूल को शीघ्रता से सीखना, कार्यों को स्वचालित करने के लिए सरल स्क्रिप्ट बनाना.

यह ध्यान रखना महत्वपूर्ण है कि डेटा वैज्ञानिक को विश्लेषण के परिणामों को प्रभावी ढंग से संप्रेषित करना चाहिए। इससे उसे मदद मिलेगी डेटा विज़ुअलाइज़ेशन या परिकल्पनाओं के अनुसंधान और परीक्षण के परिणाम। विशेषज्ञों को चार्ट और ग्राफ़ बनाने, विज़ुअलाइज़ेशन टूल का उपयोग करने और डैशबोर्ड से डेटा को समझने और समझाने में सक्षम होना चाहिए।

एक डेटा इंजीनियर के लिए तीन क्षेत्र सामने आते हैं।

एल्गोरिदम और डेटा संरचनाएं. कोड लिखने और बुनियादी संरचनाओं और एल्गोरिदम का उपयोग करने में अच्छा होना महत्वपूर्ण है:

• एल्गोरिदम जटिलता विश्लेषण,
• स्पष्ट, रखरखाव योग्य कोड लिखने की क्षमता, 
• प्रचय संसाधन,
• वास्तविक समय प्रसंस्करण।

डेटाबेस और डेटा वेयरहाउस, बिजनेस इंटेलिजेंस:

• डेटा भंडारण और प्रसंस्करण,
• संपूर्ण सिस्टम का डिज़ाइन,
• डेटा अंतर्ग्रहण,
• वितरित फ़ाइल सिस्टम.

Hadoop और बिग डेटा. अधिक से अधिक डेटा है, और 3-5 वर्षों के दौरान, ये प्रौद्योगिकियां प्रत्येक इंजीनियर के लिए आवश्यक हो जाएंगी। प्लस:

• डेटा लेक
• क्लाउड प्रदाताओं के साथ काम करना।

मशीन सीखने इसका उपयोग हर जगह किया जाएगा, और यह समझना महत्वपूर्ण है कि यह किन व्यावसायिक समस्याओं को हल करने में मदद करेगा। मॉडल बनाने में सक्षम होना आवश्यक नहीं है (डेटा वैज्ञानिक इसे संभाल सकते हैं), लेकिन आपको उनके अनुप्रयोग और संबंधित आवश्यकताओं को समझने की आवश्यकता है।

इंजीनियर और वैज्ञानिक कितना कमाते हैं?

डेटा इंजीनियर आय

अंतरराष्ट्रीय अभ्यास में ग्लासडोर के अनुसार, शुरुआती वेतन आम तौर पर $100 प्रति वर्ष है और अनुभव के साथ इसमें काफी वृद्धि होती है। इसके अलावा, कंपनियां अक्सर स्टॉक विकल्प और 000-5% वार्षिक बोनस प्रदान करती हैं।

रूस में करियर की शुरुआत में, वेतन आमतौर पर क्षेत्रों में 50 हजार रूबल और मॉस्को में 80 हजार से कम नहीं होता है। इस स्तर पर पूर्ण प्रशिक्षण के अलावा किसी अन्य अनुभव की आवश्यकता नहीं है।

1-2 साल के काम के बाद - 90-100 हजार रूबल का कांटा।

120-160 वर्षों में कांटा 2-5 हजार तक बढ़ जाता है। पिछली कंपनियों की विशेषज्ञता, परियोजनाओं का आकार, बड़े डेटा के साथ काम आदि जैसे कारक जोड़े जाते हैं।

5 साल के काम के बाद, संबंधित विभागों में रिक्तियों की तलाश करना या अत्यधिक विशिष्ट पदों के लिए आवेदन करना आसान हो जाता है जैसे:

• किसी बैंक या टेलीकॉम में आर्किटेक्ट या लीड डेवलपर - लगभग 250 हजार।

• उस विक्रेता से प्री-सेल्स जिसकी तकनीकों के साथ आपने सबसे अधिक निकटता से काम किया है - 200 हजार प्लस एक संभावित बोनस (1-1,5 मिलियन रूबल)। 

• एसएपी जैसे एंटरप्राइज़ व्यावसायिक अनुप्रयोगों के कार्यान्वयन में विशेषज्ञ - 350 हजार तक।

डेटा वैज्ञानिकों की आय

अध्ययन कंपनी "नॉर्मल रिसर्च" और भर्ती एजेंसी New.HR के विश्लेषकों के बाजार से पता चलता है कि डेटा साइंस विशेषज्ञों को अन्य विशिष्टताओं के विश्लेषकों की तुलना में औसतन अधिक वेतन मिलता है। 

रूस में, एक साल तक के अनुभव वाले डेटा वैज्ञानिक का शुरुआती वेतन 113 हजार रूबल से है। 

प्रशिक्षण कार्यक्रमों को पूरा करना अब कार्य अनुभव के रूप में भी माना जाता है।

1-2 वर्षों के बाद, ऐसा विशेषज्ञ पहले से ही 160 हजार तक प्राप्त कर सकता है।

4-5 साल के अनुभव वाले कर्मचारी के लिए कांटा बढ़कर 310 हजार हो जाता है।

साक्षात्कार कैसे आयोजित किये जाते हैं?

पश्चिम में, व्यावसायिक प्रशिक्षण कार्यक्रमों के स्नातकों का पहला साक्षात्कार स्नातक होने के औसतन 5 सप्ताह बाद होता है। लगभग 85% को 3 महीने के बाद नौकरी मिल जाती है।

डेटा इंजीनियर और डेटा वैज्ञानिक पदों के लिए साक्षात्कार प्रक्रिया वस्तुतः समान है। इसमें आमतौर पर पांच चरण होते हैं।

सारांश. गैर-मुख्य पूर्व अनुभव (उदाहरण के लिए, मार्केटिंग) वाले उम्मीदवारों को प्रत्येक कंपनी के लिए एक विस्तृत कवर लेटर तैयार करना होगा या उस कंपनी के प्रतिनिधि से संदर्भ लेना होगा।

तकनीकी स्क्रीनिंग. यह आमतौर पर फ़ोन पर होता है. इसमें नियोक्ता के वर्तमान स्टैक से संबंधित एक या दो जटिल और कई सरल प्रश्न शामिल हैं।

एचआर साक्षात्कार. फ़ोन पर किया जा सकता है. इस स्तर पर, उम्मीदवार की सामान्य पर्याप्तता और संवाद करने की क्षमता का परीक्षण किया जाता है।

तकनीकी साक्षात्कार. अधिकतर यह व्यक्तिगत रूप से होता है। अलग-अलग कंपनियों में स्टाफिंग टेबल में पदों का स्तर अलग-अलग होता है और पदों के नाम भी अलग-अलग हो सकते हैं। इसलिए, इस स्तर पर तकनीकी ज्ञान का परीक्षण किया जाता है।

सीटीओ/मुख्य वास्तुकार के साथ साक्षात्कार. इंजीनियर और वैज्ञानिक रणनीतिक पद हैं और कई कंपनियों के लिए ये नए भी हैं। यह महत्वपूर्ण है कि प्रबंधक संभावित सहकर्मी को पसंद करे और उसके विचारों से सहमत हो।

वैज्ञानिकों और इंजीनियरों को उनके करियर के विकास में क्या मदद मिलेगी?

डेटा के साथ काम करने के लिए बहुत सारे नए उपकरण सामने आए हैं। और कुछ लोग सभी में समान रूप से अच्छे होते हैं। 

कई कंपनियां बिना कार्य अनुभव के कर्मचारियों को नौकरी पर रखने के लिए तैयार नहीं होती हैं। हालाँकि, न्यूनतम पृष्ठभूमि और लोकप्रिय उपकरणों की बुनियादी जानकारी वाले उम्मीदवार आवश्यक अनुभव प्राप्त कर सकते हैं यदि वे स्वयं सीखें और विकसित हों।

डेटा इंजीनियर और डेटा वैज्ञानिक के लिए उपयोगी गुण

सीखने की इच्छा और क्षमता. आपको किसी नए टूल के लिए तुरंत अनुभव का पीछा करने या नौकरी बदलने की ज़रूरत नहीं है, बल्कि आपको एक नए क्षेत्र में स्विच करने के लिए तैयार रहना होगा।

नियमित प्रक्रियाओं को स्वचालित करने की इच्छा. यह न केवल उत्पादकता के लिए, बल्कि उपभोक्ता तक उच्च डेटा गुणवत्ता और डिलीवरी की गति बनाए रखने के लिए भी महत्वपूर्ण है।

प्रक्रियाओं की "हुड के नीचे क्या है" की सावधानी और समझ. एक विशेषज्ञ जिसके पास प्रक्रियाओं का अवलोकन और गहन ज्ञान है, वह समस्या को तेजी से हल करेगा।

एल्गोरिदम, डेटा संरचनाओं और पाइपलाइनों के उत्कृष्ट ज्ञान के अलावा, आपको इसकी आवश्यकता है उत्पादों में सोचना सीखें — वास्तुकला और व्यावसायिक समाधान को एक ही चित्र के रूप में देखें। 

उदाहरण के लिए, किसी भी प्रसिद्ध सेवा को लेना और उसके लिए एक डेटाबेस बनाना उपयोगी है। फिर इस बारे में सोचें कि ईटीएल और डीडब्ल्यू को कैसे विकसित किया जाए जो इसे डेटा से भर देगा, उपभोक्ता किस प्रकार के होंगे और उनके लिए डेटा के बारे में क्या जानना महत्वपूर्ण है, और यह भी कि खरीदार अनुप्रयोगों के साथ कैसे बातचीत करते हैं: नौकरी की खोज और डेटिंग, कार किराए पर लेने के लिए , पॉडकास्ट एप्लिकेशन, शैक्षिक मंच।

एक विश्लेषक, डेटा वैज्ञानिक और इंजीनियर के पद बहुत करीब होते हैं, इसलिए आप अन्य क्षेत्रों की तुलना में एक दिशा से दूसरी दिशा में तेजी से जा सकते हैं।

किसी भी स्थिति में, किसी भी आईटी पृष्ठभूमि वाले लोगों के लिए यह उन लोगों की तुलना में आसान होगा जिनके पास यह नहीं है। औसतन, प्रेरित वयस्क हर 1,5-2 साल में दोबारा प्रशिक्षण लेते हैं और नौकरी बदलते हैं। यह उन लोगों के लिए आसान है जो एक समूह में और एक सलाहकार के साथ अध्ययन करते हैं, उन लोगों की तुलना में जो केवल खुले स्रोतों पर भरोसा करते हैं।

नेटोलॉजी के संपादकों से

यदि आप डेटा इंजीनियर या डेटा साइंटिस्ट के पेशे पर विचार कर रहे हैं, तो हम आपको हमारे पाठ्यक्रम कार्यक्रमों का अध्ययन करने के लिए आमंत्रित करते हैं:

• पेशा "डेटा इंजीनियर'.  
• पेशा "डाटा वैज्ञानिक'.
• कुंआ "डेटा विश्लेषक'.

स्रोत: www.habr.com