Zajedno s Elenom Gerasimovom, voditeljicom fakulteta "» u netologiji nastavljamo razumijevati kako oni međusobno djeluju i po čemu se razlikuju podatkovni znanstvenici i podatkovni inženjeri.
U prvom dijelu ispričali su .
U ovom materijalu govorit ćemo o tome koja bi znanja i vještine stručnjaci trebali imati, kakvo obrazovanje cijene poslodavci, kako se provode intervjui te koliko zarađuju podatkovni inženjeri i podatkovni znanstvenici.
Što bi znanstvenici i inženjeri trebali znati
Specijalizirano obrazovanje za oba specijalista je informatika.
Svaki podatkovni znanstvenik - podatkovni znanstvenik ili analitičar - mora biti u stanju dokazati ispravnost svojih zaključaka. Za ovo ne možete bez znanja statistika i osnove matematike povezane sa statistikom.
Alati za strojno učenje i analizu podataka nezamjenjivi su u modernom svijetu. Ako uobičajeni alati nisu dostupni, morate imati vještine brzo učenje novih alata, stvaranje jednostavnih skripti za automatizaciju zadataka.
Važno je napomenuti da podatkovni znanstvenik mora učinkovito komunicirati rezultate analize. Pomoći će mu u ovome vizualizacija podataka ili rezultate istraživanja i provjere hipoteza. Stručnjaci moraju biti sposobni izraditi dijagrame i grafikone, koristiti alate za vizualizaciju te razumjeti i objasniti podatke s nadzornih ploča.
Za podatkovnog inženjera tri su područja u prvom planu.
Algoritmi i strukture podataka. Važno je biti dobar u pisanju koda i korištenju osnovnih struktura i algoritama:
- analiza složenosti algoritma,
- sposobnost pisanja jasnog koda koji se može održavati,
- skupna obrada,
- obrada u stvarnom vremenu.
Baze podataka i skladišta podataka, Poslovna inteligencija:
- pohranjivanje i obrada podataka,
- projektiranje kompletnih sustava,
- Gutanje podataka,
- distribuirani datotečni sustavi.
Hadoop i Big Data. Podataka je sve više, a kroz horizont od 3-5 godina ove će tehnologije postati neophodne svakom inženjeru. Plus:
- Podatkovna jezera
- rad s pružateljima usluga u oblaku.
Strojno učenje koristit će se posvuda, a važno je razumjeti koje će poslovne probleme pomoći riješiti. Nije nužno biti u stanju izraditi modele (znanstvenici podataka to mogu riješiti), ali morate razumjeti njihovu primjenu i odgovarajuće zahtjeve.
Koliko zarađuju inženjeri i znanstvenici?
Prihod inženjera podataka
U međunarodnoj praksi početne plaće obično iznose 100 USD godišnje i značajno se povećavaju s iskustvom, prema Glassdooru. Osim toga, tvrtke često daju dioničke opcije i 000-5% godišnjih bonusa.
U Rusiji na početku karijere plaća obično nije manja od 50 tisuća rubalja u regijama i 80 tisuća u Moskvi. U ovoj fazi nije potrebno nikakvo iskustvo osim završene obuke.
Nakon 1-2 godine rada - vilica od 90-100 tisuća rubalja.
Vilica se povećava na 120–160 tisuća za 2–5 godina. Dodaju se faktori kao što su specijalizacija prethodnih tvrtki, veličina projekata, rad s velikim podacima itd.
Nakon 5 godina rada lakše je tražiti slobodna radna mjesta u srodnim odjelima ili se prijaviti za usko specijalizirana radna mjesta kao što su:
- Arhitekt ili glavni programer u banci ili telekomu - oko 250 tisuća kuna.
- Pretprodaja od dobavljača s čijom ste tehnologijom najbliže surađivali - 200 tisuća plus mogući bonus (1-1,5 milijuna rubalja).
- Stručnjaci za implementaciju Enterprise poslovnih aplikacija, kao što je SAP - do 350 tisuća.
Prihodi podatkovnih znanstvenika
tržišta analitičara tvrtke “Normal Research” i agencije za zapošljavanje New.HR pokazuje da Data Science specijalisti u prosjeku primaju veću plaću od analitičara drugih specijalnosti.
U Rusiji je početna plaća podatkovnog znanstvenika s do godinu dana iskustva od 113 tisuća rubalja.
Završetak programa osposobljavanja sada se također uzima u obzir kao radno iskustvo.
Nakon 1-2 godine takav stručnjak već može dobiti do 160 tisuća.
Za zaposlenika s 4-5 godina iskustva, vilica se povećava na 310 tisuća.
Kako se vode intervjui?
Na Zapadu, diplomanti programa strukovnog osposobljavanja imaju prvi intervju u prosjeku 5 tjedana nakon diplome. Oko 85% nađe posao nakon 3 mjeseca.
Proces intervjua za pozicije podatkovnog inženjera i podatkovnog znanstvenika gotovo je isti. Obično se sastoji od pet faza.
Rezime. Kandidati s neosnovnim prethodnim iskustvom (npr. marketing) dužni su pripremiti detaljno motivacijsko pismo za svaku tvrtku ili imati preporuku predstavnika te tvrtke.
Tehnički pregled. Obično se odvija preko telefona. Sastoji se od jednog ili dva složena i isto toliko jednostavnih pitanja vezanih uz trenutni stack poslodavca.
HR intervju. Može se obaviti telefonom. U ovoj fazi kandidat se testira na opću adekvatnost i sposobnost komunikacije.
Tehnički razgovor. Najčešće se odvija osobno. U različitim poduzećima, razina pozicija u tablici osoblja je različita, a pozicije se mogu imenovati drugačije. Stoga se u ovoj fazi provjerava tehničko znanje.
Intervju s tehničkim direktorom/glavnim arhitektom. Inženjer i znanstvenik strateške su pozicije, a za mnoge tvrtke i nove. Važno je da se voditelju svidi potencijalni kolega i da se slaže s njim u njegovim stavovima.
Što će znanstvenicima i inženjerima pomoći u razvoju njihove karijere?
Pojavilo se dosta novih alata za rad s podacima. A malo je ljudi koji su jednako dobri prema svima.
Mnoge tvrtke nisu spremne zaposliti zaposlenike bez radnog iskustva. Međutim, kandidati s minimalnim predznanjem i poznavanjem osnova popularnih alata mogu steći potrebno iskustvo ako sami uče i razvijaju se.
Korisne osobine za podatkovnog inženjera i podatkovnog znanstvenika
Želja i sposobnost učenja. Ne morate odmah juriti za iskustvom ili mijenjati posao za novi alat, ali morate biti spremni prebaciti se na novo područje.
Želja za automatizacijom rutinskih procesa. To je važno ne samo za produktivnost, već i za održavanje visoke kvalitete podataka i brzine isporuke potrošaču.
Pažljivost i razumijevanje "onog što je ispod haube" procesa. Stručnjak koji ima zapažanje i temeljito poznavanje procesa brže će riješiti problem.
Osim izvrsnog poznavanja algoritama, podatkovnih struktura i cjevovoda, trebate naučite razmišljati u proizvodima — vidite arhitekturu i poslovno rješenje kao jednu sliku.
Na primjer, korisno je uzeti bilo koju poznatu uslugu i smisliti bazu podataka za nju. Zatim razmislite o tome kako razviti ETL i DW koji će ga ispuniti podacima, kakvi će biti potrošači i što im je važno znati o podacima, te kako kupci komuniciraju s aplikacijama: za traženje posla i upoznavanje, iznajmljivanje automobila , podcast aplikacija, obrazovna platforma.
Pozicije analitičara, podatkovnog znanstvenika i inženjera vrlo su bliske pa se s jednog smjera na drugi prelazi brže nego s drugih područja.
U svakom slučaju, lakše će biti onima koji imaju bilo kakvo IT predznanje nego onima koji ga nemaju. U prosjeku, motivirani odrasli prekvalificiraju se i mijenjaju posao svake 1,5-2 godine. To je lakše za one koji uče u grupi i uz mentora, u odnosu na one koji se oslanjaju samo na otvorene izvore.
Od urednika časopisa Netology
Ako tražite zanimanje Data Engineer ili Data Scientist, pozivamo Vas da proučite naše programe tečajeva:
- Profesija "".
- Profesija "".
- Dobro "".
Izvor: www.habr.com