Dmitry Kazakov, Ketua Tim Analisis Data di Kolesa Group, berbagi wawasan dari survei profesional data pertama di Kazakhstan.
Dalam foto: Dmitry Kazakov
Ingat ungkapan populer bahwa Big Data paling mirip dengan seks remaja - semua orang membicarakannya, tapi tidak ada yang tahu apakah itu benar-benar ada. Hal yang sama dapat dikatakan tentang pasar untuk spesialis data (di Kazakhstan) - ada hype, tetapi siapa yang berada di baliknya (dan apakah ada orang di sana) tidak sepenuhnya jelas - baik untuk HR, manajer, atau untuk para ilmuwan data itu sendiri.
Kami menghabiskan , di mana mereka mensurvei lebih dari 300 spesialis tentang gaji, fungsi, keterampilan, peralatan, dan banyak lagi.
Bocoran: Ya, mereka pasti ada, tapi semuanya tidak sesederhana itu.
Wawasan yang bagus. Pertama, jumlah ilmuwan data lebih banyak dari yang kami perkirakan. Kami berhasil mewawancarai 300 orang, di antaranya tidak hanya analis produk, pemasaran, dan BI, tetapi juga teknisi ML dan DWH, dan hal ini sangat menyenangkan. Kelompok terbesar mencakup mereka yang menyebut diri mereka ilmuwan data – yaitu 36% responden. Sulit untuk mengatakan apakah ini memenuhi permintaan pasar atau tidak, karena pasarnya sendiri baru saja terbentuk.
Distribusi tingkat pekerjaan membingungkan - jumlah pemimpin tim dan manajer hampir sama banyaknya dengan junior. Mungkin ada beberapa alasan untuk hal ini. Misalnya, sejumlah besar tim kecil yang terdiri dari 2-3 orang, yang pemimpinnya dapat menjadi spesialis tingkat menengah atau senior.
Alasan lainnya mungkin adalah kekacauan yang terjadi di pasar terkait standar distribusi peran dan fungsi. Pimpinan tim terkadang ditugaskan kepada mereka yang bekerja satu atau dua tahun lebih lama dari yang lain, tanpa mengacu pada tingkat keterampilan dan pengetahuan. Kami melihat hal ini dalam distribusi fungsi berdasarkan posisi - 38% manajer dan pemimpin tim terlibat dalam pra-pemrosesan dan 33% lainnya terlibat dalam analisis statistik dasar.
Di sini kami meminta responden untuk menilai secara subjektif tingkat analitik di perusahaan mereka. Jika Anda perhatikan lebih dekat, Anda dapat melihat bahwa 10% responden yang bekerja di departemen analitik yang terdiri dari 2-3 orang percaya bahwa mereka memiliki “tingkat lanjutan”.
Apa itu “tingkat lanjutan”? Sistem BI berfungsi dengan baik. Ada DWH dan Big Data. Tes A/B dilakukan secara teratur. Ada sistem ML dan DS yang berfungsi dalam produksi. Keputusan dibuat hanya berdasarkan data. Departemen pemrosesan data dan ilmu data adalah salah satu departemen utama di perusahaan.
Hampir tidak mungkin mencapai semua hal di atas dengan departemen yang terdiri dari 2-3 orang. Saya pikir hasil survei ini sedikit menyusahkan - para pemain belum memiliki siapa pun untuk membandingkan diri mereka untuk menentukan level mereka secara lebih obyektif.
Seperti yang diharapkan, data scientist menghabiskan sebagian besar waktunya bukan pada matematika atau teknik yang sangat rumit, namun pada pra-pemrosesan, pengunduhan, dan pembersihan data. Di setiap spesialisasi, kami melihat pra-pemrosesan berada di posisi 3 teratas. Namun kami jarang melihat hal-hal rumit seperti mengembangkan model ML atau bekerja dengan Big Data berada di posisi 3 teratas - hanya di kalangan teknisi ML dan DWH.
Ada juga beberapa wawasan yang menyedihkan. Para ahli menetapkan 40% tugasnya sendiri. Di Kazakhstan, sejauh ini hanya perusahaan-perusahaan unicorn ternama yang telah mencoba manfaat bekerja dengan data besar dan mempelajari cara melakukannya dengan kompeten. Mereka menyampaikan kepada pasar bahwa Big Data dan Machine Learning itu keren, dan eselon kedua mengikuti di belakang, tetapi tidak selalu memahami cara kerja dengan data. Oleh karena itu, kami melihat bahwa para spesialis menetapkan tugas untuk diri mereka sendiri, dan bisnis tidak selalu tahu apa yang mereka inginkan.
Saya terkejut bahwa 20% spesialis bahkan tidak mengetahui apakah perusahaan mereka memiliki Gudang Data. Ya, dan dengan sistem manajemen basis data tidak semuanya baik-baik saja - 41% menggunakan MySQL, dan 34% lainnya menggunakan PostgreSQL. Apa artinya ini? Mereka bekerja dengan data kecil.
Dalam pertanyaan tentang sistem penyimpanan, kita kembali melihat MySQL dan bahkan (!) Excel. Namun hal ini mungkin menunjukkan, misalnya, bahwa sebagian besar perusahaan belum memiliki permintaan untuk bekerja dengan data besar.
Di sini semuanya kembali ambigu. Secara umum, gajinya sedikit lebih rendah dari yang saya harapkan.
Secara pribadi, sulit bagi saya untuk membayangkan seorang insinyur ML yang siap bekerja untuk 200 ribu tenge - dia mungkin seorang magang. Entah kompetensi spesialis tersebut sangat lemah, atau masih sulit bagi perusahaan untuk mengevaluasi pekerjaan Ilmu Data secara memadai. Namun mungkin hal ini juga menunjukkan bahwa pasar masih berada pada tahap awal kematangannya. Dan seiring berjalannya waktu, tingkat gaji akan ditetapkan pada tingkat yang lebih memadai.
Sumber: www.habr.com