"כן, הם קיימים!" מה עושים מומחי Data Science בקזחסטן וכמה הם מרוויחים?

דמיטרי קזקוב, ראש צוות ניתוח נתונים בקבוצת Kolesa, חולק תובנות מהסקר הראשון של קזחסטן שנערך בקרב אנשי מקצוע בתחום הנתונים.

בתמונה: דמיטרי קזקוב

זכרו את המשפט הפופולרי שביג דאטה הוא הכי דומה למין בגיל העשרה - כולם מדברים על זה, אבל אף אחד לא יודע אם זה באמת קיים. אפשר לומר את אותו הדבר על שוק מומחי הנתונים (בקזחסטן) - יש הייפ, אבל מי עומד מאחוריו (והאם יש שם מישהו בכלל) לא היה ברור לגמרי - לא לאנשי משאבי אנוש, לא למנהלים ולא למנהלים. מדעני הנתונים עצמם.

הוצאנו מחקר, שבו הם סקרו יותר מ-300 מומחים לגבי שכרם, תפקידיהם, כישוריהם, הכלים ועוד הרבה יותר.

ספוילר כן, הם בהחלט קיימים, אבל הכל לא כל כך פשוט.

תובנה נחמדה. ראשית, יש יותר מדעני נתונים ממה שציפינו. הספקנו לראיין 300 אנשים, ביניהם לא רק אנליסטים של מוצר, שיווק ו-BI, אלא גם מהנדסי ML ו-DWH, מה שהיה משמח במיוחד. הקבוצה הגדולה ביותר כללה את כל אלה שמכנים את עצמם מדעני נתונים - זה 36% מהמשיבים. קשה לומר אם זה מכסה את הביקוש של השוק או לא, כי השוק עצמו רק מתהווה.

התפלגות רמות התפקיד מבלבלת - ישנם מובילי צוות ומנהלים כמעט כמו זוטרים. יכולות להיות לכך מספר סיבות. לדוגמה, מספר רב של צוותים קטנים של 2-3 אנשים, שבהם המנהיג יכול להיות מומחה ברמה בינונית או בכירה.

סיבה נוספת עשויה להיות הכאוס השורר כיום בשוק בנוגע לסטנדרטים בחלוקת התפקידים והפונקציונליות. מובילי צוות מוקצים לפעמים למי שפשוט עובד שנה או שנתיים יותר מאחרים, ללא התייחסות לרמת הכישורים והידע. אנו רואים זאת בחלוקת התפקידים לפי תפקידים - 38% מהמנהלים וראשי הצוותים עוסקים בעיבוד מקדים ועוד 33% בניתוח סטטיסטי בסיסי.

כאן ביקשנו מהמשיבים להעריך באופן סובייקטיבי את רמת האנליטיקה בחברות שלהם. אם תסתכלו היטב, תוכלו לראות ש-10% מהמשיבים שעובדים במחלקות אנליטיקה של 2-3 אנשים מאמינים שיש להם "רמה מתקדמת".

מהי "רמה מתקדמת"? מערכת ה-BI עובדת מצוין. יש DWH וביג דאטה. בדיקות A/B מתבצעות באופן קבוע. יש מערכות ML ו-DS עובדות בייצור. החלטות מתקבלות רק על סמך נתונים. המחלקה לעיבוד נתונים ומדעי הנתונים היא אחת מהמפתחות בחברה.

כמעט בלתי אפשרי להשיג את כל האמור לעיל עם מחלקה של 2-3 אנשים. אני חושב שתוצאת הסקר היא כאבי גדילה קלים - לחבר'ה אין עדיין עם מי להשוות את עצמם כדי לקבוע את רמתם בצורה אובייקטיבית יותר.

כצפוי, מדעני נתונים מבלים את רוב זמנם לא במתמטיקה או הנדסה מורכבים במיוחד, אלא בעיבוד מקדים, הורדה וניקוי נתונים. בכל התמחות אנו רואים עיבוד מקדים ב-3 המובילים. אבל לעתים רחוקות אנו רואים דברים מורכבים כמו פיתוח מודלים של ML או עבודה עם Big Data ב-3 המובילים - רק בקרב מהנדסי ML ו-DWH.

יש גם כמה תובנות עצובות. מומחים קובעים 40% ממשימותיהם בעצמם. בקזחסטן, עד כה רק חברות חד-קרן מובילות ניסו את היתרונות של עבודה עם נתונים גדולים ולמדו כיצד לעשות זאת בצורה מוכשרת. הם משדרים לשוק שביג דאטה ו-Machine Learning הם מגניבים, והדרג השני עוקב אחריו, אבל לא תמיד מבין איך עובדת עם דאטה. לכן, אנו רואים שמומחים מציבים לעצמם משימות, ועסקים לא תמיד יודעים מה הם רוצים.

הופתעתי ש-20% מהמומחים אפילו לא יודעים אם לחברה שלהם יש מחסן נתונים. כן, ובמערכות ניהול מסדי נתונים לא הכל כל כך טוב - 41% משתמשים ב-MySQL, ועוד 34% משתמשים ב-PostgreSQL. מה זה יכול להיות אומר? הם עובדים דווקא עם נתונים קטנים.

בשאלה על מערכות אחסון אנחנו שוב רואים את MySQL ואפילו (!) אקסל. אבל זה עשוי להעיד, למשל, שלרוב החברות פשוט אין עדיין בקשה לעבוד עם ביג דאטה.

כאן הכל שוב מעורפל. באופן כללי, המשכורות היו מעט נמוכות ממה שציפיתי.

באופן אישי, קשה לי לדמיין מהנדס ML שמוכן לעבוד עבור 200 אלף טנג - הוא כנראה מתמחה. או שהיכולות של מומחים כאלה חלשות מאוד, או שעדיין קשה לחברות להעריך כראוי את עבודתו של Data Science. אבל אולי זה גם מעיד על כך שהשוק עדיין בתחילת הבשלתו. ועם הזמן, רמת השכר תקבע ברמה נאותה יותר.

מקור: www.habr.com