”დიახ, ისინი არსებობენ!” რას აკეთებენ მონაცემთა მეცნიერების სპეციალისტები ყაზახეთში და რამდენს იღებენ ისინი?

დიმიტრი კაზაკოვი, მონაცემთა ანალიტიკის გუნდის ლიდერი Kolesa Group-ში, იზიარებს ცნობებს მონაცემთა პროფესიონალების პირველი ყაზახეთის გამოკითხვიდან.

ფოტოზე: დიმიტრი კაზაკოვი

გაიხსენეთ პოპულარული ფრაზა, რომ Big Data ყველაზე მეტად თინეიჯერულ სექსს ჰგავს – ამაზე ყველა საუბრობს, მაგრამ არავინ იცის რეალურად არსებობს თუ არა. იგივე შეიძლება ითქვას მონაცემთა სპეციალისტების ბაზარზე (ყაზახეთში) - არის აჟიოტაჟი, მაგრამ ვინ დგას ამის უკან (და არის თუ არა ვინმე იქ საერთოდ) ბოლომდე გასაგები არ იყო - არც HR, არც მენეჯერებისთვის და არც მენეჯერებისთვის. თავად მონაცემთა მეცნიერები.

Ჩვენ დავხარჯეთ კვლევა, რომელშიც მათ გამოკითხეს 300-ზე მეტი სპეციალისტი მათი ხელფასის, ფუნქციების, უნარების, ხელსაწყოების და მრავალი სხვა.

Სპოილერი: დიახ, ისინი ნამდვილად არსებობენ, მაგრამ ყველაფერი ასე მარტივი არ არის.

სასიამოვნო გამჭრიახობა. ჯერ ერთი, უფრო მეტი მონაცემთა მეცნიერია, ვიდრე ველოდით. ჩვენ მოვახერხეთ 300 ადამიანის გასაუბრება, რომელთა შორის იყვნენ არა მხოლოდ პროდუქტის, მარკეტინგის და BI ანალიტიკოსები, არამედ ML და DWH ინჟინრები, რაც განსაკუთრებით სასიამოვნო იყო. ყველაზე დიდ ჯგუფში შედიოდა ყველა, ვინც საკუთარ თავს მონაცემთა მეცნიერებს უწოდებს - ეს არის გამოკითხულთა 36%. ძნელი სათქმელია, ფარავს ეს ბაზრის მოთხოვნას თუ არა, რადგან თავად ბაზარი ახლახან ყალიბდება.

სამუშაო დონის განაწილება დამაბნეველია - გუნდის ლიდერი და მენეჯერი თითქმის იმდენია, რამდენიც უმცროსი. ამას შეიძლება რამდენიმე მიზეზი ჰქონდეს. მაგალითად, დიდი რაოდენობით 2-3 კაციანი მცირე გუნდი, რომელშიც ლიდერი შეიძლება იყოს საშუალო ან უფროსი დონის სპეციალისტი.

კიდევ ერთი მიზეზი შეიძლება იყოს ქაოსი, რომელიც ამჟამად სუფევს ბაზარზე როლებისა და ფუნქციონალურობის განაწილების სტანდარტებთან დაკავშირებით. გუნდური ლიდერები ზოგჯერ ენიჭებათ მათ, ვინც უბრალოდ მუშაობს ერთი ან ორი წლით მეტხანს ვიდრე სხვები, უნარებისა და ცოდნის დონის მითითების გარეშე. ამას ვხედავთ ფუნქციების თანამდებობების მიხედვით განაწილებაში - მენეჯერებისა და გუნდის ლიდერების 38% დაკავებულია წინასწარი დამუშავებით და კიდევ 33% ძირითადი სტატისტიკური ანალიზით.

აქ ჩვენ ვთხოვეთ რესპონდენტებს სუბიექტურად შეეფასებინათ ანალიტიკის დონე მათ კომპანიებში. თუ დააკვირდებით, ხედავთ, რომ გამოკითხულთა 10%, რომლებიც მუშაობენ 2-3 ადამიანის ანალიტიკურ განყოფილებაში, თვლის, რომ მათ აქვთ "მოწინავე დონე".

რა არის "მოწინავე დონე"? BI სისტემა მშვენივრად მუშაობს. არის DWH და დიდი მონაცემები. რეგულარულად ტარდება A/B ტესტები. წარმოებაში მუშაობს ML და DS სისტემები. გადაწყვეტილებები მიიღება მხოლოდ მონაცემების საფუძველზე. მონაცემთა დამუშავებისა და მონაცემთა მეცნიერების დეპარტამენტი ერთ-ერთი მთავარია კომპანიაში.

2-3 კაციანი განყოფილებით ყოველივე ზემოთქმულის მიღწევა თითქმის შეუძლებელია. მე ვფიქრობ, რომ ეს გამოკითხვის შედეგი ოდნავ მზარდი ტკივილია - ბიჭებს ჯერ არ აქვთ ვინმესთან შედარება, რათა უფრო ობიექტურად განისაზღვროს მათი დონე.

როგორც მოსალოდნელი იყო, მონაცემთა მეცნიერები დროის უმეტეს ნაწილს ატარებენ არა სუპერ რთულ მათემატიკაზე ან ინჟინერიაზე, არამედ წინასწარ დამუშავებაზე, გადმოტვირთვაზე და მონაცემთა გაწმენდაზე. ყველა სპეციალობაში ჩვენ ვხედავთ წინასწარ დამუშავებას სამეულში. მაგრამ ჩვენ იშვიათად ვხედავთ რთულ საკითხებს, როგორიცაა ML მოდელების შემუშავება ან დიდი მონაცემებით მუშაობა სამეულში - მხოლოდ ML და DWH ინჟინრებს შორის.

ასევე არსებობს რამდენიმე სამწუხარო აღმოჩენა. ექსპერტები თავიანთი ამოცანების 40%-ს თავად ადგენენ. ყაზახეთში ჯერჯერობით მხოლოდ ტოპ unicorn კომპანიებმა სცადეს დიდი მონაცემებით მუშაობის სარგებელი და ისწავლეს როგორ გააკეთონ ეს კომპეტენტურად. ისინი ავრცელებენ ბაზარზე, რომ Big Data და Machine Learning მაგარია, მეორე ეშელონი კი უკან მიჰყვება, მაგრამ ყოველთვის არ ესმის, როგორ მუშაობს მონაცემებთან მუშაობა. აქედან გამომდინარე, ჩვენ ვხედავთ, რომ სპეციალისტები საკუთარ თავს ადგენენ ამოცანებს და ბიზნესებმა ყოველთვის არ იციან რა სურთ.

გამიკვირდა, რომ სპეციალისტების 20%-მა არც კი იცის, აქვს თუ არა მათ კომპანიას მონაცემთა საწყობი. დიახ, და მონაცემთა ბაზის მართვის სისტემებში ყველაფერი არც ისე კარგია - 41% იყენებს MySQL-ს, ხოლო კიდევ 34% იყენებს PostgreSQL-ს. რას შეიძლება ნიშნავდეს ეს? ისინი მუშაობენ საკმაოდ მცირე მონაცემებით.

შენახვის სისტემების შესახებ შეკითხვაში კვლავ ვხედავთ MySQL და თუნდაც (!) Excel-ს. მაგრამ ეს შეიძლება მიუთითებდეს, მაგალითად, რომ კომპანიების უმეტესობას უბრალოდ ჯერ არ აქვს მოთხოვნა დიდ მონაცემებთან მუშაობისთვის.

აქ ყველაფერი ისევ ბუნდოვანია. ზოგადად, ხელფასები ოდნავ დაბალი იყო ვიდრე ველოდი.

პირადად ჩემთვის ძნელი წარმოსადგენია ML ინჟინერი, რომელიც მზად არის იმუშაოს 200 ათასი ტენგეზე - ის ალბათ სტაჟიორია. ან ძალიან სუსტია ასეთი სპეციალისტების კომპეტენციები, ან კომპანიებს ჯერ კიდევ უჭირთ Data Science-ის მუშაობის ადეკვატური შეფასება. მაგრამ შესაძლოა ეს იმაზეც მიუთითებს, რომ ბაზარი ჯერ კიდევ მომწიფების დასაწყისშია. დროთა განმავლობაში კი ხელფასების დონე უფრო ადეკვატურ დონეზე დადგინდება.

წყარო: www.habr.com