Дмитрий Казаков, Kolesa Group компаниясынын Data Analytics тобунун жетекчиси, маалымат адистеринин Казакстандагы биринчи сурамжылоосунан алынган маалымат менен бөлүшөт.
Сүрөттө: Дмитрий Казаков
Чоң маалыматтар өспүрүм секске эң окшош деген популярдуу фразаны эстеңиз - бул тууралуу бардыгы сүйлөшөт, бирок анын чындыгында бар же бар-жоктугун эч ким билбейт. Маалымат адистеринин рыногу жөнүндө да ушуну айтууга болот (Казакстанда) – ызы-чуу бар, бирок анын артында ким турганы (жана ал жерде дегеле бирөө барбы) толук түшүнүксүз – HR үчүн да, менеджерлер үчүн да, маалымат илимпоздор өздөрү.
өткөрдүк , анда алар 300дөн ашык адистердин эмгек акылары, функциялары, көндүмдөрү, шаймандары жана башка көптөгөн нерселер тууралуу сурамжылоо жүргүзүшкөн.
Спойлер: Ооба, алар сөзсүз бар, бирок баары ушунчалык жөнөкөй эмес.
Жакшы түшүнүк. Биринчиден, биз күткөндөн да көп окумуштуулар бар. Биз 300 адамдан интервью алууга жетиштик, алардын арасында продукт, маркетинг жана BI аналитиктери гана эмес, ML жана DWH инженерлери да бар, бул өзгөчө жагымдуу болду. Эң чоң топко өздөрүн маалымат таануучу деп атагандардын бардыгы кирди - бул респонденттердин 36%. Бул рыноктун суроо-талабын жабабы же жокпу, айтуу кыйын, анткени рынок өзү жаңыдан түзүлүп жатат.
Жумуш деңгээлин бөлүштүрүү баш аламандык жаратат - команданын лидерлери жана менеджерлери кенже курактагылардай дээрлик көп. Мунун бир нече себептери болушу мүмкүн. Мисалы, 2-3 адамдан турган көп сандагы чакан командалар, алардын лидери орто же жогорку деңгээлдеги адис болушу мүмкүн.
Дагы бир себеби, ролдорду жана функцияларды бөлүштүрүүдө стандарттарга байланыштуу рынокто азыркы учурда өкүм сүрүп жаткан башаламандык болушу мүмкүн. Командалык жетекчилер кээде башкаларга караганда бир-эки жыл көп иштегендерге, шык-жөндөмүнө жана билиминин деңгээлине таянбастан дайындалат. Биз муну кызмат орундары боюнча функцияларды бөлүштүрүүдөн көрөбүз – менеджерлердин жана командалардын лидерлеринин 38% алдын ала иштеп чыгуу менен, дагы 33% негизги статистикалык талдоо менен алектенишет.
Бул жерде биз респонденттерден өз компанияларындагы аналитиканын деңгээлин субъективдүү баалоону сурандык. Эгер жакшылап карасаңыз, 10-2 адамдан турган аналитика бөлүмдөрүндө иштеген респонденттердин 3% "жогорку деңгээлге" ээ деп эсептей турганын көрүүгө болот.
"Өркүндөтүлгөн деңгээл" деген эмне? BI системасы сонун иштейт. DWH жана Big Data бар. A/B тесттери үзгүлтүксүз жүргүзүлөт. Өндүрүштө иштеп жаткан ML жана DS системалары бар. Чечимдер маалыматтардын негизинде гана кабыл алынат. Маалыматтарды иштетүү жана маалымат илим бөлүмү компаниянын негизги бөлүмдөрүнүн бири болуп саналат.
2-3 адамдан турган бөлүм менен жогоруда айтылгандардын баарына жетишүү дээрлик мүмкүн эмес. Менимче, бул сурамжылоонун натыйжасы бир аз өсүп жаткан оору - балдар дагы объективдүү өз деңгээлин аныктоо үчүн өздөрүн салыштыра турган эч кимиси жок.
Күтүлгөндөй, маалымат таануучулар убактысынын көбүн супер татаал математикага же инженерияга эмес, маалыматтарды алдын ала иштетүүгө, жүктөп алууга жана тазалоого жумшашат. Ар бир адистикте биз алдын ала иштетүүнү алдыңкы 3төн көрөбүз. Бирок биз ML моделдерин иштеп чыгуу же Big Data менен иштөө сыяктуу татаал нерселерди сейрек кездешебиз - ML жана DWH инженерлеринин арасында гана.
Ошондой эле бир нече кайгылуу түшүнүктөр бар. Эксперттер 40% тапшырманы өздөрү коюшат. Казакстанда азырынча эң мыкты жалгыз мүйүздүү компаниялар чоң маалыматтар менен иштөөнүн артыкчылыктарын сынап көрүштү жана аны кантип сабаттуу жасоону үйрөнүштү. Алар рынокко Big Data жана Machine Learning сонун, ал эми экинчи эшелон артта турат, бирок маалыматтар менен иштөө кандайча иштээрин дайыма эле түшүнө бербейт. Демек, адистер өздөрүнө милдеттерди коюп, ишканалар эмнени каалап жатканын дайыма эле биле бербестигин көрүп жатабыз.
Мени таң калдым, адистердин 20%ы алардын компаниясында маалымат кампасы бар же жок экенин билишпейт. Ооба, жана маалымат базасын башкаруу системалары менен баары жакшы эмес - 41% MySQL колдонсо, дагы 34% PostgreSQL колдонушат. Бул эмнени билдириши мүмкүн? Алар кичинекей маалыматтар менен иштешет.
Сактоо системалары жөнүндө суроодо биз кайрадан MySQL жана ал тургай (!) Excelди көрөбүз. Бирок бул, мисалы, көпчүлүк компаниялардын чоң маалыматтар менен иштөө талабы жок экенин көрсөтүшү мүмкүн.
Бул жерде дагы баары бүдөмүк. Негизинен айлыктар мен күткөндөн бир аз төмөн болду.
Жеке мен үчүн 200 миң теңгеге иштөөгө даяр ML инженерин элестетүү кыйын - ал такшалгыч болсо керек. Же мындай адистердин компетенциялары өтө начар, же компаниялар үчүн Data Science ишин адекваттуу баалоо дагы деле кыйын. Бирок, балким, бул дагы рыноктун жетилишинин эң башында экенин көрсөтүп турат. Ал эми убакыттын өтүшү менен айлык акынын деңгээли дагы адекваттуу деңгээлде белгиленет.
Source: www.habr.com