"ແມ່ນແລ້ວ, ພວກມັນມີຢູ່!" ຜູ້ຊ່ຽວຊານດ້ານ Data Science ໃນ Kazakhstan ເຮັດຫຍັງແລະພວກເຂົາມີລາຍໄດ້ຫຼາຍປານໃດ?

Dmitry Kazakov, ຫົວຫນ້າທີມວິເຄາະຂໍ້ມູນຢູ່ກຸ່ມ Kolesa, ແບ່ງປັນຄວາມເຂົ້າໃຈຈາກການສໍາຫຼວດ Kazakhstan ຄັ້ງທໍາອິດຂອງຜູ້ຊ່ຽວຊານດ້ານຂໍ້ມູນ.

ໃນຮູບ: Dmitry Kazakov

ຈົ່ງຈື່ຈໍາປະໂຫຍກທີ່ນິຍົມທີ່ Big Data ຄ້າຍຄືກັບການຮ່ວມເພດໃນໄວຫນຸ່ມທີ່ສຸດ - ທຸກຄົນເວົ້າກ່ຽວກັບມັນ, ແຕ່ບໍ່ມີໃຜຮູ້ວ່າມັນມີຢູ່ຈິງ. ດຽວກັນສາມາດເວົ້າໄດ້ກ່ຽວກັບຕະຫຼາດສໍາລັບຜູ້ຊ່ຽວຊານດ້ານຂໍ້ມູນ (ໃນຄາຊັກສະຖານ) - ມີ hype, ແຕ່ວ່າຜູ້ທີ່ຢູ່ເບື້ອງຫຼັງມັນ (ແລະວ່າມີໃຜຢູ່ບ່ອນນັ້ນ) ແມ່ນບໍ່ຊັດເຈນ - ທັງກັບ HR, ຫຼືຜູ້ຈັດການ, ຫຼື. ນັກວິທະຍາສາດຂໍ້ມູນດ້ວຍຕົນເອງ.

ພວກເຮົາໃຊ້ເວລາ ການສຶກສາ, ໃນນັ້ນພວກເຂົາໄດ້ສໍາຫຼວດຜູ້ຊ່ຽວຊານຫຼາຍກວ່າ 300 ຄົນກ່ຽວກັບເງິນເດືອນ, ຫນ້າທີ່, ທັກສະ, ເຄື່ອງມືແລະອື່ນໆອີກ.

Spoiler: ແມ່ນແລ້ວ, ພວກມັນມີຢູ່ແນ່ນອນ, ແຕ່ທຸກສິ່ງທຸກຢ່າງບໍ່ງ່າຍດາຍ.

ຄວາມເຂົ້າໃຈດີ. ກ່ອນອື່ນ ໝົດ, ມີນັກວິທະຍາສາດຂໍ້ມູນຫຼາຍກວ່າທີ່ພວກເຮົາຄາດໄວ້. ພວກເຮົາໄດ້ຈັດການການສໍາພາດ 300 ຄົນ, ໃນນັ້ນບໍ່ພຽງແຕ່ເປັນນັກວິເຄາະຜະລິດຕະພັນ, ການຕະຫຼາດແລະ BI, ແຕ່ຍັງເປັນວິສະວະກອນ ML ແລະ DWH, ເຊິ່ງເປັນສິ່ງທີ່ຫນ້າພໍໃຈໂດຍສະເພາະ. ກຸ່ມທີ່ໃຫຍ່ທີ່ສຸດປະກອບມີຜູ້ທີ່ເອີ້ນຕົວເອງວ່ານັກວິທະຍາສາດຂໍ້ມູນ - ນັ້ນແມ່ນ 36% ຂອງຜູ້ຕອບ. ມັນເປັນການຍາກທີ່ຈະເວົ້າວ່າມັນກວມເອົາຄວາມຕ້ອງການຂອງຕະຫຼາດຫຼືບໍ່, ເພາະວ່າຕະຫຼາດຕົວມັນເອງພຽງແຕ່ຖືກສ້າງຕັ້ງຂຶ້ນ.

ການແຜ່ກະຈາຍຂອງລະດັບວຽກແມ່ນສັບສົນ - ມີຜູ້ນໍາທີມງານແລະຜູ້ຈັດການເກືອບທັງຫມົດເປັນ juniors. ມັນອາດຈະມີຫຼາຍເຫດຜົນສໍາລັບການນີ້. ຕົວຢ່າງ, ຈໍານວນຂະຫນາດໃຫຍ່ຂອງທີມງານຂະຫນາດນ້ອຍຂອງ 2-3 ຄົນ, ເຊິ່ງຜູ້ນໍາສາມາດເປັນຜູ້ຊ່ຽວຊານລະດັບກາງຫຼືອາວຸໂສ.

ເຫດຜົນອີກອັນຫນຶ່ງອາດຈະເປັນຄວາມວຸ່ນວາຍທີ່ປົກຄອງຕະຫຼາດໃນປະຈຸບັນກ່ຽວກັບມາດຕະຖານໃນການແຈກຢາຍພາລະບົດບາດແລະຫນ້າທີ່. ບາງຄັ້ງຜູ້ນໍາທີມງານແມ່ນມອບໃຫ້ຜູ້ທີ່ພຽງແຕ່ເຮັດວຽກຫນຶ່ງປີຫຼືສອງປີຫຼາຍກວ່າຄົນອື່ນ, ໂດຍບໍ່ມີການອ້າງອີງເຖິງລະດັບທັກສະແລະຄວາມຮູ້. ພວກເຮົາເຫັນນີ້ໃນການແຈກຢາຍຫນ້າທີ່ໂດຍຕໍາແຫນ່ງ - 38% ຂອງຜູ້ຈັດການແລະຜູ້ນໍາທີມແມ່ນມີສ່ວນຮ່ວມໃນການປຸງແຕ່ງກ່ອນແລະອີກ 33% ໃນການວິເຄາະສະຖິຕິພື້ນຖານ.

ໃນທີ່ນີ້ພວກເຮົາໄດ້ຂໍໃຫ້ຜູ້ຕອບເພື່ອປະເມີນລະດັບການວິເຄາະໃນບໍລິສັດຂອງພວກເຂົາຢ່າງເປັນຫົວຂໍ້. ຖ້າທ່ານເບິ່ງຢ່າງໃກ້ຊິດ, ທ່ານສາມາດເຫັນໄດ້ວ່າ 10% ຂອງຜູ້ຕອບທີ່ເຮັດວຽກຢູ່ໃນພະແນກການວິເຄາະຂອງ 2-3 ຄົນເຊື່ອວ່າພວກເຂົາມີ "ລະດັບກ້າວຫນ້າ."

"ລະດັບກ້າວຫນ້າ" ແມ່ນຫຍັງ? ລະບົບ BI ເຮັດວຽກໄດ້ດີ. ມີ DWH ແລະຂໍ້ມູນໃຫຍ່. ການທົດສອບ A/B ແມ່ນດໍາເນີນເປັນປົກກະຕິ. ມີລະບົບ ML ແລະ DS ທີ່ເຮັດວຽກຢູ່ໃນການຜະລິດ. ການຕັດສິນໃຈແມ່ນເຮັດພຽງແຕ່ອີງໃສ່ຂໍ້ມູນ. ພະແນກການປຸງແຕ່ງຂໍ້ມູນແລະວິທະຍາສາດຂໍ້ມູນແມ່ນຫນຶ່ງໃນບັນດາບໍລິສັດທີ່ສໍາຄັນ.

ມັນເກືອບເປັນໄປບໍ່ໄດ້ທີ່ຈະບັນລຸທັງຫມົດຂ້າງເທິງກັບພະແນກຂອງ 2-3 ຄົນ. ຂ້າພະເຈົ້າຄິດວ່າຜົນການສໍາຫຼວດນີ້ແມ່ນຄວາມເຈັບປວດທີ່ເພີ່ມຂຶ້ນເລັກນ້ອຍ - ຜູ້ຊາຍຍັງບໍ່ທັນມີໃຜທີ່ຈະປຽບທຽບຕົນເອງເພື່ອກໍານົດລະດັບຂອງພວກເຂົາຢ່າງເປັນຈຸດປະສົງຫຼາຍ.

ດັ່ງທີ່ຄາດໄວ້, ນັກວິທະຍາສາດຂໍ້ມູນໃຊ້ເວລາສ່ວນໃຫຍ່ບໍ່ໄດ້ຢູ່ໃນຄະນິດສາດ ຫຼື ວິສະວະກຳທີ່ຊັບຊ້ອນ, ແຕ່ໃນການປະມວນຜົນກ່ອນ, ການດາວໂຫຼດ ແລະ ການທຳຄວາມສະອາດຂໍ້ມູນ. ໃນທຸກໆຄວາມຊ່ຽວຊານພວກເຮົາເຫັນການປຸງແຕ່ງກ່ອນໃນ 3 ອັນດັບຕົ້ນ. ແຕ່ພວກເຮົາບໍ່ຄ່ອຍເຫັນສິ່ງທີ່ສັບສົນເຊັ່ນ: ການພັດທະນາແບບຈໍາລອງ ML ຫຼືເຮັດວຽກກັບ Big Data ໃນ 3 ອັນດັບທໍາອິດ - ພຽງແຕ່ໃນບັນດາວິສະວະກອນ ML ແລະ DWH ເທົ່ານັ້ນ.

ນອກຈາກນີ້ຍັງມີຄວາມເຂົ້າໃຈທີ່ໂສກເສົ້າຫຼາຍ. ຜູ້ຊ່ຽວຊານກໍານົດ 40% ຂອງວຽກງານຂອງຕົນເອງ. ໃນປະເທດຄາຊັກສະຖານ, ມາຮອດປັດຈຸບັນມີພຽງແຕ່ບໍລິສັດ unicorn ຊັ້ນນໍາເທົ່ານັ້ນທີ່ໄດ້ພະຍາຍາມຜົນປະໂຫຍດຂອງການເຮັດວຽກກັບຂໍ້ມູນໃຫຍ່ແລະຮຽນຮູ້ວິທີການເຮັດມັນຢ່າງມີປະສິດທິພາບ. ພວກເຂົາເຈົ້າອອກອາກາດກັບຕະຫຼາດວ່າຂໍ້ມູນໃຫຍ່ແລະການຮຽນຮູ້ເຄື່ອງຈັກແມ່ນເຢັນ, ແລະ echelon ທີສອງປະຕິບັດຕາມຫລັງ, ແຕ່ບໍ່ສະເຫມີເຂົ້າໃຈວ່າການເຮັດວຽກກັບຂໍ້ມູນເຮັດວຽກແນວໃດ. ດັ່ງນັ້ນ, ພວກເຮົາເຫັນວ່າຜູ້ຊ່ຽວຊານກໍານົດວຽກງານສໍາລັບຕົນເອງ, ແລະທຸລະກິດບໍ່ຮູ້ວ່າພວກເຂົາຕ້ອງການຫຍັງ.

ຂ້ອຍຮູ້ສຶກແປກໃຈທີ່ຮູ້ວ່າ 20% ຂອງຜູ້ຊ່ຽວຊານບໍ່ຮູ້ວ່າບໍລິສັດຂອງເຂົາເຈົ້າມີສາງຂໍ້ມູນຫຼືບໍ່. ແລະດ້ວຍລະບົບຕ່າງໆ ການຈັດການຖານຂໍ້ມູນ ບໍ່ແມ່ນທຸກຢ່າງຈະດີປານໃດ - 41% ໃຊ້ MySQL, ແລະອີກ 34% ໃຊ້ PostgreSQL. ນີ້ໝາຍຄວາມວ່າແນວໃດ? ພວກມັນເຮັດວຽກກັບຂໍ້ມູນຂະໜາດນ້ອຍຫຼາຍຂຶ້ນ.

ໃນຄໍາຖາມກ່ຽວກັບລະບົບການເກັບຮັກສາ, ພວກເຮົາອີກເທື່ອຫນຶ່ງເບິ່ງ MySQL ແລະແມ້ກະທັ້ງ (!) Excel. ແຕ່ຕົວຢ່າງນີ້ອາດຈະຊີ້ບອກວ່າບໍລິສັດສ່ວນໃຫຍ່ຍັງບໍ່ທັນມີຄໍາຮ້ອງຂໍເຮັດວຽກກັບຂໍ້ມູນໃຫຍ່.

ທີ່ນີ້ທຸກສິ່ງທຸກຢ່າງແມ່ນມີຄວາມບໍ່ຊັດເຈນອີກເທື່ອຫນຶ່ງ. ໂດຍທົ່ວໄປແລ້ວ, ເງິນເດືອນແມ່ນຕໍ່າກວ່າທີ່ຂ້ອຍຄາດໄວ້ເລັກນ້ອຍ.

ສ່ວນບຸກຄົນ, ມັນເປັນການຍາກສໍາລັບຂ້າພະເຈົ້າທີ່ຈະຈິນຕະນາການວິສະວະກອນ ML ທີ່ພ້ອມທີ່ຈະເຮັດວຽກສໍາລັບ 200 ພັນ tenge - ລາວອາດຈະເປັນນັກຝຶກງານ. ຄວາມສາມາດຂອງຜູ້ຊ່ຽວຊານດັ່ງກ່າວຍັງອ່ອນແອຫຼາຍ, ຫຼືມັນຍັງມີຄວາມຫຍຸ້ງຍາກສໍາລັບບໍລິສັດທີ່ຈະປະເມີນວຽກງານຂອງວິທະຍາສາດຂໍ້ມູນຢ່າງພຽງພໍ. ແຕ່ບາງທີນີ້ຍັງຊີ້ໃຫ້ເຫັນວ່າຕະຫຼາດຍັງຢູ່ໃນຈຸດເລີ່ມຕົ້ນຂອງການເຕີບໃຫຍ່ຂອງມັນ. ແລະໃນໄລຍະເວລາ, ລະດັບເງິນເດືອນຈະຖືກສ້າງຕັ້ງຂຶ້ນໃນລະດັບທີ່ພຽງພໍ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com