ഡാറ്റാ എഞ്ചിനീയറും ഡാറ്റാ സയന്റിസ്റ്റും: അവർക്ക് എന്തുചെയ്യാൻ കഴിയും, അവർ എത്രമാത്രം സമ്പാദിക്കുന്നു

ഫാക്കൽറ്റി മേധാവി എലീന ജെറാസിമോവയ്‌ക്കൊപ്പം "ഡാറ്റ സയൻസും അനലിറ്റിക്സും» നെറ്റോളജിയിൽ അവർ എങ്ങനെ പരസ്പരം ഇടപഴകുന്നുവെന്നും ഡാറ്റാ സയന്റിസ്റ്റുകളും ഡാറ്റാ എഞ്ചിനീയർമാരും എങ്ങനെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നുവെന്നും ഞങ്ങൾ മനസ്സിലാക്കുന്നത് തുടരുന്നു.

ആദ്യ ഭാഗത്തിൽ അവർ പറഞ്ഞു ഡാറ്റാ സയന്റിസ്റ്റും ഡാറ്റാ എഞ്ചിനീയറും തമ്മിലുള്ള പ്രധാന വ്യത്യാസങ്ങളെക്കുറിച്ച്.

സ്പെഷ്യലിസ്റ്റുകൾക്ക് എന്ത് അറിവും നൈപുണ്യവും ഉണ്ടായിരിക്കണം, തൊഴിലുടമകൾ എന്ത് വിദ്യാഭ്യാസത്തെ വിലമതിക്കുന്നു, അഭിമുഖങ്ങൾ എങ്ങനെ നടത്തുന്നു, ഡാറ്റാ എഞ്ചിനീയർമാരും ഡാറ്റാ ശാസ്ത്രജ്ഞരും എത്രമാത്രം സമ്പാദിക്കുന്നു എന്നതിനെക്കുറിച്ച് ഈ മെറ്റീരിയലിൽ നമ്മൾ സംസാരിക്കും. 

ശാസ്ത്രജ്ഞരും എഞ്ചിനീയർമാരും അറിഞ്ഞിരിക്കേണ്ട കാര്യങ്ങൾ

രണ്ട് സ്പെഷ്യലിസ്റ്റുകൾക്കും പ്രത്യേക വിദ്യാഭ്യാസം കമ്പ്യൂട്ടർ സയൻസാണ്.

ഏതൊരു ഡാറ്റാ ശാസ്ത്രജ്ഞനും-ഡാറ്റാ സയന്റിസ്റ്റ് അല്ലെങ്കിൽ അനലിസ്റ്റ്-അവരുടെ നിഗമനങ്ങളുടെ കൃത്യത തെളിയിക്കാൻ കഴിയണം. ഇതിനായി നിങ്ങൾക്ക് അറിവില്ലാതെ ചെയ്യാൻ കഴിയില്ല സ്ഥിതിവിവരക്കണക്കുകളും സ്ഥിതിവിവരക്കണക്കുകളുമായി ബന്ധപ്പെട്ട അടിസ്ഥാന ഗണിതവും.

ആധുനിക ലോകത്ത് മെഷീൻ ലേണിംഗും ഡാറ്റ അനലിറ്റിക്സ് ഉപകരണങ്ങളും ഒഴിച്ചുകൂടാനാവാത്തതാണ്. സാധാരണ ഉപകരണങ്ങൾ ലഭ്യമല്ലെങ്കിൽ, നിങ്ങൾക്ക് കഴിവുകൾ ഉണ്ടായിരിക്കണം പുതിയ ടൂളുകൾ വേഗത്തിൽ പഠിക്കുന്നു, ടാസ്ക്കുകൾ ഓട്ടോമേറ്റ് ചെയ്യുന്നതിന് ലളിതമായ സ്ക്രിപ്റ്റുകൾ സൃഷ്ടിക്കുന്നു.

ഡാറ്റ ശാസ്ത്രജ്ഞൻ വിശകലനത്തിന്റെ ഫലങ്ങൾ ഫലപ്രദമായി ആശയവിനിമയം നടത്തണം എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. ഇത് അവനെ സഹായിക്കും ഡാറ്റ ദൃശ്യവൽക്കരണം അല്ലെങ്കിൽ സിദ്ധാന്തങ്ങളുടെ ഗവേഷണത്തിന്റെയും പരിശോധനയുടെയും ഫലങ്ങൾ. ചാർട്ടുകളും ഗ്രാഫുകളും സൃഷ്‌ടിക്കാനും വിഷ്വലൈസേഷൻ ടൂളുകൾ ഉപയോഗിക്കാനും ഡാഷ്‌ബോർഡുകളിൽ നിന്നുള്ള ഡാറ്റ മനസ്സിലാക്കാനും വിശദീകരിക്കാനും സ്പെഷ്യലിസ്റ്റുകൾക്ക് കഴിയണം.

ഒരു ഡാറ്റാ എഞ്ചിനീയർക്ക്, മൂന്ന് മേഖലകൾ മുന്നിലേക്ക് വരുന്നു.

അൽഗോരിതങ്ങളും ഡാറ്റ ഘടനകളും. കോഡ് എഴുതുന്നതിലും അടിസ്ഥാന ഘടനകളും അൽഗോരിതങ്ങളും ഉപയോഗിക്കുന്നതിലും മികച്ചത് നേടേണ്ടത് പ്രധാനമാണ്:

• അൽഗോരിതം സങ്കീർണ്ണത വിശകലനം,
• വ്യക്തവും പരിപാലിക്കാവുന്നതുമായ കോഡ് എഴുതാനുള്ള കഴിവ്, 
• ബാച്ച് പ്രോസസ്സിംഗ്,
• തത്സമയ പ്രോസസ്സിംഗ്.

ഡാറ്റാബേസുകളും ഡാറ്റ വെയർഹൗസുകളും, ബിസിനസ് ഇന്റലിജൻസ്:

• ഡാറ്റ സംഭരണവും പ്രോസസ്സിംഗും,
• സമ്പൂർണ്ണ സംവിധാനങ്ങളുടെ രൂപകൽപ്പന,
• ഡാറ്റ ഉൾപ്പെടുത്തൽ,
• വിതരണം ചെയ്ത ഫയൽ സിസ്റ്റങ്ങൾ.

ഹഡൂപ്പും ബിഗ് ഡാറ്റയും. കൂടുതൽ കൂടുതൽ ഡാറ്റയുണ്ട്, 3-5 വർഷത്തിനുള്ളിൽ, ഈ സാങ്കേതികവിദ്യകൾ ഓരോ എഞ്ചിനീയർക്കും ആവശ്യമായി വരും. കൂടാതെ:

• ഡാറ്റ തടാകങ്ങൾ
• ക്ലൗഡ് ദാതാക്കളുമായി പ്രവർത്തിക്കുന്നു.

യന്ത്ര പഠനം എല്ലായിടത്തും ഉപയോഗിക്കും, അത് പരിഹരിക്കാൻ സഹായിക്കുന്ന ബിസിനസ്സ് പ്രശ്നങ്ങൾ എന്താണെന്ന് മനസ്സിലാക്കേണ്ടത് പ്രധാനമാണ്. മോഡലുകൾ നിർമ്മിക്കാൻ കഴിയണമെന്നില്ല (ഡാറ്റ ശാസ്ത്രജ്ഞർക്ക് ഇത് കൈകാര്യം ചെയ്യാൻ കഴിയും), എന്നാൽ അവയുടെ ആപ്ലിക്കേഷനും അനുബന്ധ ആവശ്യകതകളും നിങ്ങൾ മനസ്സിലാക്കേണ്ടതുണ്ട്.

എഞ്ചിനീയർമാരും ശാസ്ത്രജ്ഞരും എത്രമാത്രം സമ്പാദിക്കുന്നു?

ഡാറ്റ എഞ്ചിനീയർ വരുമാനം

അന്താരാഷ്ട്ര പ്രയോഗത്തിൽ പ്രാരംഭ ശമ്പളം സാധാരണയായി പ്രതിവർഷം $100 ആണ്, കൂടാതെ Glassdoor അനുസരിച്ച് അനുഭവം കൊണ്ട് ഗണ്യമായി വർദ്ധിക്കും. കൂടാതെ, കമ്പനികൾ പലപ്പോഴും സ്റ്റോക്ക് ഓപ്ഷനുകളും 000-5% വാർഷിക ബോണസും നൽകുന്നു.

റഷ്യയിൽ ഒരു കരിയറിന്റെ തുടക്കത്തിൽ, ശമ്പളം സാധാരണയായി പ്രദേശങ്ങളിൽ 50 ആയിരം റുബിളിലും മോസ്കോയിൽ 80 ആയിരത്തിലും കുറയാത്തതാണ്. ഈ ഘട്ടത്തിൽ പരിശീലനം പൂർത്തിയാക്കിയതല്ലാതെ മറ്റൊരു പരിചയവും ആവശ്യമില്ല.

1-2 വർഷത്തെ ജോലിക്ക് ശേഷം - 90-100 ആയിരം റൂബിൾസ്.

120-160 വർഷത്തിനുള്ളിൽ ഫോർക്ക് 2-5 ആയിരം ആയി വർദ്ധിക്കുന്നു. മുൻ കമ്പനികളുടെ സ്പെഷ്യലൈസേഷൻ, പ്രോജക്റ്റുകളുടെ വലുപ്പം, വലിയ ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കുക തുടങ്ങിയ ഘടകങ്ങൾ ചേർക്കുന്നു.

5 വർഷത്തെ ജോലിക്ക് ശേഷം, ബന്ധപ്പെട്ട ഡിപ്പാർട്ട്‌മെന്റുകളിലെ ഒഴിവുകൾ നോക്കുകയോ അല്ലെങ്കിൽ ഉയർന്ന പ്രത്യേക തസ്തികകളിലേക്ക് അപേക്ഷിക്കുകയോ ചെയ്യുന്നത് എളുപ്പമാണ്:

• ഒരു ബാങ്കിലോ ടെലികോമിലോ ആർക്കിടെക്റ്റ് അല്ലെങ്കിൽ ലീഡ് ഡെവലപ്പർ - ഏകദേശം 250 ആയിരം.

• നിങ്ങൾ ഏറ്റവും അടുത്ത് പ്രവർത്തിച്ച സാങ്കേതികവിദ്യകളുടെ വെണ്ടറിൽ നിന്നുള്ള പ്രീ-സെയിൽസ് - 200 ആയിരം പ്ലസ് സാധ്യമായ ബോണസ് (1-1,5 ദശലക്ഷം റൂബിൾസ്). 

• SAP പോലുള്ള എന്റർപ്രൈസ് ബിസിനസ് ആപ്ലിക്കേഷനുകൾ നടപ്പിലാക്കുന്നതിൽ വിദഗ്ധർ - 350 ആയിരം വരെ.

ഡാറ്റ ശാസ്ത്രജ്ഞരുടെ വരുമാനം

ഗവേഷണം "നോർമൽ റിസർച്ച്" എന്ന കമ്പനിയുടെയും റിക്രൂട്ടിംഗ് ഏജൻസിയായ New.HR ന്റെയും അനലിസ്റ്റുകളുടെ മാർക്കറ്റ് കാണിക്കുന്നത് ഡാറ്റ സയൻസ് സ്പെഷ്യലിസ്റ്റുകൾക്ക് മറ്റ് സ്പെഷ്യാലിറ്റികളുടെ അനലിസ്റ്റുകളെ അപേക്ഷിച്ച് ശരാശരി ഉയർന്ന ശമ്പളം ലഭിക്കുന്നുണ്ടെന്ന്. 

റഷ്യയിൽ, ഒരു വർഷം വരെ പരിചയമുള്ള ഒരു ഡാറ്റ ശാസ്ത്രജ്ഞന്റെ പ്രാരംഭ ശമ്പളം 113 ആയിരം റുബിളിൽ നിന്നാണ്. 

പരിശീലന പരിപാടികൾ പൂർത്തിയാക്കുന്നതും ഇപ്പോൾ പ്രവൃത്തിപരിചയമായി കണക്കാക്കുന്നു.

1-2 വർഷത്തിനുശേഷം, അത്തരമൊരു സ്പെഷ്യലിസ്റ്റിന് ഇതിനകം 160 ആയിരം വരെ ലഭിക്കും.

4-5 വർഷത്തെ പരിചയമുള്ള ഒരു ജീവനക്കാരന്, ഫോർക്ക് 310 ആയിരം ആയി വർദ്ധിക്കുന്നു.

അഭിമുഖങ്ങൾ എങ്ങനെയാണ് നടത്തുന്നത്?

പടിഞ്ഞാറൻ രാജ്യങ്ങളിൽ, തൊഴിലധിഷ്ഠിത പരിശീലന പരിപാടികളിലെ ബിരുദധാരികൾക്ക് ബിരുദം കഴിഞ്ഞ് ശരാശരി 5 ആഴ്ചകൾക്ക് ശേഷം ആദ്യ അഭിമുഖം നടത്തുന്നു. ഏകദേശം 85% പേർ 3 മാസത്തിന് ശേഷം ജോലി കണ്ടെത്തുന്നു.

ഡാറ്റാ എഞ്ചിനീയർ, ഡാറ്റാ സയന്റിസ്റ്റ് തസ്തികകളിലേക്കുള്ള ഇന്റർവ്യൂ പ്രക്രിയ ഫലത്തിൽ സമാനമാണ്. സാധാരണയായി അഞ്ച് ഘട്ടങ്ങൾ ഉൾക്കൊള്ളുന്നു.

സംഗ്രഹം. നോൺ-കോർ മുൻ പരിചയമുള്ള (ഉദാ. മാർക്കറ്റിംഗ്) ഉദ്യോഗാർത്ഥികൾ ഓരോ കമ്പനിക്കും വിശദമായ ഒരു കവർ ലെറ്റർ തയ്യാറാക്കേണ്ടതുണ്ട് അല്ലെങ്കിൽ ആ കമ്പനിയുടെ പ്രതിനിധിയിൽ നിന്ന് ഒരു റഫറൻസ് ഉണ്ടായിരിക്കണം.

സാങ്കേതിക സ്ക്രീനിംഗ്. ഇത് സാധാരണയായി ഫോണിലൂടെയാണ് നടക്കുന്നത്. തൊഴിലുടമയുടെ നിലവിലെ സ്റ്റാക്കുമായി ബന്ധപ്പെട്ട ഒന്നോ രണ്ടോ സങ്കീർണ്ണവും ലളിതവുമായ ചോദ്യങ്ങൾ ഉൾക്കൊള്ളുന്നു.

എച്ച്ആർ അഭിമുഖം. ഫോണിലൂടെ ചെയ്യാം. ഈ ഘട്ടത്തിൽ, സ്ഥാനാർത്ഥിയെ പൊതുവായ പര്യാപ്തതയ്ക്കും ആശയവിനിമയത്തിനുള്ള കഴിവിനും വേണ്ടി പരീക്ഷിക്കുന്നു.

സാങ്കേതിക അഭിമുഖം. മിക്കപ്പോഴും ഇത് വ്യക്തിപരമായി നടക്കുന്നു. വ്യത്യസ്ത കമ്പനികളിൽ, സ്റ്റാഫിംഗ് ടേബിളിലെ സ്ഥാനങ്ങളുടെ നില വ്യത്യസ്തമാണ്, കൂടാതെ സ്ഥാനങ്ങൾക്ക് വ്യത്യസ്തമായി പേരിടാം. അതിനാൽ, ഈ ഘട്ടത്തിൽ സാങ്കേതിക പരിജ്ഞാനം പരീക്ഷിക്കപ്പെടുന്നു.

CTO/ചീഫ് ആർക്കിടെക്റ്റുമായുള്ള അഭിമുഖം. എഞ്ചിനീയറും ശാസ്ത്രജ്ഞനും തന്ത്രപ്രധാനമായ സ്ഥാനങ്ങളാണ്, കൂടാതെ പല കമ്പനികൾക്കും അവരും പുതിയവരാണ്. മാനേജർ സാധ്യതയുള്ള സഹപ്രവർത്തകനെ ഇഷ്ടപ്പെടുകയും അവന്റെ വീക്ഷണങ്ങളിൽ അവനുമായി യോജിക്കുകയും ചെയ്യേണ്ടത് പ്രധാനമാണ്.

ശാസ്ത്രജ്ഞരെയും എഞ്ചിനീയർമാരെയും അവരുടെ കരിയർ വളർച്ചയിൽ എന്ത് സഹായിക്കും?

ഡാറ്റയുമായി പ്രവർത്തിക്കുന്നതിന് ധാരാളം പുതിയ ഉപകരണങ്ങൾ പ്രത്യക്ഷപ്പെട്ടു. മാത്രമല്ല എല്ലാവരോടും ഒരുപോലെ മിടുക്കരായവർ ചുരുക്കം. 

പ്രവൃത്തിപരിചയമില്ലാത്ത ജീവനക്കാരെ നിയമിക്കാൻ പല കമ്പനികളും തയ്യാറല്ല. എന്നിരുന്നാലും, കുറഞ്ഞ പശ്ചാത്തലവും ജനപ്രിയ ഉപകരണങ്ങളുടെ അടിസ്ഥാനകാര്യങ്ങളെക്കുറിച്ചുള്ള അറിവും ഉള്ള ഉദ്യോഗാർത്ഥികൾക്ക് അവർ സ്വന്തമായി പഠിക്കുകയും വികസിപ്പിക്കുകയും ചെയ്താൽ ആവശ്യമായ അനുഭവം നേടാനാകും.

ഒരു ഡാറ്റാ എഞ്ചിനീയർക്കും ഡാറ്റാ സയന്റിസ്റ്റിനും ഉപയോഗപ്രദമായ ഗുണങ്ങൾ

പഠിക്കാനുള്ള ആഗ്രഹവും കഴിവും. ഒരു പുതിയ ഉപകരണത്തിനായി നിങ്ങൾ ഉടനടി അനുഭവം പിന്തുടരുകയോ ജോലി മാറ്റുകയോ ചെയ്യേണ്ടതില്ല, എന്നാൽ ഒരു പുതിയ മേഖലയിലേക്ക് മാറാൻ നിങ്ങൾ തയ്യാറാകേണ്ടതുണ്ട്.

പതിവ് പ്രക്രിയകൾ ഓട്ടോമേറ്റ് ചെയ്യാനുള്ള ആഗ്രഹം. ഉൽപ്പാദനക്ഷമതയ്ക്ക് മാത്രമല്ല, ഉയർന്ന ഡാറ്റ നിലവാരവും ഉപഭോക്താവിന് ഡെലിവറി വേഗതയും നിലനിർത്തുന്നതിനും ഇത് പ്രധാനമാണ്.

പ്രക്രിയകളുടെ "ഹൂഡിന് കീഴിലുള്ളത്" എന്നതിനെക്കുറിച്ചുള്ള ശ്രദ്ധയും ധാരണയും. നിരീക്ഷണവും പ്രക്രിയകളെക്കുറിച്ച് സമഗ്രമായ അറിവും ഉള്ള ഒരു സ്പെഷ്യലിസ്റ്റ് പ്രശ്നം വേഗത്തിൽ പരിഹരിക്കും.

അൽഗോരിതങ്ങൾ, ഡാറ്റ ഘടനകൾ, പൈപ്പ്ലൈനുകൾ എന്നിവയെക്കുറിച്ചുള്ള മികച്ച അറിവ് കൂടാതെ, നിങ്ങൾക്ക് ആവശ്യമാണ് ഉൽപ്പന്നങ്ങളിൽ ചിന്തിക്കാൻ പഠിക്കുക — വാസ്തുവിദ്യയും ബിസിനസ്സ് സൊല്യൂഷനും ഒരൊറ്റ ചിത്രമായി കാണുക. 

ഉദാഹരണത്തിന്, അറിയപ്പെടുന്ന ഏതെങ്കിലും സേവനം എടുത്ത് അതിനായി ഒരു ഡാറ്റാബേസ് കൊണ്ടുവരുന്നത് ഉപയോഗപ്രദമാണ്. ETL, DW എന്നിവ എങ്ങനെ വികസിപ്പിക്കാം, അത് ഡാറ്റ നിറയ്ക്കുകയും ഏത് തരത്തിലുള്ള ഉപഭോക്താക്കൾ ആയിരിക്കും, ഡാറ്റയെക്കുറിച്ച് അറിയാൻ അവർക്ക് എന്താണ് പ്രധാനം, കൂടാതെ വാങ്ങുന്നവർ ആപ്ലിക്കേഷനുകളുമായി എങ്ങനെ ഇടപഴകുന്നു എന്നതിനെക്കുറിച്ചും ചിന്തിക്കുക: ജോലി തിരയലിനും ഡേറ്റിംഗിനും കാർ വാടകയ്‌ക്കെടുക്കുന്നതിനും , പോഡ്കാസ്റ്റ് ആപ്ലിക്കേഷൻ, വിദ്യാഭ്യാസ പ്ലാറ്റ്ഫോം.

ഒരു അനലിസ്റ്റ്, ഡാറ്റാ സയന്റിസ്റ്റ്, എഞ്ചിനീയർ എന്നിവരുടെ സ്ഥാനങ്ങൾ വളരെ അടുത്താണ്, അതിനാൽ നിങ്ങൾക്ക് മറ്റ് മേഖലകളേക്കാൾ വേഗത്തിൽ ഒരു ദിശയിൽ നിന്ന് മറ്റൊന്നിലേക്ക് നീങ്ങാൻ കഴിയും.

ഏതായാലും, ഏതെങ്കിലും ഐടി പശ്ചാത്തലമുള്ളവർക്ക് അത് ഇല്ലാത്തവരെക്കാൾ എളുപ്പമായിരിക്കും. ശരാശരി, പ്രചോദിതരായ മുതിർന്നവർ ഓരോ 1,5-2 വർഷത്തിലും വീണ്ടും പരിശീലനം നേടുകയും ജോലി മാറ്റുകയും ചെയ്യുന്നു. ഓപ്പൺ സോഴ്‌സുകളെ മാത്രം ആശ്രയിക്കുന്നവരെ അപേക്ഷിച്ച്, ഒരു ഗ്രൂപ്പിലും ഒരു ഉപദേശകനുമായി പഠിക്കുന്നവർക്ക് ഇത് എളുപ്പമാണ്.

നെറ്റോളജിയുടെ എഡിറ്റർമാരിൽ നിന്ന്

നിങ്ങൾ ഡാറ്റാ എഞ്ചിനീയറുടെയോ ഡാറ്റാ സയന്റിസ്റ്റിന്റെയോ തൊഴിൽ നോക്കുകയാണെങ്കിൽ, ഞങ്ങളുടെ കോഴ്സുകളുടെ പ്രോഗ്രാമുകൾ പഠിക്കാൻ ഞങ്ങൾ നിങ്ങളെ ക്ഷണിക്കുന്നു:

• തൊഴിൽ "ഡാറ്റാ എഞ്ചിനീയർ".  
• തൊഴിൽ "ഡാറ്റ സയന്റിസ്റ്റ്".
• നന്നായി"ഡാറ്റ അനലിസ്റ്റ്".

അവലംബം: www.habr.com