डेटा अभियंता आणि डेटा सायंटिस्ट: ते काय करू शकतात आणि ते किती कमावतात

विद्याशाखा प्रमुख एलेना गेरासिमोवा यांच्यासमवेत "डेटा विज्ञान आणि विश्लेषण» नेटोलॉजीमध्ये ते एकमेकांशी कसे संवाद साधतात आणि डेटा सायंटिस्ट आणि डेटा अभियंते कसे वेगळे आहेत हे आम्ही समजून घेत आहोत.

पहिल्या भागात त्यांनी सांगितले डेटा सायंटिस्ट आणि डेटा अभियंता यांच्यातील मुख्य फरकांबद्दल.

या सामग्रीमध्ये आम्ही तज्ञांकडे कोणते ज्ञान आणि कौशल्ये असणे आवश्यक आहे, नियोक्त्यांद्वारे कोणत्या शिक्षणाचे मूल्य आहे, मुलाखती कशा घेतल्या जातात आणि डेटा अभियंते आणि डेटा वैज्ञानिक किती कमावतात याबद्दल चर्चा करू. 

शास्त्रज्ञ आणि अभियंत्यांना काय माहित असावे

दोन्ही तज्ञांसाठी विशेष शिक्षण म्हणजे संगणक विज्ञान.

कोणताही डेटा सायंटिस्ट-डेटा सायंटिस्ट किंवा विश्लेषक-त्यांच्या निष्कर्षांची शुद्धता सिद्ध करण्यास सक्षम असणे आवश्यक आहे. यासाठी तुम्ही ज्ञानाशिवाय करू शकत नाही सांख्यिकी आणि सांख्यिकी-संबंधित मूलभूत गणित.

आधुनिक जगात मशीन लर्निंग आणि डेटा अॅनालिटिक्स टूल्स अपरिहार्य आहेत. नेहमीची साधने उपलब्ध नसल्यास, आपल्याकडे कौशल्ये असणे आवश्यक आहे त्वरीत नवीन साधने शिकणे, कार्ये स्वयंचलित करण्यासाठी सोप्या स्क्रिप्ट तयार करणे.

हे लक्षात घेणे महत्वाचे आहे की डेटा शास्त्रज्ञाने विश्लेषणाचे परिणाम प्रभावीपणे संप्रेषण केले पाहिजे. हे त्याला यासह मदत करेल डेटा व्हिज्युअलायझेशन किंवा गृहितकांच्या संशोधन आणि चाचणीचे परिणाम. तज्ञांना तक्ते आणि आलेख तयार करणे, व्हिज्युअलायझेशन टूल्स वापरणे आणि डॅशबोर्डवरील डेटा समजून घेणे आणि स्पष्ट करणे आवश्यक आहे.

डेटा इंजिनिअरसाठी तीन क्षेत्रे समोर येतात.

अल्गोरिदम आणि डेटा संरचना. कोड लिहिणे आणि मूलभूत संरचना आणि अल्गोरिदम वापरणे चांगले असणे महत्वाचे आहे:

• अल्गोरिदम जटिलता विश्लेषण,
• स्पष्ट, देखरेख करण्यायोग्य कोड लिहिण्याची क्षमता, 
• बॅच प्रक्रिया,
• रिअल-टाइम प्रक्रिया.

डेटाबेस आणि डेटा वेअरहाऊस, व्यवसाय बुद्धिमत्ता:

• डेटा स्टोरेज आणि प्रक्रिया,
• संपूर्ण प्रणालीची रचना,
• डेटा अंतर्ग्रहण,
• वितरित फाइल सिस्टम.

हडूप आणि बिग डेटा. अधिकाधिक डेटा आहे आणि पुढील 3-5 वर्षांमध्ये, प्रत्येक अभियंत्यासाठी हे तंत्रज्ञान आवश्यक होईल. अधिक:

• डेटा तलाव
• क्लाउड प्रदात्यांसह कार्य करणे.

मशीन लर्निंग सर्वत्र वापरले जाईल, आणि ते कोणत्या व्यावसायिक समस्यांचे निराकरण करण्यात मदत करेल हे समजून घेणे महत्त्वाचे आहे. मॉडेल बनवण्यास सक्षम असणे आवश्यक नाही (डेटा वैज्ञानिक हे हाताळू शकतात), परंतु आपल्याला त्यांचे अनुप्रयोग आणि संबंधित आवश्यकता समजून घेणे आवश्यक आहे.

अभियंते आणि शास्त्रज्ञ किती कमावतात?

डेटा अभियंता उत्पन्न

आंतरराष्ट्रीय सराव मध्ये Glassdoor नुसार, सुरुवातीचे पगार साधारणपणे $100 प्रति वर्ष असतात आणि अनुभवाने लक्षणीय वाढतात. याव्यतिरिक्त, कंपन्या अनेकदा स्टॉक पर्याय आणि 000-5% वार्षिक बोनस प्रदान करतात.

रशिया मध्ये करिअरच्या सुरूवातीस, पगार सामान्यत: प्रदेशांमध्ये 50 हजार रूबल आणि मॉस्कोमध्ये 80 हजारांपेक्षा कमी नसतो. या टप्प्यावर पूर्ण केलेल्या प्रशिक्षणाशिवाय इतर कोणत्याही अनुभवाची आवश्यकता नाही.

1-2 वर्षांच्या कामानंतर - 90-100 हजार रूबलचा काटा.

काटा 120-160 वर्षांत 2-5 हजारांपर्यंत वाढतो. पूर्वीच्या कंपन्यांचे स्पेशलायझेशन, प्रकल्पांचा आकार, बिग डेटासह कार्य इत्यादी घटक जोडले जातात.

5 वर्षांच्या कामानंतर, संबंधित विभागांमध्ये रिक्त जागा शोधणे किंवा उच्च विशिष्ट पदांसाठी अर्ज करणे सोपे आहे जसे की:

• बँक किंवा टेलिकॉममध्ये आर्किटेक्ट किंवा लीड डेव्हलपर - सुमारे 250 हजार.

• विक्रेत्याकडून प्री-सेल्स ज्यांच्या तंत्रज्ञानावर तुम्ही अगदी जवळून काम केले आहे - 200 हजार अधिक संभाव्य बोनस (1-1,5 दशलक्ष रूबल). 

• एंटरप्राइझ व्यवसाय अनुप्रयोगांच्या अंमलबजावणीतील तज्ञ, जसे की SAP - 350 हजार पर्यंत.

डेटा वैज्ञानिकांचे उत्पन्न

संशोधन "नॉर्मल रिसर्च" आणि रिक्रूटिंग एजन्सी New.HR च्या विश्लेषकांचे मार्केट दाखवते की डेटा सायन्स तज्ञांना इतर वैशिष्ट्यांच्या विश्लेषकांपेक्षा सरासरी जास्त पगार मिळतो. 

रशियामध्ये, एका वर्षाचा अनुभव असलेल्या डेटा सायंटिस्टचा प्रारंभिक पगार 113 हजार रूबल आहे. 

प्रशिक्षण कार्यक्रम पूर्ण करणे देखील आता कामाचा अनुभव म्हणून विचारात घेतले जाते.

1-2 वर्षांनंतर, अशा तज्ञांना आधीच 160 हजार पर्यंत प्राप्त होऊ शकतात.

4-5 वर्षांचा अनुभव असलेल्या कर्मचार्यासाठी, काटा 310 हजारांपर्यंत वाढतो.

मुलाखती कशा घेतल्या जातात?

पाश्चिमात्य देशांमध्ये, व्यावसायिक प्रशिक्षण कार्यक्रमांच्या पदवीधरांची पदवीनंतर सरासरी ५ आठवड्यांनी पहिली मुलाखत घेतली जाते. सुमारे 5% लोकांना 85 महिन्यांनंतर नोकरी मिळते.

डेटा इंजिनीअर आणि डेटा सायंटिस्ट पदांसाठी मुलाखतीची प्रक्रिया अक्षरशः सारखीच असते. सहसा पाच टप्पे असतात.

सारांश. नॉन-कोर पूर्वीचा अनुभव असलेल्या उमेदवारांना (उदा. मार्केटिंग) प्रत्येक कंपनीसाठी तपशीलवार कव्हर लेटर तयार करणे किंवा त्या कंपनीच्या प्रतिनिधीकडून संदर्भ असणे आवश्यक आहे.

तांत्रिक तपासणी. हे सहसा फोनवर होते. नियोक्त्याच्या वर्तमान स्टॅकशी संबंधित एक किंवा दोन जटिल आणि बरेच सोपे प्रश्न असतात.

एचआर मुलाखत. फोनवरून करता येते. या टप्प्यावर, उमेदवाराची सामान्य पर्याप्तता आणि संवाद साधण्याची क्षमता तपासली जाते.

तांत्रिक मुलाखत. बहुतेकदा हे वैयक्तिकरित्या घडते. वेगवेगळ्या कंपन्यांमध्ये, स्टाफिंग टेबलमधील पोझिशन्सची पातळी वेगळी असते आणि पदांची नावे वेगळी असू शकतात. म्हणून, या टप्प्यावर तांत्रिक ज्ञानाची चाचणी घेतली जाते.

CTO/चीफ आर्किटेक्टची मुलाखत. अभियंता आणि शास्त्रज्ञ ही धोरणात्मक पोझिशन्स आहेत आणि अनेक कंपन्यांसाठी ते नवीन देखील आहेत. हे महत्वाचे आहे की व्यवस्थापकास संभाव्य सहकारी आवडतो आणि त्याच्या विचारांमध्ये त्याच्याशी सहमत आहे.

शास्त्रज्ञ आणि अभियंत्यांना त्यांच्या करिअरच्या वाढीसाठी काय मदत करेल?

डेटासह कार्य करण्यासाठी बरीच नवीन साधने दिसू लागली आहेत. आणि काही लोक सर्वांमध्ये तितकेच चांगले असतात. 

अनेक कंपन्या कामाच्या अनुभवाशिवाय कर्मचारी घेण्यास तयार नाहीत. तथापि, किमान पार्श्वभूमी असलेले आणि लोकप्रिय साधनांच्या मूलभूत गोष्टींचे ज्ञान असलेले उमेदवार जर ते स्वतः शिकले आणि विकसित झाले तर त्यांना आवश्यक अनुभव मिळू शकतो.

डेटा इंजिनिअर आणि डेटा सायंटिस्टसाठी उपयुक्त गुण

इच्छा आणि शिकण्याची क्षमता. तुम्हाला नवीन साधनासाठी ताबडतोब अनुभवाचा पाठलाग करण्याची किंवा नोकर्‍या बदलण्याची गरज नाही, परंतु तुम्हाला नवीन क्षेत्राकडे जाण्याची इच्छा असणे आवश्यक आहे.

नियमित प्रक्रिया स्वयंचलित करण्याची इच्छा. हे केवळ उत्पादकतेसाठीच नाही तर उच्च डेटा गुणवत्ता आणि ग्राहकांना वितरणाचा वेग राखण्यासाठी देखील महत्त्वाचे आहे.

प्रक्रियेच्या "हुड अंतर्गत काय आहे" याची चौकसता आणि समज. एक विशेषज्ञ ज्याचे निरीक्षण आणि प्रक्रियांचे संपूर्ण ज्ञान आहे तो समस्या जलद सोडवेल.

अल्गोरिदम, डेटा स्ट्रक्चर्स आणि पाइपलाइनच्या उत्कृष्ट ज्ञानाव्यतिरिक्त, आपल्याला आवश्यक आहे उत्पादनांमध्ये विचार करायला शिका - आर्किटेक्चर आणि व्यवसाय समाधान एकच चित्र म्हणून पहा. 

उदाहरणार्थ, कोणतीही सुप्रसिद्ध सेवा घेणे आणि त्यासाठी डेटाबेस आणणे उपयुक्त आहे. मग ETL आणि DW कसे विकसित करायचे याचा विचार करा जे ते डेटाने भरतील, ग्राहक कोणत्या प्रकारचे असतील आणि डेटाबद्दल जाणून घेणे त्यांच्यासाठी काय महत्त्वाचे आहे, तसेच खरेदीदार अर्जांशी कसा संवाद साधतात: नोकरी शोध आणि डेटिंगसाठी, कार भाड्याने , पॉडकास्ट ऍप्लिकेशन, शैक्षणिक व्यासपीठ.

विश्लेषक, डेटा सायंटिस्ट आणि अभियंता यांची पोझिशन्स खूप जवळ आहेत, त्यामुळे तुम्ही इतर क्षेत्रांपेक्षा एका दिशेने वेगाने जाऊ शकता.

कोणत्याही परिस्थितीत, कोणतीही आयटी पार्श्वभूमी असलेल्यांसाठी ते नाही त्यांच्यापेक्षा हे सोपे होईल. सरासरी, प्रेरित प्रौढ लोक पुन्हा प्रशिक्षण देतात आणि दर 1,5-2 वर्षांनी नोकरी बदलतात. जे केवळ मुक्त स्त्रोतांवर अवलंबून असतात त्यांच्या तुलनेत गटात आणि मार्गदर्शकासह अभ्यास करणार्‍यांसाठी हे सोपे आहे.

नेटोलॉजीच्या संपादकांकडून

जर तुम्ही डेटा अभियंता किंवा डेटा सायंटिस्टचा व्यवसाय पाहत असाल, तर आम्ही तुम्हाला आमच्या कोर्स प्रोग्राम्सचा अभ्यास करण्यासाठी आमंत्रित करतो:

• व्यवसाय "डेटा अभियंता».  
• व्यवसाय "डेटा वैज्ञानिक».
• बरं"डेटा विश्लेषक».

स्त्रोत: www.habr.com