"हो, तिनीहरू अवस्थित छन्!" कजाकिस्तानमा डाटा विज्ञान विशेषज्ञहरूले के गर्छन् र उनीहरूले कति कमाउँछन्?

दिमित्री काजाकोभ, कोलेसा समूहमा डाटा एनालिटिक्स टोली लीड, डेटा पेशेवरहरूको पहिलो कजाकिस्तान सर्वेक्षणबाट अन्तर्दृष्टि साझा गर्दछ।

फोटो मा: दिमित्री Kazakov

बिग डाटा सबैभन्दा किशोर सेक्स जस्तै हो भन्ने लोकप्रिय वाक्यांश सम्झनुहोस् - सबैले यसको बारेमा कुरा गर्छन्, तर कसैलाई थाहा छैन कि यो वास्तवमा अवस्थित छ। डाटा विशेषज्ञहरू (काजाकिस्तानमा) को बजारको बारेमा पनि यही भन्न सकिन्छ - त्यहाँ प्रचार छ, तर यसको पछाडि को छ (र त्यहाँ कोही पनि छ कि छैन) पूर्ण रूपमा स्पष्ट थिएन - न मानव संसाधनलाई, न व्यवस्थापकहरूलाई, न त। डाटा वैज्ञानिकहरू आफैं।

हामीले बितायेउ अध्ययन गर्नुहोस्, जसमा उनीहरूले 300 भन्दा बढी विशेषज्ञहरूलाई उनीहरूको तलब, कार्यहरू, सीपहरू, उपकरणहरू र अन्य धेरैको बारेमा सर्वेक्षण गरे।

स्पोइलर: हो, तिनीहरू निश्चित रूपमा अवस्थित छन्, तर सबै कुरा यति सरल छैन।

राम्रो अन्तरदृष्टि। पहिलो, हामीले सोचेभन्दा धेरै डाटा वैज्ञानिकहरू छन्। हामीले उत्पादन, मार्केटिङ र BI विश्लेषकहरू मात्र नभएर ML र DWH इन्जिनियरहरू पनि थिए, जुन विशेष गरी मनमोहक थियो। सबैभन्दा ठूलो समूहमा आफूलाई डेटा वैज्ञानिक भनाउने सबै समावेश थिए - त्यो उत्तरदाताहरूको 300% हो। यो भन्न गाह्रो छ कि यसले बजारको मागलाई समेट्छ वा गर्दैन, किनकि बजार आफैं बनिरहेको छ।

जागिरको स्तरको वितरण भ्रामक छ - त्यहाँ जुनियरहरू जस्तै लगभग धेरै टोली नेतृत्व र प्रबन्धकहरू छन्। यसका धेरै कारण हुन सक्छन्। उदाहरणका लागि, 2-3 व्यक्तिहरूको ठूलो संख्यामा साना टोलीहरू, जसमा नेता मध्यम वा वरिष्ठ स्तरको विशेषज्ञ हुन सक्छ।

अर्को कारण भूमिका र कार्यक्षमताको वितरणको मापदण्डको सन्दर्भमा हाल बजारमा राज गरिरहेको अराजकता हुन सक्छ। टोली नेतृत्वहरू कहिलेकाहीँ सीप र ज्ञानको स्तरलाई सन्दर्भ नगरी अरूहरू भन्दा एक वा दुई वर्ष मात्र काम गर्नेहरूलाई तोकिन्छ। हामी यसलाई स्थिति अनुसार कार्यहरूको वितरणमा देख्छौं - 38% प्रबन्धकहरू र टोली नेताहरू पूर्व-प्रक्रियामा र अर्को 33% आधारभूत सांख्यिकीय विश्लेषणमा संलग्न छन्।

यहाँ हामीले उत्तरदाताहरूलाई उनीहरूको कम्पनीहरूमा विश्लेषणको स्तर व्यक्तिपरक रूपमा मूल्याङ्कन गर्न सोध्यौं। यदि तपाईंले नजिकबाट हेर्नुभयो भने, तपाईंले देख्न सक्नुहुन्छ कि 10-2 व्यक्तिहरूको विश्लेषण विभागहरूमा काम गर्ने उत्तरदाताहरूको 3% उनीहरूसँग "उन्नत स्तर" छ भन्ने विश्वास छ।

"उन्नत स्तर" के हो? BI प्रणाली राम्रो काम गर्दछ। त्यहाँ DWH र बिग डाटा छ। A/B परीक्षण नियमित रूपमा गरिन्छ। उत्पादनमा एमएल र डीएस प्रणालीहरू कार्यरत छन्। तथ्यांकका आधारमा मात्र निर्णय गरिन्छ। डाटा प्रोसेसिङ र डाटा विज्ञान विभाग कम्पनी मा एक प्रमुख एक हो।

माथिका सबै कुरा २-३ जनाको डिपार्टमेन्टबाट हासिल गर्न लगभग असम्भव छ। मलाई लाग्छ कि यो सर्वेक्षणको नतिजा अलिकति बढ्दो पीडा हो - केटाहरूसँग आफ्नो स्तर अझ वस्तुनिष्ठ रूपमा निर्धारण गर्नको लागि आफूसँग तुलना गर्ने कोही छैन।

अपेक्षित रूपमा, डेटा वैज्ञानिकहरूले आफ्नो धेरैजसो समय सुपर जटिल गणित वा इन्जिनियरिङमा नभई डेटा प्रिप्रोसेसिङ, डाउनलोड र सफा गर्नमा खर्च गर्छन्। प्रत्येक विशेषज्ञतामा हामी शीर्ष 3 मा प्रिप्रोसेसिङ देख्छौं। तर हामीले विरलै ML मोडेलहरू विकास गर्ने वा बिग डाटासँग शीर्ष 3 मा काम गर्ने जस्ता जटिल चीजहरू देख्छौं - केवल ML र DWH इन्जिनियरहरू बीच।

त्यहाँ दु: खी अन्तरदृष्टि को एक जोडी पनि छन्। विशेषज्ञहरूले आफ्नो 40% कार्यहरू आफैं सेट गर्छन्। कजाकिस्तानमा, अहिलेसम्म शीर्ष युनिकर्न कम्पनीहरूले ठूलो डाटासँग काम गर्ने फाइदाहरू प्रयास गरेका छन् र यसलाई कसरी सक्षमतापूर्वक गर्ने भनेर सिकेका छन्। तिनीहरूले बजारमा प्रसारण गर्छन् कि बिग डाटा र मेशिन लर्निङ राम्रो छ, र दोस्रो echelon पछि पछ्याउँछ, तर सधैं डाटा संग काम कसरी काम गर्छ बुझ्दैनन्। तसर्थ, हामी देख्छौं कि विशेषज्ञहरूले आफ्नो लागि कार्यहरू सेट गर्छन्, र व्यवसायहरूलाई सधैं थाहा हुँदैन कि उनीहरू के चाहन्छन्।

म छक्क परें कि 20% विशेषज्ञहरूलाई पनि थाहा छैन कि उनीहरूको कम्पनीसँग डाटा वेयरहाउस छ। हो, र डाटाबेस प्रबन्धन प्रणालीहरूसँग सबै कुरा यति राम्रो छैन - 41% MySQL प्रयोग गर्दछ, र अर्को 34% ले PostgreSQL प्रयोग गर्दछ। यसको मतलब के हुन सक्छ? तिनीहरू साना डेटाको साथ काम गर्छन्।

भण्डारण प्रणालीहरूको बारेमा प्रश्नमा, हामी फेरि MySQL र (!) एक्सेल देख्छौं। तर यसले संकेत गर्न सक्छ, उदाहरणका लागि, धेरै कम्पनीहरूसँग अझै ठूलो डाटासँग काम गर्ने अनुरोध छैन।

यहाँ सबै कुरा फेरि अस्पष्ट छ। सामान्यतया, तलब मैले सोचे भन्दा थोरै कम थियो।

व्यक्तिगत रूपमा, मेरो लागि एमएल इन्जिनियरको कल्पना गर्न गाह्रो छ जो 200 हजार टेन्जको लागि काम गर्न तयार छ - ऊ सायद एक इन्टर्न हो। या त त्यस्ता विशेषज्ञहरूको दक्षता धेरै कमजोर छ, वा कम्पनीहरूलाई डेटा विज्ञानको कामको पर्याप्त मूल्याङ्कन गर्न अझै गाह्रो छ। तर सायद यसले बजार अझै परिपक्वताको सुरुआतमा रहेको संकेत गर्छ । र समय संग, तलब को स्तर अधिक पर्याप्त स्तर मा स्थापित हुनेछ।

स्रोत: www.habr.com