Dmitrij Kazakov, Data Analytics Team Lead i Kolesa Group, deler innsikt fra den første Kasakhstan-undersøkelsen blant datafagfolk.
På bildet: Dmitrij Kazakov
Husk den populære setningen om at Big Data ligner mest på tenåringssex – alle snakker om det, men ingen vet om det faktisk eksisterer. Det samme kan sies om markedet for dataspesialister (i Kasakhstan) - det er hype, men hvem som står bak (og om det er noen der i det hele tatt) var ikke helt klart - verken for HR, eller ledere, eller til dataforskerne selv.
Vi brukte , der de undersøkte mer enn 300 spesialister om deres lønn, funksjoner, ferdigheter, verktøy og mye mer.
Spoiler: Ja, de finnes definitivt, men alt er ikke så enkelt.
Fint innblikk. For det første er det flere dataforskere enn vi forventet. Vi klarte å intervjue 300 personer, blant dem var ikke bare produkt-, markedsførings- og BI-analytikere, men også ML- og DWH-ingeniører, noe som var spesielt gledelig. Den største gruppen inkluderte alle de som kaller seg dataforskere – det er 36 % av respondentene. Det er vanskelig å si om dette dekker markedets etterspørsel eller ikke, fordi markedet i seg selv er i ferd med å dannes.
Fordelingen av stillingsnivåer er forvirrende - det er nesten like mange teamledere og ledere som juniorer. Det kan være flere årsaker til dette. For eksempel et stort antall små team på 2-3 personer, der lederen kan være spesialist på mellom- eller seniornivå.
En annen årsak kan være kaoset som for tiden hersker i markedet når det gjelder standarder i rollefordeling og funksjonalitet. Teamledere blir noen ganger tildelt de som bare jobber et eller to år lenger enn andre, uten referanse til nivået på ferdigheter og kunnskaper. Vi ser dette i funksjonsfordelingen etter stilling – 38 % av ledere og teamledere er engasjert i forbehandling og ytterligere 33 % i grunnleggende statistisk analyse.
Her ba vi respondentene om subjektivt å vurdere analysenivået i bedriftene deres. Hvis du ser nøye etter, kan du se at 10 % av respondentene som jobber i analyseavdelinger med 2-3 personer mener at de har et "avansert nivå."
Hva er "avansert nivå"? BI-systemet fungerer utmerket. Det er DWH og Big Data. A/B-tester gjennomføres jevnlig. Det er fungerende ML- og DS-systemer i produksjon. Avgjørelser tas kun basert på data. Avdelingen for databehandling og datavitenskap er en av de sentrale i selskapet.
Det er nesten umulig å oppnå alt det ovennevnte med en avdeling på 2-3 personer. Jeg tror at dette undersøkelsesresultatet er en liten voksepine - gutta har ennå ikke noen å sammenligne seg med for å bestemme nivået deres mer objektivt.
Som forventet bruker dataforskere mesteparten av tiden sin ikke på superkompleks matematikk eller ingeniørfag, men på forbehandling, nedlasting og rengjøring av data. I hver spesialisering ser vi forbehandling i topp 3. Men vi ser sjelden komplekse ting som å utvikle ML-modeller eller jobbe med Big Data i topp 3 – bare blant ML- og DWH-ingeniører.
Det er også et par triste innsikter. Eksperter setter 40 % av oppgavene sine selv. I Kasakhstan er det så langt bare de beste enhjørningsselskapene som har prøvd fordelene ved å jobbe med big data og lært hvordan man gjør det kompetent. De sender til markedet at Big Data og Machine Learning er kult, og det andre sjiktet følger etter, men forstår ikke alltid hvordan arbeid med data fungerer. Derfor ser vi at spesialister setter oppgaver for seg selv, og virksomheter vet ikke alltid hva de vil.
Jeg ble overrasket over at 20 % av spesialistene ikke engang vet om selskapet deres har et datavarehus. Ja, og med databasestyringssystemer er ikke alt så bra - 41% bruker MySQL, og ytterligere 34% bruker PostgreSQL. Hva kan dette bety? De jobber heller med små data.
I spørsmålet om lagringssystemer ser vi igjen MySQL og til og med (!) Excel. Men dette kan for eksempel tyde på at de fleste bedrifter rett og slett ikke ennå har en forespørsel om å jobbe med big data.
Her er alt igjen tvetydig. Generelt var lønningene litt lavere enn jeg forventet.
Personlig er det vanskelig for meg å forestille meg en ML-ingeniør som er klar til å jobbe for 200 tusen tenge - han er sannsynligvis en praktikant. Enten er kompetansen til slike spesialister svært svak, eller så er det fortsatt vanskelig for bedrifter å evaluere arbeidet til Data Science tilstrekkelig. Men kanskje tyder dette også på at markedet fortsatt er helt i begynnelsen av sin modning. Og over tid vil lønnsnivået etableres på et mer dekkende nivå.
Kilde: www.habr.com