Dmitrij Kazakov, Data Analytics Team Lead på Kolesa Group, delar insikter från den första Kazakstan-undersökningen bland dataproffs.
På bilden: Dmitry Kazakov
Kom ihåg den populära frasen att Big Data är mest som tonårssex - alla pratar om det, men ingen vet om det faktiskt finns. Detsamma kan sägas om marknaden för dataspecialister (i Kazakstan) - det finns en hype, men vem som ligger bakom (och om det finns någon där överhuvudtaget) var inte helt klart - varken för HR, eller chefer, eller för att dataforskarna själva.
Vi tillbringade , där de undersökte mer än 300 specialister om deras löner, funktioner, kompetens, verktyg och mycket mer.
Spoiler: Ja, de finns definitivt, men allt är inte så enkelt.
Fin insikt. För det första finns det fler dataforskare än vi förväntade oss. Vi lyckades intervjua 300 personer, bland vilka var inte bara produkt-, marknadsförings- och BI-analytiker, utan även ML- och DWH-ingenjörer, vilket var särskilt glädjande. Den största gruppen inkluderade alla som kallar sig datavetare – det är 36 % av de tillfrågade. Det är svårt att säga om detta täcker marknadens efterfrågan eller inte, eftersom själva marknaden just håller på att bildas.
Fördelningen av jobbnivåer är förvirrande – det finns nästan lika många teamledare och chefer som juniorer. Det kan finnas flera anledningar till detta. Till exempel ett stort antal små team på 2-3 personer, där ledaren kan vara en specialist på mellan- eller seniornivå.
En annan orsak kan vara det kaos som för närvarande råder på marknaden gällande standarder i rollfördelning och funktionalitet. Team leads tilldelas ibland dem som helt enkelt arbetar ett eller två år längre än andra, utan hänvisning till nivån på kompetens och kunskap. Vi ser detta i funktionsfördelningen efter befattning - 38 % av chefer och teamledare är engagerade i förbearbetning och ytterligare 33 % i grundläggande statistisk analys.
Här bad vi respondenterna att subjektivt bedöma analysnivån i sina företag. Om du tittar noga kan du se att 10 % av de tillfrågade som arbetar på analysavdelningar med 2-3 personer tror att de har en "avancerad nivå".
Vad är "avancerad nivå"? BI-systemet fungerar utmärkt. Det finns DWH och Big Data. A/B-tester genomförs regelbundet. Det finns fungerande ML- och DS-system i produktion. Beslut fattas endast baserat på data. Avdelningen för databehandling och datavetenskap är en av de viktigaste i företaget.
Det är nästan omöjligt att uppnå allt ovanstående med en avdelning på 2-3 personer. Jag tycker att det här undersökningsresultatet är en liten växtvärk - killarna har ännu inte någon att jämföra sig med för att mer objektivt kunna bestämma sin nivå.
Som förväntat spenderar datavetare inte den mesta tiden på superkomplex matematik eller ingenjörskonst, utan på förbearbetning, nedladdning och rengöring av data. I varje specialisering ser vi förbearbetning i topp 3. Men vi ser sällan komplexa saker som att utveckla ML-modeller eller arbeta med Big Data i topp 3 – bara bland ML- och DWH-ingenjörer.
Det finns också ett par sorgliga insikter. Experter bestämmer 40 % av sina uppgifter själva. I Kazakstan har hittills bara de bästa enhörningsföretagen prövat fördelarna med att arbeta med big data och lärt sig hur man gör det på ett kompetent sätt. De sänder till marknaden att Big Data och Machine Learning är coolt, och andra klassen följer efter, men förstår inte alltid hur arbetet med data fungerar. Därför ser vi att specialister sätter uppgifter åt sig själva, och företag vet inte alltid vad de vill ha.
Jag blev förvånad över att 20 % av specialisterna inte ens vet om deras företag har ett Data Warehouse. Ja, och med databashanteringssystem är inte allt så bra - 41% använder MySQL och ytterligare 34% använder PostgreSQL. Vad kan detta betyda? De arbetar snarare med små data.
I frågan om lagringssystem ser vi återigen MySQL och till och med (!) Excel. Men det kan till exempel tyda på att de flesta företag helt enkelt ännu inte har en förfrågan om att arbeta med big data.
Här är allt återigen tvetydigt. Generellt sett var lönerna något lägre än jag förväntade mig.
Personligen är det svårt för mig att föreställa mig en ML-ingenjör som är redo att arbeta för 200 tusen tenge - han är förmodligen en praktikant. Antingen är kompetensen hos sådana specialister mycket svag, eller så är det fortfarande svårt för företag att på ett adekvat sätt utvärdera Data Sciences arbete. Men kanske tyder detta också på att marknaden fortfarande är i början av sin mognad. Och med tiden kommer lönenivån att fastställas på en mer adekvat nivå.
Källa: will.com