డిమిత్రి కజకోవ్, Kolesa గ్రూప్‌లోని డేటా అనలిటిక్స్ టీమ్ లీడ్, డేటా నిపుణుల మొదటి కజకిస్తాన్ సర్వే నుండి అంతర్దృష్టులను పంచుకుంటుంది.
ఫోటోలో: డిమిత్రి కజకోవ్
బిగ్ డేటా అనేది టీనేజ్ సెక్స్ లాంటిది అనే జనాదరణ పొందిన పదబంధాన్ని గుర్తుంచుకోండి - ప్రతి ఒక్కరూ దాని గురించి మాట్లాడుతారు, కానీ అది నిజంగా ఉందో లేదో ఎవరికీ తెలియదు. డేటా స్పెషలిస్ట్‌ల మార్కెట్ గురించి (కజకిస్తాన్‌లో) అదే చెప్పవచ్చు - హైప్ ఉంది, కానీ దాని వెనుక ఎవరు ఉన్నారు (మరియు అక్కడ ఎవరైనా ఉన్నారా) పూర్తిగా స్పష్టంగా లేదు - HRకి లేదా మేనేజర్‌లకు లేదా వారికి తెలియదు. డేటా శాస్త్రవేత్తలు స్వయంగా.
మేము ఖర్చుపెట్టాం , దీనిలో వారు 300 కంటే ఎక్కువ మంది నిపుణులను వారి జీతాలు, విధులు, నైపుణ్యాలు, సాధనాలు మరియు మరిన్నింటి గురించి సర్వే చేశారు.
స్పాయిలర్: అవును, అవి ఖచ్చితంగా ఉన్నాయి, కానీ ప్రతిదీ అంత సులభం కాదు.
చక్కని అంతర్దృష్టి. ముందుగా, మనం ఊహించిన దానికంటే ఎక్కువ మంది డేటా సైంటిస్టులు ఉన్నారు. మేము 300 మంది వ్యక్తులను ఇంటర్వ్యూ చేయగలిగాము, వీరిలో ఉత్పత్తి, మార్కెటింగ్ మరియు BI విశ్లేషకులు మాత్రమే కాకుండా, ML మరియు DWH ఇంజనీర్లు కూడా ఉన్నారు, ఇది ప్రత్యేకంగా సంతోషాన్ని కలిగించింది. అతిపెద్ద సమూహంలో తమను తాము డేటా సైంటిస్టులుగా పిలుచుకునే వారందరూ ఉన్నారు - అది 36% మంది ప్రతివాదులు. ఇది మార్కెట్ డిమాండ్‌ను కవర్ చేస్తుందో లేదో చెప్పడం కష్టం, ఎందుకంటే మార్కెట్ ఇప్పుడే ఏర్పడుతోంది.
ఉద్యోగ స్థాయిల పంపిణీ గందరగోళంగా ఉంది - దాదాపు చాలా మంది టీమ్ లీడ్‌లు మరియు మేనేజర్లు జూనియర్‌లుగా ఉన్నారు. దీనికి అనేక కారణాలు ఉండవచ్చు. ఉదాహరణకు, 2-3 వ్యక్తులతో కూడిన పెద్ద సంఖ్యలో చిన్న జట్లు, ఇందులో నాయకుడు మధ్య లేదా సీనియర్ స్థాయి నిపుణుడు కావచ్చు.
పాత్రలు మరియు కార్యాచరణల పంపిణీలో ప్రమాణాలకు సంబంధించి ప్రస్తుతం మార్కెట్‌లో ఉన్న గందరగోళం మరొక కారణం కావచ్చు. నైపుణ్యాలు మరియు జ్ఞానం యొక్క స్థాయిని సూచించకుండా, ఇతరుల కంటే ఒకటి లేదా రెండు సంవత్సరాలు ఎక్కువ పని చేసే వారికి కొన్నిసార్లు టీమ్ లీడ్‌లు కేటాయించబడతాయి. మేము దీన్ని స్థానం వారీగా ఫంక్షన్ల పంపిణీలో చూస్తాము - 38% మేనేజర్లు మరియు టీమ్ లీడర్‌లు ప్రీ-ప్రాసెసింగ్‌లో మరియు మరో 33% ప్రాథమిక గణాంక విశ్లేషణలో నిమగ్నమై ఉన్నారు.
ఇక్కడ మేము ప్రతివాదులను వారి కంపెనీలలో విశ్లేషణల స్థాయిని సబ్జెక్టివ్‌గా అంచనా వేయమని కోరాము. మీరు నిశితంగా పరిశీలిస్తే, 10-2 మంది వ్యక్తుల విశ్లేషణ విభాగాలలో పనిచేసే 3% మంది ప్రతివాదులు తమకు “అధునాతన స్థాయి” ఉన్నారని విశ్వసిస్తున్నట్లు మీరు చూడవచ్చు.
"అధునాతన స్థాయి" అంటే ఏమిటి? BI వ్యవస్థ గొప్పగా పనిచేస్తుంది. DWH మరియు బిగ్ డేటా ఉంది. A/B పరీక్షలు క్రమం తప్పకుండా జరుగుతాయి. ఉత్పత్తిలో పని చేస్తున్న ML మరియు DS వ్యవస్థలు ఉన్నాయి. డేటా ఆధారంగా మాత్రమే నిర్ణయాలు తీసుకోబడతాయి. డేటా ప్రాసెసింగ్ మరియు డేటా సైన్స్ విభాగం కంపెనీలో కీలకమైన వాటిలో ఒకటి.
2-3 మంది వ్యక్తుల విభాగంతో పైన పేర్కొన్నవన్నీ సాధించడం దాదాపు అసాధ్యం. ఈ సర్వే ఫలితం కొద్దిగా పెరుగుతున్న నొప్పులు అని నేను అనుకుంటున్నాను - అబ్బాయిలు తమ స్థాయిని మరింత నిష్పక్షపాతంగా నిర్ణయించడానికి తమతో పోల్చుకోవడానికి ఇంకా ఎవరూ లేరు.
ఊహించినట్లుగానే, డేటా సైంటిస్టులు తమ సమయాన్ని సూపర్ కాంప్లెక్స్ మ్యాథమెటిక్స్ లేదా ఇంజినీరింగ్‌పై కాకుండా ప్రీప్రాసెసింగ్, డౌన్‌లోడ్ చేయడం మరియు డేటాను క్లీన్ చేయడం కోసం వెచ్చిస్తారు. ప్రతి స్పెషలైజేషన్‌లో మనం టాప్ 3లో ప్రీప్రాసెసింగ్‌ని చూస్తాము. కానీ ML మోడల్‌లను అభివృద్ధి చేయడం లేదా బిగ్ డేటాతో పని చేయడం వంటి సంక్లిష్టమైన అంశాలను టాప్ 3లో మనం చాలా అరుదుగా చూస్తాము - ML మరియు DWH ఇంజనీర్‌లలో మాత్రమే.
కొన్ని విచారకరమైన అంతర్దృష్టులు కూడా ఉన్నాయి. నిపుణులు తమ పనులలో 40% స్వయంగా సెట్ చేస్తారు. కజాఖ్స్తాన్‌లో, ఇప్పటివరకు అగ్రశ్రేణి యునికార్న్ కంపెనీలు మాత్రమే పెద్ద డేటాతో పని చేయడం వల్ల కలిగే ప్రయోజనాలను ప్రయత్నించాయి మరియు దానిని ఎలా సమర్థవంతంగా చేయాలో నేర్చుకున్నాయి. వారు బిగ్ డేటా మరియు మెషిన్ లెర్నింగ్ బాగుంది అని మార్కెట్‌కి ప్రసారం చేసారు మరియు రెండవ ఎచెలాన్ వెనుకబడి ఉంటుంది, కానీ డేటాతో ఎలా పని చేస్తుందో ఎల్లప్పుడూ అర్థం చేసుకోదు. అందువల్ల, నిపుణులు తమ కోసం టాస్క్‌లను సెట్ చేసుకోవడం మరియు వ్యాపారాలకు తమకు ఏమి కావాలో ఎల్లప్పుడూ తెలియదని మేము చూస్తాము.
20% మంది నిపుణులకు తమ కంపెనీకి డేటా వేర్‌హౌస్ ఉందో లేదో కూడా తెలియకపోవడం నాకు ఆశ్చర్యం కలిగించింది. అవును, మరియు డేటాబేస్ మేనేజ్‌మెంట్ సిస్టమ్‌లతో ప్రతిదీ అంత మంచిది కాదు - 41% మంది MySQLని ఉపయోగిస్తున్నారు మరియు మరో 34% మంది PostgreSQLని ఉపయోగిస్తున్నారు. దీని అర్థం ఏమిటి? వారు చిన్న డేటాతో కాకుండా పని చేస్తారు.
స్టోరేజ్ సిస్టమ్‌ల గురించిన ప్రశ్నలో, మేము మళ్లీ MySQL మరియు (!) Excel కూడా చూస్తాము. కానీ ఇది సూచిస్తుంది, ఉదాహరణకు, చాలా కంపెనీలకు పెద్ద డేటాతో పని చేయడానికి ఇంకా అభ్యర్థన లేదు.
ఇక్కడ ప్రతిదీ మళ్లీ అస్పష్టంగా ఉంది. సాధారణంగా, జీతాలు నేను ఊహించిన దాని కంటే కొంచెం తక్కువగా ఉన్నాయి.
వ్యక్తిగతంగా, 200 వేల టెంగే కోసం పని చేయడానికి సిద్ధంగా ఉన్న ML ఇంజనీర్‌ను ఊహించడం నాకు కష్టం - అతను బహుశా ఇంటర్న్. అటువంటి నిపుణుల సామర్థ్యాలు చాలా బలహీనంగా ఉన్నాయి లేదా డేటా సైన్స్ యొక్క పనిని తగినంతగా అంచనా వేయడం కంపెనీలకు ఇప్పటికీ కష్టం. కానీ మార్కెట్ ఇప్పటికీ దాని పరిపక్వత ప్రారంభంలోనే ఉందని ఇది సూచిస్తుంది. మరియు కాలక్రమేణా, జీతాల స్థాయి మరింత తగిన స్థాయిలో ఏర్పాటు చేయబడుతుంది.
మూలం: www.habr.com