มิทรี คาซาคอฟหัวหน้าทีมวิเคราะห์ข้อมูลที่ Kolesa Group แบ่งปันข้อมูลเชิงลึกจากการสำรวจผู้เชี่ยวชาญด้านข้อมูลครั้งแรกของคาซัคสถาน
ในภาพ: มิทรี คาซาคอฟ
จำวลียอดนิยมที่ว่า Big Data เป็นเหมือนเซ็กส์ของวัยรุ่นมากที่สุด ใคร ๆ ก็พูดถึงมัน แต่ไม่มีใครรู้ว่ามันมีอยู่จริงหรือไม่ สิ่งเดียวกันอาจกล่าวได้เกี่ยวกับตลาดสำหรับผู้เชี่ยวชาญด้านข้อมูล (ในคาซัคสถาน) - มีการโฆษณาเกินจริง แต่ใครอยู่เบื้องหลัง (และไม่ว่าจะมีใครอยู่ด้วยหรือไม่) ยังไม่ชัดเจน - ทั้งสำหรับ HR หรือผู้จัดการ หรือ นักวิทยาศาสตร์ข้อมูลเอง
เราใช้เวลา ซึ่งพวกเขาได้สำรวจผู้เชี่ยวชาญมากกว่า 300 คนเกี่ยวกับเงินเดือน หน้าที่ ทักษะ เครื่องมือ และอื่นๆ อีกมากมาย
สปอยเลอร์: ใช่พวกเขามีอยู่จริง แต่ทุกอย่างไม่ง่ายนัก
ข้อมูลเชิงลึกที่ดี ประการแรก มีนักวิทยาศาสตร์ข้อมูลมากกว่าที่เราคาดไว้ เราได้สัมภาษณ์ผู้คน 300 คน ซึ่งในจำนวนนี้ไม่เพียงแต่เป็นนักวิเคราะห์ผลิตภัณฑ์ การตลาด และ BI เท่านั้น แต่ยังรวมถึงวิศวกร ML และ DWH ด้วย ซึ่งน่าพอใจเป็นพิเศษ กลุ่มที่ใหญ่ที่สุดประกอบด้วยผู้ที่เรียกตนเองว่านักวิทยาศาสตร์ด้านข้อมูล ซึ่งคิดเป็น 36% ของผู้ตอบแบบสอบถาม เป็นการยากที่จะบอกว่าสิ่งนี้ครอบคลุมความต้องการของตลาดหรือไม่ เนื่องจากตลาดเพิ่งถูกสร้างขึ้น
การกระจายระดับงานทำให้เกิดความสับสน - มีหัวหน้าทีมและผู้จัดการเกือบเท่าๆ กับรุ่นน้อง อาจมีสาเหตุหลายประการสำหรับเรื่องนี้ ตัวอย่างเช่น ทีมเล็กๆ จำนวนมาก จำนวน 2-3 คน ซึ่งผู้นำอาจเป็นผู้เชี่ยวชาญระดับกลางหรือระดับสูงก็ได้
อีกเหตุผลหนึ่งอาจเป็นความสับสนวุ่นวายที่ครอบงำตลาดในปัจจุบันเกี่ยวกับมาตรฐานในการกระจายบทบาทและฟังก์ชันการทำงาน บางครั้งหัวหน้าทีมจะถูกมอบหมายให้กับผู้ที่ทำงานนานกว่าคนอื่นๆ หนึ่งหรือสองปี โดยไม่ต้องอ้างอิงถึงระดับของทักษะและความรู้ เราเห็นสิ่งนี้ในการกระจายหน้าที่ตามตำแหน่ง - 38% ของผู้จัดการและผู้นำทีมมีส่วนร่วมในการประมวลผลล่วงหน้า และอีก 33% ในการวิเคราะห์ทางสถิติขั้นพื้นฐาน
ที่นี่เราขอให้ผู้ตอบแบบสอบถามประเมินระดับการวิเคราะห์ในบริษัทของตนอย่างมีสติ หากมองอย่างใกล้ชิด คุณจะเห็นว่า 10% ของผู้ตอบแบบสอบถามที่ทำงานในแผนกวิเคราะห์จำนวน 2-3 คนเชื่อว่าพวกเขามี "ระดับสูง"
“ระดับสูง” คืออะไร? ระบบ BI ทำงานได้ดีมาก มี DWH และ Big Data มีการทดสอบ A/B เป็นประจำ มีระบบ ML และ DS ที่ใช้งานได้ในการผลิต การตัดสินใจจะขึ้นอยู่กับข้อมูลเท่านั้น แผนกประมวลผลข้อมูลและวิทยาศาสตร์ข้อมูลเป็นหนึ่งในแผนกหลักของบริษัท
แทบจะเป็นไปไม่ได้เลยที่จะบรรลุเป้าหมายทั้งหมดข้างต้นด้วยแผนกที่มีคน 2-3 คน ฉันคิดว่าผลการสำรวจครั้งนี้มีความเจ็บปวดเพิ่มขึ้นเล็กน้อย - พวกเขายังไม่มีใครเปรียบเทียบตัวเองด้วยเพื่อกำหนดระดับของพวกเขาอย่างเป็นกลางมากขึ้น
ตามที่คาดไว้ นักวิทยาศาสตร์ข้อมูลใช้เวลาส่วนใหญ่ไม่ใช่กับคณิตศาสตร์หรือวิศวกรรมที่ซับซ้อนอย่างยิ่ง แต่กับการประมวลผลล่วงหน้า ดาวน์โหลด และล้างข้อมูล ในทุกความเชี่ยวชาญพิเศษ เราเห็นการประมวลผลล่วงหน้าใน 3 อันดับแรก แต่เราไม่ค่อยเห็นสิ่งที่ซับซ้อน เช่น การพัฒนาโมเดล ML หรือการทำงานกับ Big Data ใน 3 อันดับแรก - เฉพาะในหมู่วิศวกร ML และ DWH เท่านั้น
นอกจากนี้ยังมีข้อมูลเชิงลึกที่น่าเศร้าอีกสองสามประการ ผู้เชี่ยวชาญกำหนดงานของตนเอง 40% ในคาซัคสถาน จนถึงขณะนี้ มีเพียงบริษัทยูนิคอร์นชั้นนำเท่านั้นที่ลองใช้ประโยชน์ของการทำงานกับ Big Data และเรียนรู้วิธีดำเนินการอย่างมีประสิทธิภาพ พวกเขาเผยแพร่สู่ตลาดว่า Big Data และ Machine Learning นั้นยอดเยี่ยม และระดับที่สองตามมาข้างหลัง แต่ก็ไม่เข้าใจเสมอไปว่าการทำงานกับข้อมูลทำงานอย่างไร ดังนั้นเราจึงเห็นว่าผู้เชี่ยวชาญกำหนดงานให้ตัวเอง และธุรกิจก็ไม่รู้ว่าพวกเขาต้องการอะไรเสมอไป
ฉันรู้สึกประหลาดใจที่ผู้เชี่ยวชาญ 20% ไม่รู้ด้วยซ้ำว่าบริษัทของตนมีคลังข้อมูลหรือไม่ ใช่ และด้วยระบบการจัดการฐานข้อมูลไม่ใช่ทุกอย่างจะดีนัก - 41% ใช้ MySQL และอีก 34% ใช้ PostgreSQL สิ่งนี้อาจหมายถึงอะไร? พวกมันทำงานได้ค่อนข้างกับข้อมูลขนาดเล็ก
ในคำถามเกี่ยวกับระบบจัดเก็บข้อมูล เราเห็น MySQL และแม้แต่ (!) Excel อีกครั้ง แต่สิ่งนี้อาจบ่งชี้ว่า บริษัทส่วนใหญ่ยังไม่มีคำขอให้ทำงานกับข้อมูลขนาดใหญ่
ที่นี่ทุกอย่างคลุมเครืออีกครั้ง โดยทั่วไปแล้วเงินเดือนต่ำกว่าที่ฉันคาดไว้เล็กน้อย
โดยส่วนตัวแล้วเป็นเรื่องยากสำหรับฉันที่จะจินตนาการถึงวิศวกร ML ที่พร้อมทำงานด้วยเงิน 200 tenge - เขาอาจเป็นเด็กฝึกงาน ความสามารถของผู้เชี่ยวชาญดังกล่าวยังอ่อนแอมาก หรือยังเป็นเรื่องยากสำหรับบริษัทต่างๆ ในการประเมินงานของ Data Science อย่างเพียงพอ แต่บางทีนี่อาจบ่งชี้ว่าตลาดยังอยู่ในช่วงเริ่มต้นของการเจริญเติบโต และเมื่อเวลาผ่านไประดับเงินเดือนก็จะถูกกำหนดให้อยู่ในระดับที่เพียงพอมากขึ้น
ที่มา: will.com