"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Dmitry Kazakov, Asiwaju Ẹgbẹ Itupalẹ Data ni Kolesa Group, pin awọn oye lati inu iwadi Kazakhstan akọkọ ti awọn akosemose data.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?
Ninu Fọto: Dmitry Kazakov

Ranti awọn gbajumo gbolohun ti Big Data jẹ julọ bi odomobirin ibalopo - gbogbo eniyan sọrọ nipa o, ṣugbọn kò si ẹniti o mọ ti o ba ti o si gangan wa. Bakan naa ni a le sọ nipa ọja fun awọn alamọja data (ni Kasakisitani) - ariwo wa, ṣugbọn tani o wa lẹhin rẹ (ati boya ẹnikẹni wa nibẹ rara) ko ṣe kedere patapata - bẹni si HR, tabi si awọn alakoso, tabi si awọn onimọ-jinlẹ data funrararẹ.

A na iwadi, ninu eyiti wọn ṣe iwadii diẹ sii ju awọn alamọja 300 nipa owo osu wọn, awọn iṣẹ ṣiṣe, awọn ọgbọn, awọn irinṣẹ ati pupọ diẹ sii.

Apanirun: Bẹẹni, wọn wa tẹlẹ, ṣugbọn ohun gbogbo kii ṣe rọrun.

Imọye to wuyi. Ni akọkọ, awọn onimọ-jinlẹ data diẹ sii ju ti a nireti lọ. A ṣakoso lati ṣe ifọrọwanilẹnuwo fun awọn eniyan 300, laarin eyiti kii ṣe ọja nikan, titaja ati awọn atunnkanka BI, ṣugbọn tun awọn onimọ-ẹrọ ML ati DWH, eyiti o jẹ itẹlọrun paapaa. Ẹgbẹ ti o tobi julọ pẹlu gbogbo awọn ti o pe ara wọn ni awọn onimọ-jinlẹ data - iyẹn jẹ 36% ti awọn idahun. O nira lati sọ boya eyi ni wiwa ibeere ọja tabi rara, nitori pe ọja funrararẹ n kan ṣẹda.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Pipin awọn ipele iṣẹ jẹ airoju - o fẹrẹ to bi ọpọlọpọ awọn oludari ẹgbẹ ati awọn alakoso bi awọn ọdọ. Awọn idi pupọ le wa fun eyi. Fun apẹẹrẹ, nọmba nla ti awọn ẹgbẹ kekere ti awọn eniyan 2-3, ninu eyiti oludari le jẹ alamọja aarin tabi agba.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Idi miiran le jẹ rudurudu lọwọlọwọ ti n jọba ni ọja nipa awọn iṣedede ni pinpin awọn ipa ati iṣẹ ṣiṣe. Awọn oludari ẹgbẹ nigbakan ni a yàn fun awọn ti o ṣiṣẹ ni ọdun kan tabi meji gun ju awọn miiran lọ, laisi itọkasi ipele ti awọn ọgbọn ati imọ. A rii eyi ni pinpin awọn iṣẹ nipasẹ ipo - 38% ti awọn alakoso ati awọn oludari ẹgbẹ ti ṣiṣẹ ni iṣaju iṣaju ati 33% miiran ni iṣiro iṣiro ipilẹ.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Nibi a beere lọwọ awọn oludahun lati ṣe ayẹwo ni ero-ara ni ipele ti awọn atupale ni awọn ile-iṣẹ wọn. Ti o ba wo ni pẹkipẹki, o le rii pe 10% ti awọn idahun ti o ṣiṣẹ ni awọn apa atupale ti awọn eniyan 2-3 gbagbọ pe wọn ni “ipele ti ilọsiwaju.”

Kini "ipele to ti ni ilọsiwaju"? Eto BI ṣiṣẹ nla. DWH ati Big Data wa. Awọn idanwo A/B ni a ṣe nigbagbogbo. Awọn ọna ṣiṣe ML ati DS wa ni iṣelọpọ. Awọn ipinnu ṣe nikan da lori data. Ṣiṣẹda data ati ẹka imọ-jinlẹ data jẹ ọkan ninu awọn bọtini ni ile-iṣẹ naa.

O ti wa ni fere soro lati se aseyori gbogbo awọn ti awọn loke pẹlu kan Eka ti 2-3 eniyan. Mo ro pe abajade iwadii yii jẹ awọn irora ti o dagba diẹ - awọn eniyan ko tii ni ẹnikan lati fiwera pẹlu lati le pinnu ipele wọn ni imunadoko diẹ sii.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Gẹgẹbi a ti ṣe yẹ, awọn onimọ-jinlẹ data lo pupọ julọ akoko wọn kii ṣe lori mathimatiki eka pupọ tabi imọ-ẹrọ, ṣugbọn lori ṣiṣe iṣaaju, igbasilẹ, ati data mimọ. Ni gbogbo pataki a rii ilana iṣaaju ni oke 3. Sugbon a ṣọwọn ri eka ohun bi sese ML si dede tabi ṣiṣẹ pẹlu Big Data ni oke 3 - nikan laarin ML ati DWH Enginners.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Awọn oye ibanujẹ meji tun wa. Awọn amoye ṣeto 40% ti awọn iṣẹ ṣiṣe wọn funrararẹ. Ni Kasakisitani, titi di isisiyi awọn ile-iṣẹ giga Unicorn nikan ti gbiyanju awọn anfani ti ṣiṣẹ pẹlu data nla ati kọ ẹkọ bi o ṣe le ṣe ni agbara. Wọn tan kaakiri si ọja ti Big Data ati Ẹkọ ẹrọ jẹ itara, ati echelon keji tẹle lẹhin, ṣugbọn ko loye nigbagbogbo bi ṣiṣẹ pẹlu data ṣiṣẹ. Nitorinaa, a rii pe awọn alamọja ṣeto awọn iṣẹ ṣiṣe fun ara wọn, ati pe awọn iṣowo ko nigbagbogbo mọ ohun ti wọn fẹ.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

O ya mi lẹnu pe 20% ti awọn alamọja ko paapaa mọ boya ile-iṣẹ wọn ni Ile-ipamọ Data kan. Bẹẹni, ati pẹlu awọn eto iṣakoso data kii ṣe ohun gbogbo dara - 41% lo MySQL, ati 34% miiran lo PostgreSQL. Kini eleyi le tumọ si? Wọn ṣiṣẹ dipo pẹlu data kekere.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Ninu ibeere nipa awọn ọna ṣiṣe ipamọ, a tun rii MySQL ati paapaa (!) Tayo. Ṣugbọn eyi le fihan, fun apẹẹrẹ, pe ọpọlọpọ awọn ile-iṣẹ lasan ko sibẹsibẹ ni ibeere lati ṣiṣẹ pẹlu data nla.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Nibi ohun gbogbo tun jẹ aibikita. Ni gbogbogbo, awọn owo osu kere diẹ ju ti Mo nireti lọ.

"Bẹẹni, wọn wa!" Kini awọn alamọja Imọ-jinlẹ Data ni Kazakhstan ṣe ati melo ni wọn jo'gun?

Tikalararẹ, o ṣoro fun mi lati fojuinu ẹlẹrọ ML kan ti o ṣetan lati ṣiṣẹ fun 200 ẹgbẹrun tenge - o ṣee ṣe akọṣẹ. Boya awọn agbara ti iru awọn alamọja jẹ alailagbara pupọ, tabi o tun nira fun awọn ile-iṣẹ lati ṣe iṣiro iṣẹ ṣiṣe ti Imọ-jinlẹ data ni pipe. Ṣugbọn boya eyi tun tọka si pe ọja naa tun wa ni ibẹrẹ ibẹrẹ ti maturation rẹ. Ati ni akoko pupọ, ipele ti awọn owo osu yoo fi idi mulẹ ni ipele ti o peye diẹ sii.

orisun: www.habr.com

Fi ọrọìwòye kun