🌛 🤟🏽 👩‍💼 डेटा इंजीनियर और डेटा वैज्ञानिक: वे क्या कर सकते हैं और कितना कमा सकते हैं 👩🏻‍🌾 🤜🏼 🆒

नेटोलॉजी में डेटा साइंस एंड एनालिटिक्स विभाग के प्रमुख, एलेना गेरासिमोवा के साथ, हम यह समझना जारी रखते हैं कि डेटा साइंटिस्ट और डेटा इंजीनियर कैसे एक-दूसरे के साथ बातचीत करते हैं और कैसे अलग होते हैं।

पहले भाग में, हमने डेटा साइंटिस्ट और डेटा इंजीनियर के बीच मुख्य अंतर के बारे में बात की ।

इस लेख में, हम इस बारे में बात करेंगे कि ज्ञान और कौशल विशेषज्ञों के पास क्या होना चाहिए, नियोक्ताओं द्वारा किस तरह की शिक्षा की सराहना की जाती है, साक्षात्कार कैसे आयोजित किए जाते हैं, और डेटा इंजीनियर और डेटा वैज्ञानिक कितना कमाते हैं।

वैज्ञानिकों और इंजीनियरों को क्या जानना चाहिए

दोनों विशेषज्ञों के लिए प्रोफाइल शिक्षा - कंप्यूटर विज्ञान।

कोई भी डेटा विशेषज्ञ - एक डेटा वैज्ञानिक या विश्लेषक - अपने निष्कर्ष की शुद्धता साबित करने में सक्षम होना चाहिए। ऐसा करने के लिए, कोई व्यक्ति मूल गणित से संबंधित आंकड़ों और आंकड़ों के ज्ञान के बिना नहीं कर सकता है ।

मशीन सीखने और डेटा विश्लेषण उपकरण आधुनिक दुनिया में अपरिहार्य हैं। यदि सामान्य उपकरण उपलब्ध नहीं हैं, तो आपको नए टूल को जल्दी सीखने, कार्यों को स्वचालित करने के लिए सरल स्क्रिप्ट बनाने की आवश्यकता है ।

यह ध्यान रखना महत्वपूर्ण है कि डेटा विशेषज्ञ को विश्लेषण के परिणामों को प्रभावी ढंग से संवाद करना होगा। डेटा विज़ुअलाइज़ेशन इसमें उनकी मदद करेगा ।या अनुसंधान और परिकल्पना परीक्षण के परिणाम। विशेषज्ञ चार्ट बनाने और रेखांकन करने, विज़ुअलाइज़ेशन टूल का उपयोग करने, डैशबोर्ड से डेटा को समझने और समझाने में सक्षम होना चाहिए।

एक डेटा इंजीनियर के लिए, तीन क्षेत्र सामने आते हैं।

एल्गोरिदम और डेटा संरचनाएं । कोड लिखने और बुनियादी संरचनाओं और एल्गोरिदम का उपयोग करने में अपना हाथ प्राप्त करना महत्वपूर्ण है:

एल्गोरिदम की जटिलता विश्लेषण,
स्पष्ट, समर्थित कोड लिखने की क्षमता,
बैच प्रसंस्करण
वास्तविक समय प्रसंस्करण।

डेटाबेस और डेटा वेयरहाउस, बिजनेस इंटेलिजेंस :

डेटा भंडारण और प्रसंस्करण,
समग्र प्रणाली डिजाइन
डेटा अंतर्ग्रहण,
वितरित फ़ाइल सिस्टम।

Hadoop और बिग डेटा । अधिक से अधिक डेटा है, और 3-5 वर्षों के क्षितिज पर, ये तकनीक हर इंजीनियर के लिए आवश्यक हो जाएगी। एक से अधिक:

डेटा झीलों,
क्लाउड प्रदाताओं के साथ काम करें।

मशीन लर्निंग का उपयोग हर जगह किया जाएगा, और यह समझना महत्वपूर्ण है कि व्यावसायिक कार्यों को हल करने में क्या मदद मिलेगी। यह मॉडल बनाने में सक्षम होने के लिए आवश्यक नहीं है (डेटा वैज्ञानिक इससे सामना करेंगे), लेकिन आपको उनके आवेदन और प्रासंगिक आवश्यकताओं को समझने की आवश्यकता है।

इंजीनियरों और वैज्ञानिकों को कितना मिलता है

राजस्व डेटा इंजीनियर

ग्लासडोर के अनुसार, अंतरराष्ट्रीय अभ्यास में, आमतौर पर प्रारंभिक वेतन $ 100,000 प्रति वर्ष होता है और अनुभव के साथ काफी बढ़ जाता है। इसके अलावा, कंपनियां अक्सर स्टॉक विकल्प और 5-15% प्रति वर्ष बोनस प्रदान करती हैं।

रूस में, एक कैरियर की शुरुआत में, वेतन आमतौर पर क्षेत्रों में 50 हजार रूबल और मास्को में 80 हजार से कम नहीं होता है। इस स्तर पर, अनुभव की आवश्यकता नहीं है, केवल प्रशिक्षण को छोड़कर।

1 After2 साल के काम के बाद - 90 thousand100 हजार रूबल का एक कांटा।

2-5 वर्षों में कांटा बढ़कर 120-160 हजार हो जाता है। कारक जोड़े जाते हैं, जैसे कि पिछली कंपनियों की विशेषज्ञता, परियोजनाओं का आकार, बड़े डेटा के साथ काम करना, और बहुत कुछ।

5 साल के काम के बाद, संबंधित विभागों में रिक्तियों की तलाश करना आसान है या इस तरह के अति विशिष्ट पदों के लिए जवाब देना है:

एक वास्तुकार या एक बैंक या दूरसंचार में अग्रणी डेवलपर - लगभग 250 हजार

विक्रेता द्वारा पूर्व-बिक्री जिसकी प्रौद्योगिकियों के साथ आपने सबसे अधिक कसकर काम किया है - 200 हजार प्लस एक बोनस (1-1.5 मिलियन रूबल) संभव है।

एसएपी जैसे एंटरप्राइज बिजनेस एप्लिकेशन को लागू करने में विशेषज्ञ, - 350 हजार तक

डेटा वैज्ञानिक आय

नॉर्मल रिसर्च और न्यू.एचआर भर्ती एजेंसी में विश्लेषकों के बाजार अनुसंधान से पता चलता है कि डेटा विज्ञान विशेषज्ञ अन्य विश्लेषकों की तुलना में औसत उच्च वेतन कमाते हैं।

रूस में, एक वर्ष तक के कार्य अनुभव के साथ एक डेटा वैज्ञानिक का प्रारंभिक वेतन 113 हजार रूबल से है।

एक अनुभव के रूप में, प्रशिक्षण कार्यक्रमों के पारित होने को अब भी ध्यान में रखा जाता है।

1-2 वर्षों में, ऐसा विशेषज्ञ पहले से ही 160 हजार तक प्राप्त कर सकता है।

4-5 वर्षों के अनुभव वाले कर्मचारी के लिए, कांटा 310 हजार तक बढ़ता है।

कैसे होते हैं इंटरव्यू

पश्चिम में, व्यावसायिक प्रशिक्षण कार्यक्रमों के स्नातक स्नातक होने के बाद औसतन 5 सप्ताह में अपना पहला साक्षात्कार देते हैं। लगभग 85% 3 महीने के बाद काम पाते हैं।

डेटा इंजीनियर और डेटा वैज्ञानिक के लिए रिक्तियों के साक्षात्कार की प्रक्रिया व्यावहारिक रूप से समान है। आमतौर पर पांच चरणों के होते हैं।

सारांश । गैर-कोर पिछले अनुभव वाले उम्मीदवारों (उदाहरण के लिए, विपणन से) को प्रत्येक कंपनी के लिए एक विस्तृत कवर पत्र तैयार करने की आवश्यकता होती है या इस कंपनी के प्रतिनिधि से सिफारिशें लेनी होती हैं।

तकनीकी जांच । यह आमतौर पर टेलीफोन द्वारा होता है। इसमें एक या दो जटिल होते हैं और नियोक्ता के वर्तमान स्टैक के बारे में कई सरल प्रश्न होते हैं।

एचआर साक्षात्कार। फोन करके पास कर सकते हैं। इस स्तर पर, उम्मीदवार को समग्र रूप से पर्याप्तता और संवाद करने की क्षमता के लिए जाँच की जाती है।

तकनीकी साक्षात्कार । अधिकांश व्यक्ति में अक्सर होता है। विभिन्न कंपनियों में, स्टाफिंग टेबल में पदों का स्तर अलग है, और पदों को अलग-अलग तरीकों से बुलाया जा सकता है। इसलिए, इस स्तर पर, यह ठीक तकनीकी ज्ञान है जिसे जांचा जाता है।

तकनीकी निदेशक / मुख्य वास्तुकार के साथ साक्षात्कार । इंजीनियर और वैज्ञानिक रणनीतिक स्थिति हैं, और कई कंपनियों के लिए, वे भी नए हैं। यह महत्वपूर्ण है कि संभावित सहयोगी नेता को पसंद करता है और उनके विचारों से मेल खाता है।

वैज्ञानिकों और इंजीनियरों को अपने करियर के विकास में क्या मदद मिलेगी?

डेटा के साथ काम करने के लिए बहुत सारे नए टूल हैं। और कुछ लोग सभी में समान रूप से पारंगत हैं।

कई कंपनियां काम के अनुभव के बिना कर्मचारियों को काम पर रखने के लिए तैयार नहीं हैं। हालांकि, एक न्यूनतम आधार वाले उम्मीदवार और लोकप्रिय टूल की मूल बातों के ज्ञान से आवश्यक अनुभव प्राप्त किया जा सकता है यदि उन्हें स्वतंत्र रूप से प्रशिक्षित और विकसित किया जाता है।

डेटा इंजीनियर और डेटा वैज्ञानिक के लिए उपयोगी गुण

सीखने की इच्छा और क्षमता । किसी नए उपकरण के लिए तुरंत अनुभव या काम को बदलने के लिए आवश्यक नहीं है, लेकिन आपको एक नए क्षेत्र में स्विच करने के लिए तैयार रहने की आवश्यकता है।

नियमित प्रक्रियाओं के स्वचालन की इच्छा । यह न केवल उत्पादकता के लिए महत्वपूर्ण है, बल्कि उपभोक्ता को उच्च गुणवत्ता वाले डेटा और इसकी डिलीवरी की गति बनाए रखने के लिए भी महत्वपूर्ण है।

प्रक्रियाओं की "हुड के नीचे क्या है" की चौकसता और समझ । जिस विशेषज्ञ के पास प्रक्रियाओं का इतिहास और गहन ज्ञान है, वह समस्या को तेजी से हल करेगा।

एल्गोरिदम, डेटा संरचनाओं और पाइपलाइनों के उत्कृष्ट ज्ञान के अलावा, आपको यह सीखने की ज़रूरत है कि उत्पादों में कैसे सोचा जाए - एक चित्र के रूप में वास्तुकला और व्यावसायिक समाधान देखें।

उदाहरण के लिए, किसी भी ज्ञात सेवा को लेना और उसके लिए डेटाबेस के साथ आना उपयोगी है। फिर ईटीएल और डीडब्ल्यू को विकसित करने के बारे में सोचें जो इसे डेटा से भरते हैं, उपभोक्ता क्या होंगे और उनके लिए डेटा के बारे में जानना महत्वपूर्ण है, साथ ही साथ ग्राहक कैसे अनुप्रयोगों के साथ बातचीत करते हैं: नौकरी खोज और डेटिंग, कार किराए पर लेना, पॉडकास्ट एप्लिकेशन, शैक्षिक मंच के लिए।

विश्लेषक, डेटा वैज्ञानिक और इंजीनियर के पद बहुत करीब हैं, इसलिए आप अन्य क्षेत्रों की तुलना में एक दिशा से दूसरी दिशा में तेजी से आगे बढ़ सकते हैं।

किसी भी मामले में, किसी भी आईटी पृष्ठभूमि के मालिक उन लोगों की तुलना में आसान होंगे जो ऐसा नहीं करते हैं। औसतन, प्रेरित वयस्क हर 1.5-2 साल में नौकरी से पीछे हटते हैं और नौकरी बदलते हैं। यह उन लोगों के लिए आसान है जो एक समूह में और एक संरक्षक के साथ अध्ययन करते हैं, उन लोगों की तुलना में जो केवल खुले स्रोतों पर भरोसा करते हैं।

नेटोलॉजी के संपादकों से

यदि आप डेटा इंजीनियर या डेटा साइंटिस्ट के पेशे को करीब से देखते हैं, तो हम आपको हमारे पाठ्यक्रमों के कार्यक्रमों का अध्ययन करने के लिए आमंत्रित करते हैं:

डेटा इंजीनियर और डेटा वैज्ञानिक: वे क्या कर सकते हैं और कितना कमा सकते हैं