Куаныш Абешев, 33 года, декан Школы инженерного менеджмента в AlmaU
Об образовании в сфере Big Data в Казахстане
За последние 3-4 года тема Big Data стала популярной, а еще недавно, в 2017 году, почти ни в одном вузе Казахстана не было специальностей из этой области. Сейчас каждый уважающий себя технический университет создает образовательные программы в этом направлении.
Главная проблема — нехватка кадров в казахстанских вузах. Потому что большинство специалистов, которые понимают в этой области, работает на производстве, в различных компаниях. Поэтому вузы приглашают практиков, чтобы они преподавали профильные предметы. Конечно, и преподаватели в вузах переквалифицируются, но практический и теоретический опыты — это разные вещи.
В AlmaU специальность «бизнес-аналитика и Big Data» появилась еще в 2016 году. А в 2017 году мы совместно с научно-образовательным фондом Шахмардана Есенова разработали программу и запустили летнюю школу под названием Yessenov Data Lab (YDL), которая помогала студентам, магистрантам, людям, которые хотели переквалифицироваться, начать первые шаги, понять, что такое анализ данных на базе языка Рython, и погрузиться в сферу машинного обучения, построения нейронных сетей, распознавания образов. Этот совместный проект помог улучшить образовательную программу и усилить специальность «бизнес-аналитика и Big Data» в Школе инженерного менеджмента в AlmaU.
Что должен уметь специалист
Для начала нужно понять, что Big Data — это не просто данные в большом количестве. Это инструменты, которые помогают обрабатывать и анализировать данные. В качестве примера можно взять поисковую систему Google. Когда вы гуглите что-то, через некоторое время контекстная реклама показывает вам товар или услугу, которые вы искали. Представьте, какое количество людей одновременно делают запросы в онлайн-поисковике и как с этим потоком данных справляется компания Google. Это примерно более 3 миллиардов запросов в день.
Для тех, кто хочет стать специалистом в этой сфере, нужен хороший математический бэкграунд, как основа.
Далее необходимы навыки программирования, так как для реализации поставленной задачи и построения любой модели нужно написать код программы, которая в итоге будет готовым решением. Сейчас чаще всего используется язык программирования Python для задач Data Science и язык программирования Scala для задач Big Data. Чтобы понимать эти технологии, желательно иметь технические знания, аналитические способности, критическое мышление и творческий подход. Важно понимать, что для эффективной работы необходимо знать, что вы исследуете, какие перед вами задачи. Потому что без четкой постановки задачи просто ковыряться в данных и смотреть, что получится — гиблое дело, пустая трата времени. Должна быть поставлена конкретная задача, что нужно сделать или улучшить. Дальше нужно понять, каких данных хватает, а каких нет. Если чего-то не хватает, нужно понимать, как эти данные собирать, чтобы выполнить эту задачу. А когда данные собраны, строятся модели, различные гипотезы, и если эти модели построены и имеют хороший результат, то их пытаются применить в бизнесе или в проекте.
Главное — мотивация: неважно, кем вы были, кем работали до этого — если вам интересна эта сфера, вы сможете научиться.
О перспективах
Специалисты в сфере Big Data — data engineering, email engineering, data science, developer, BI-аналитик — востребованы сейчас и будут в будущем. В цифровом мире с любого устройства сохраняется огромное количество данных, а значит, нужны люди, которые могут обрабатывать эти данные, извлекать из них знания. Компании собирают данные и на их основе принимают решения, делают прогнозы. Но даже если человек не умеет пользоваться цифровыми технологиями, не является разработчиком или кодером, понимать суть задачи и делать выводы на основе аналитики — это тоже хороший навык, который востребован.
В Европе и США эти специальности очень востребованы и уровень их заработной платы выше, чем у нас. По Казахстану и СНГ зарплата зависит от компании, в которой работает такой специалист, но в любом случае зарплата в IT-секторе будет расти.
Базовые университетские знания — это хороший старт, чтобы начать и устроиться в европейские, американские компании. А чтобы стать серьезным профессионалом, нужны опыт и практика.
