Великі дані — великі перспективи для бізнесу та кар'єри

Згідно з даними EMC кожен користувач щомиті генерує 1,7 мегабайта даних. Unicorn Insights підрахували, що для завантаження цих даних з інтернету потрібно понад 180 мільйонів років!

Тому у великих даних безмежні перспективи. За оцінками деяких експертів усього через два роки ринок аналітики Big Data досягне 103 мільярдів доларів. За інформацією New Vantage сьогодні 97,2% компаній не тільки користуються технологіями великих даних і штучного інтелекту, а й інвестують у їх розвиток.

Через швидке зростання попиту, експертів у цій сфері не вистачає, і багато компаній готові боротися за Big Data фахівців. Тому data scientist і data engineer потрапили в десятку найбільш високооплачуваних професій майбутнього. В Україні навіть держсектор визнає важливість таких фахівців. Згідно з прогнозом Міністерства освіти дата-аналітики та інші пов’язані з Big Data професії будуть у списку найбільш актуальних найближчі 5-10 років.

У Київстар давно зрозуміли величезні можливості обробки великих даних. У 2015 році компанія почала використовувати Big Data для свого розвитку, а у 2019 — випустила бізнес-продукти на основі цієї технології. Сьогодні в Київстар працює понад 40 кваліфікованих експертів у сфері Big Data. У них три основні завдання:

• задовольнити потреби клієнтів у високотехнологічних цифрових сервісах;
• вирішити завдання бізнес-клієнтів за допомогою унікальних конвергентних продуктів;
• розвивати довгострокові відносини з партнерами.

Сергій Небольсін — фахівець із розробки комп’ютерних програм і член команди Big Data в Київстар — розповів 24 каналу про те, як стати аналітиком великих даних, поділився тонкощами професії та перспективами Big Data на українському ринку.

Є різні напрямки в роботі з великими даними. Але в загальному людей, які займаються Big Data, називають аналітиками даних, або data analyst.

• Data scientist займається аналізом даних, щоб будувати прогнози й отримувати цінні інсайти. Для цього він застосовує готові алгоритми машинного навчання або розробляє нові з урахуванням особливостей проєкту. Алгоритми машинного навчання описуються за допомогою математичних формул, а потім переводяться в зрозумілий для комп’ютера програмний код. Створенням алгоритмів можуть займатися і математики, і програмісти, і дата-сайентисти. Але, як правило, останні користуються готовими алгоритмами, адаптуючи їх до конкретних завдань.
• Data engineer розробляє інфраструктуру, потоки та сховища даних. Це необхідно для організації зберігання даних, забезпечення їх якості та цілісності, а також, щоб інші користувачі, в тому числі аналітики та сайентисти, отримали потрібну їм інформацію.

Водночас Сергій Небольсін зазначає, що межі напрямків досить розмиті, тому не варто робити їх градацію. Часто в компаніях фахівці називають себе аналітиками даних, а фактично виконують роботу сайентиста або дата-інженера.

Отже, ми з’ясували перспективи ринку аналітики. Але як же все це працює, де і як застосовують аналіз Big Data? Насправді вже сьогодні більшість користувачів щодня стикаються з продуктами Big Data, серед них:

• Чат-боти для трекінгу посилок, перекладу або створення опитувань у телеграмі.
• Списки рекомендацій на стрімінгових платформах, таких як YouTube Music і Netflix, засновані на інтересах користувача.
• Тексти та музика, написані штучним інтелектом (ШІ). Можна написати перший рядок або кілька нот, а “машина” продовжить. У результаті таке творіння буде складно відрізнити від створеного людиною.
• Розблокування по обличчю. Можливість розпізнавати обличчя спрощує ідентифікацію особистості, наприклад, під час використання смартфонів або корпоративної техніки.
• Розпізнавання відео. На основі цієї технології працюють безпілотні авто: ШІ керує машиною, аналізуючи картинку на відео (пішохідний перехід, зелене світло світлофора, людина тощо).

Як фахівець із розробки комп’ютерних програм і член команди Big Data Київстар у рамках проєктів Сергій Небольсін працював з різними завданнями. Наприклад:

1. Сегментація цільової аудиторії послуги, продукту або бренду. Це корисний інструмент, який допомагає бізнесу знаходити нових клієнтів. Він дає можливість визначити, хто любить сноуборд, а хто — лижі, у кого є діти, а в кого — ні, а також багато іншого.
2. Тригерна комунікація. Цей інструмент дозволяє запустити розсилку у відповідь на певну подію чи дату. Наприклад, людина, проходячи повз кафе чи магазин може отримати SMS із промокодом на знижку або повідомленням про акцію, а іменинник на день народження — привітання від бренду.
3. Оптимізація транспортних систем. Аналіз Big Data може допомогти розв’язати проблему заторів і поліпшити інфраструктуру в цілому. Київстар працює над проєктом щодо покращення транспортної системи, який дозволить прогнозувати завантаженість доріг на тижні або навіть місяці вперед. Також можна буде оцінити загальну ситуацію в місті та зробити детальний прогноз — що буде з інфраструктурою через рік, через два чи п’ять років. На основі цих даних можна своєчасно проводити профілактику, не чекаючи появи серйозних проблем.

Стати аналітиком великих даних — привабливе рішення. Але водночас важливо враховувати, що високий заробіток не має бути єдиною мотивацією для вибору професії, а приємним доповненням до улюбленої справи.

До того як Сергій Небольсін потрапив у команду Київстар, він встиг попрацювати аналітиком даних у кількох компаніях, а на початку свого професійного шляху займався логістикою. У цій сфері Сергій часто стикався з аналітикою, йому не раз доводилося займатися автоматизацією процесів, складати звіти й аналізувати отримані дані. Йому сподобалося вирішувати складні завдання, тому він брав їх все більше і в пошуках рішень поглиблював свої знання і навички на практиці.

Уже після зміни сфери діяльності на аналіз даних Сергій Небольсін дізнався про Big Data School від компанії “Київстар”, у якій можна безкоштовно отримати професію data analyst, data scientist або data engineer. З другої спроби йому вдалося стати студентом, а після успішного закінчення курсу потрапив у команду Big Data Київстар.

Дані — це дієвий інструмент, щоб поліпшити світ, — переконаний Сергій.

Дані — це величезна цінність. Можливість обробляти великі масиви інформації допомагає визначити місця, які можна оптимізувати, щоб досягти мети, наприклад:

• здешевити виробництво без погіршення якості продукції;
• зменшити кількість заторів у місті;
• створити “розумну” систему обліку ресурсів;
• автоматизувати процеси та послуги;
• поліпшити ефективність рекламних кампаній тощо.

Завдяки Big Data багато з того, що 10 років тому здавалося чимось фантастичним, сьогодні стало звичним і рутинним. І це лише початок. Аналітика даних розвивається стрімко, і перевага в тому, що компанії або організації необов’язково мати свій відділ дата-сайентистів. Адже є команда Київстар і готові бізнес-рішення для ваших завдань.