Maʼlumotlar analitigi va data sayntistlar maʼlumotlar bilan ishlash zarur boʻlgan har qanday sohada talab qilinadi. Xoh u marketing, xoh sogʻliqni saqlash, xoh sanoat boʻlsin. Qiladigan ishi va vazifalari oʻxshash boʻlgani uchun koʻpincha bu ikki mutaxassislar bir-biri bilan adashtirib yuboriladi. Biroq ularning maqsad va ish natijalari bir-biridan farq qiladi.

Biz shu maqsadda bu ikki mutaxassisning farqlarini aniqlashtirdik. Oʻrgandik va kasbda oʻz oʻrnini topganlar bilan suhbatlashdik. Bu maqola maʼlumotlar analitigi va data sayntist yoʻnalishlari oʻrtasida tanlov qilish kerak boʻlganda qaror qabul qilishga yordam beradi.

Katta hajmli maʼlumotlar nima?

Bank operatsiyalari, marketpleyslarda tanlangan mahsulotlar, do‘stlar bilan yozishmalar, pleylistlarga qo‘shilgan qo‘shiqlar — internetdagi barcha harakatlarimiz katta hajmli ma’lumotlarga tegishli. Shuning uchun katta hajmli ma’lumotlar yoki Big Data raqamli tashuvchilar — server, hosting va bulutli platformalarda saqlanadigan ulkan hajmdagi axborotlar hisoblanadi.

Qolaversa, marketolog, menejer va moliyachilar o‘z maqsadlarida foydalanishi mumkin bo‘lgan ma’lumotlarni tayyor qirqimda oladi. Katta hajmdagi xom ma’lumotlar bilan esa ma’lumotlar analitigi va data sayntist ishlaydi.

Ma’lumotlar analitigi kim va nima ish qiladi?

Ma’lumotlar analitigi yoki data analyst katta hajmdagi ma’lumotlarni to‘playdi, qayta ishlaydi, tahlil va talqin qiladi.

Ma’lumotlar analitigining asosiy maqsadi to‘plangan faktlar asosida biznesga yechim topishda yordam berishdan iborat.

Analitiklar ishi tufayli kompaniyalar oʻz ishini yaxshilaydi: yutuq va muvaffaqiyatsizlik sabablarini tushunadi, rivojlanish strategiyasini ishlab chiqadi, biznesni kengaytirish yoki yopishga qaror qiladi.

Misol. Walmart — yirik xalqaro ulgurji va chakana savdo tarmog‘i. Raqobatbardosh ustunlikni saqlab qolish uchun kompaniya mahsulot yetkazib berish xarajatlarini kamaytirishi va mijozlarga xizmat ko‘rsatish sifatini oshirishi zarur edi. Bu masala yechimini topish uchun ma’lumotlar analitiklari jalb qilindi. 

Mutaxassislar savdo tarixiga oid ma’lumotlarni o‘rganib, mavsumiy talablar o‘zgarishi, aksiyalarning xaridorlarga ta’siri va har bir hududdagi muayyan do‘konlarning geografik xususiyatlarini tahlil qildi. Analitiklar olingan ma’lumotlarga asoslangan holda asosiy muammolarni aniqlab, ombor va do‘konlardagi zaxiralar darajasini kuzatuvchi tizimlarni ishlab chiqishni taklif etdi. Bundan tashqari, ular yetkazib berish yo‘nalishlarini optimallashtirish uchun algoritmlar ham yaratdi. Shu tufayli Walmart mahsulotlarning yetkazib beruvchilardan do‘konlarga yetkazib berish vaqtini qisqartirish va saqlash xarajatlarini kamaytirishga muvaffaq bo‘ldi.

Ma’lumotlar analitigi bajaradigan ishlar:

• kompaniya va mijozlarning haqiqiy ehtiyojlarini tushunish uchun biznes jarayonlariga chuqur kirib boradi;

• gipotezalarni shakllantirish va testdan o‘tkazish hamda masalalarga yechim topish uchun ma’lumotlarni to‘playdi, yuklab oladi, qayta ishlaydi, tahlil qiladi;

• ma’lumotlarni toifalar bo‘yicha guruhlash uchun ularni tasniflaydi va segmentlaydi;

• kompaniya faoliyatini to‘g‘ri baholash uchun samaradorlik metrikalarini joriy etadi;

• kompaniya mahsulot va xizmatlaridagi o‘zgarishlar bozor hamda iste’molchilarga qanday ta’sir qilgani to‘g‘risida ma’lumot to‘plash maqsadida test o‘tkazadi;

• hisobotlar tayyorlash uchun grafik va diagrammalar tuzadi;

• rahbariyat va hamkasblar ma’lumotlar asosida qaror qabul qilishi uchun natijalarni taqdim etadi.

Ma’lumotlar analitigi uchun uchta soha muhim: matematika, tahlil (analiz) va biznes

Ma’lumotlar bilan ishlash doimo meni jalb qilgan. Chuqur analiz qilish, mohiyatni tushunib yetish, qonuniyatlarni qidirish, statistikani o‘rganish, tasniflash, segmentlash, keyin esa ma’lumotlar massivini vizuallashtirishni yoqtiraman.

Bu ish tanlashimga ham ta’sir ko‘rsatdi. Uzoq vaqt bank sohasida mijozlar ma’lumotlari analitigi bo‘lib ishladim. Chuqurroq bilimlar kerakligini anglaganimdan so‘ng ma’lumotlar tahlili bo‘yicha o‘qishga kirdim.

Anastasiya Karpuxina

“ORS” kompaniyasi maʼlumotlar bazalari ekspluatatsiyasi boʻlimi boshligʻi oʻrinbosari

Data sayntist kim va u nima bilan shug‘ullanadi?

Data scientist yoki data sayntist ham katta hajmdagi maʼlumotlar bilan ishlaydi. Lekin ularni mashinada oʻqitilgan modellar yordamida qayta ishlaydi, sayqallaydi.

Mutaxassisning asosiy vazifalari — qaror qabul qilish va ma’lumotlardagi yashirin qonuniyatlarni izlash uchun dasturni prognoz qilishga o‘rgatish.

Mashinani o‘qitish (machine learning, ML) — sun’iy intellekt sohasi. Unda kompyuterlarga ma’lumotlar asosida o‘qish va qo‘yilgan vazifalarga yechim topishda o‘z natijalarini yaxshilash imkonini beruvchi algoritm hamda modellar ishlab chiqiladi.

Mashinani o‘qitish modeli (MLM, ML modeli) — ma’lumotlar asosida o‘qitilgan matematik obyekt. U prognoz qilish, axborotni tasniflash, bog‘liqlikni aniqlash yoki qo‘yilgan vazifani bajarish uchun qaror qabul qilish imkonini beradi.

Mashinani o‘qitish algoritmini pirog retsepti bilan taqqoslash mumkin: unda barcha masalliq va qadamlar belgilangan. Mashinani o‘qitish modeli esa algoritm ishi natijasi, ya’ni tayyor pirogdir.

Misol. Amazon — ulkan onlayn savdo platformasi. Kompaniyaning mahsulotlari qanchalik ko‘p bo‘lsa, foydalanuvchilarga mos mahsulotlarni taklif qilish shunchalik qiyin bo‘ladi. Samarali tavsiyalarsiz mijozlar o‘zlariga kerakli narsani topa olmasdi. Sotuvlar pasayishining oldini olish va foydalanuvchi tajribasini buzmaslik maqsadida Amazon data sayntistlari shaxsiylashtirilgan tavsiyalar yaratish uchun mashinani oʻqitish modelini ishlab chiqqan.

Yangi tavsiyalar tizimi ham mijozning individual istaklarini, ham boshqa foydalanuvchilar orasida ommabop bo‘lgan umumiy trendlarni hisobga ola boshladi. Sinov natijalari shuni ko‘rsatdiki, shaxsiylashtirilgan takliflar mijozlarning qoniqish darajasini oshirdi va sotuvlar hajmini ko‘paytirdi.

Data sayntist quyidagi ishlar bilan shugʻullanadi:

• algoritmlarga aniq ma’lumotlarni yetishmayotgan yoki ortiqcha qiymatlardan holi holda yetkazish uchun axborot to‘playdi va tayyorlaydi;

• qo‘yilgan vazifa yechimini topish maqsadida modelni o‘qitish va sinovdan o‘tkazish uchun mashinani o‘qitish algoritmlarini qo‘llaydi;

• foydalanuvchi yoki buyurtmachi model yangi, kiruvchi ma’lumotlarga boʻlgan javobini olishi uchun olingan modelni infratuzilmaga integratsiya qiladi;

• analitik va biznes metrikalarini hisobga olgan holda ML metrikani yaxshilash ustida ishlaydi;

• qaror qabul qilishga zarur bo‘lgan ma’lumotlarni tushunishni osonlashtirish uchun natijalarni vizualizatsiya qiladi;

• gipotezalarning ishonchliligini tekshirish va o‘zgarishlarning biznes natijalariga ta’sirini baholash uchun ularni sinovdan o‘tkazadi.

Data sayntist kasbining tarkibiy qismlari

Ma’lumotim bo‘yicha havo-reaktiv dvigatellari muhandis-konstruktoriman. Bu sohada ikki yil ishlaganimdan so‘ng kasb menga to‘g‘ri kelmasligini angladim. Hisob-kitoblar sohasida meni har kuni ruhlantira oladigan narsani topishni istagandim.

Bundan tashqari, sun’iy intellektga ham qiziqardim. Ayniqsa, savollarga javob bera oladigan, imo-ishora va hissiyotlarni taqlid qila oladigan odam qiyofasidagi robot Sofiya meni hayratga solgandi. Doim videolarni tomosha qilardim va “Nahotki odamlar bunday narsalarni yarata olsa? Bu moʻjiza va aqlbovar qilmas, lekin ayni paytda real narsa-ku!”, deb oʻylardim.

Bir kuni poyezdda ketayotib navbatdagi videoni ko‘rayotganimda bu fantastik ishlarni oddiy odamlar qilayotganini tushundim. Ular uddalay olgan ekan, nega men ham eplay olmayman? Shundan bir yarim soat o‘tar-o‘tmas data sayns bo‘yicha Netologiya kursiga yozildim.

Hozirgacha aynan shunday qaror qabul qilganimdan afsuslanmayman. Aftidan, bu taqdir poyezdi bo‘lganga o‘xshaydi. Shundan beri har kuni data sayns olamiga yanada chuqurroq kirib, doim o‘zim uchun yangi va ajoyib narsalarni kashf etyapman.

Ivan Tarmosin

Qarz portfellarini baholash modellarini ishlab chiquvchi yetakchi analitik

Maʼlumotlar analitigining data sayntistdan farqi

Maʼlumotlar analitigi bilan data sayntist oʻrtasidagi uchta asosiy farq:

• Ma’lumotlar analitigi o‘tmishga, data sayns mutaxassisi esa kelajakka diqqat qaratadi.

• Data sayntistdan farqli ravishda maʼlumotlar analitigida mashinani oʻqitish koʻnikmalari boʻlmaydi.

• Ma’lumotlar analitigi biznes jarayonlarini chuqurroq tushunishi uchun boshqa mutaxassislar bilan ko‘proq muloqotda bo‘ladi. Shu sababli u yumshoq ko‘nikmalarini data sayntistga qaraganda ko‘proq rivojlantirishi zarur.

Analitik va data sayntistlar ma’lumotlar bilan ishlab, ularni vizualizatsiya qiladi. O‘z ish natijalarini hamkasblari va mijozlarga taqdim etadi.

Farqlar sifatida loyihadagi ishning asosiy tarkibiy qismini ko‘rsatsa boʻladi.

Analitiklar ma’lumotlarning statistik modellarini tuzishi, ma’lumotlarda insaytlarni qidirishi va farazlarni shakllantirishi mumkin.

Data sayntistlar statistik algoritmlar yordamida tahlil qilish qiyin bo‘lgan katta hajmdagi ma’lumotlar bilan ishlaydi. Shuning uchun ko‘pincha ularning vazifalariga murakkabroq modellar, masalan, mashinani o‘qitish va neyrotarmoq modellarini qurish kiradi.

Natalya Badanina

“Чистая линия” kompaniyasi data sayntisti

Bu farqlarni osonroq tushunishingiz uchun misol keltiramiz. Tasavvur qilaylik, “Zoʻr krossovkalar” kompaniyasi yangi reklama kampaniyasini ishga tushiradi. Bir oydan keyin uning samaradorligini baholash vazifasini qoʻyadi.

Ma’lumotlar analitigining yondashuvi va yechimi → sotuvlar boʻyicha kampaniya boshlanishidan avvalgi tarixiy ma’lumotlarni oladi. Soʻng uni kampaniya ishga tushirilgandan keyingi ko‘rsatkichlar bilan taqqoslaydi.

Analitik birinchi navbatda o‘tgan oylardagi sotuvlar bo‘yicha ma’lumotlarni to‘plab, ularni ortiqcha ma’lumotlardan tozaladi. Statistik metodlar yordamida yangi kampaniya boshlanganidan keyin sotuvlar qanchalik oshganini aniqladi. Natijalarni grafiklar orqali ifodalab, hisobot tayyorladi.

Data sayntistning yondashuvi va yechimi → u nafaqat sotuvlar boʻyicha ma’lumotlarni, balki kampaniya natijalariga ta’sir ko‘rsatishi mumkin bo‘lgan omillar — veb-sayt trafigi, foydalanuvchilarning reklama materiallari bilan munosabati, boshqa raqobatchi aksiyalar haqidagi maʼlumotlarni ham to‘pladi.

Data sayntist turli manbalardan olingan bu ma’lumotlarni yagona bazaga birlashtirdi. So‘ngra ortiqcha ma’lumotlardan tozalab, mavsumiylik va vaqt omillari bo‘yicha yangi o‘zgaruvchilarni yaratdi. Keyin sotuvni prognoz qilish modelini yaratish uchun mashinani o‘qitish metodlaridan foydalandi. Reklama kampaniyasining samaradorligini aniqlash maqsadida u ishga tushirilgandan keyingi haqiqiy sotuv ko‘rsatkichlarini model prognozi bilan taqqosladi. Yangi reklama kampaniyasi natijasi qanchalik aniq baholanganini tushunish maqsadida grafiklarga ega interaktiv hisobot yaratdi.

Ikkala kasb o‘rtasida aniq chegara yo‘q. Xohish bo‘lsa, ma’lumotlar analitigi tezda data sayntist darajasiga ko‘tarilishi mumkin. Data sayntist esa yumshoq ko‘nikmalarini rivojlantirib, analitikning vazifalarini o‘z zimmasiga olsa boʻladi.

Biroq shuni tushunish kerakki, maʼlumotlar analitigi ko‘proq amaliy mutaxassislikdir. Data sayntist esa birinchi navbatda tadqiqot bilan shug‘ullanadigan olim.

Maʼlumotlar analitigi va data sayntist ega boʻlishi kerak boʻlgan koʻnikmalar

Hard skillar

Ikkala mutaxassis uchun ham zarur boʻlgan kasbiy koʻnikmalar:

• Ma’lumotlar massivlarida qonuniyatlarni aniqlash va axborotni to‘g‘ri talqin qilish uchun matematika, ehtimollar nazariyasi, statistika boʻyicha bilimlar.

• Ma’lumotlarni qayta shakllantirish, tozalash va tahlil qilish, shuningdek, kundalik vazifalarni optimallashtirish uchun Python dasturlash tili, SQL so‘rovlar tili boʻyicha bilimlar.

• Vazifalar yechimini topishda turli xil yondashuvlarni qoʻllash uchun gipotezalarni shakllantirish va tekshirishni bilish.

• Turli manbalarda ma’lumotlarni topish va yuklab olish uchun katta maʼlumotlar bilan ishlash tamoyillarini tushunish.

• Taxminlar va farazlarning to‘g‘riligiga ishonch hosil qilish uchun test o‘tkazishni bilish.

• Ish natijalarini ko‘rgazmali taqdim etish uchun ma’lumotlarni vizualizatsiya qilish ko‘nikmasi.

Mana bu hard skillar esa bir-biridan farq qiladi ↓

Analitik sifatida ishlashimda menga SQL bo‘yicha bilimlar yordam beradi. Ma’lumotlar bazalari bilan ishlayman va ma’lumotlarni tezda turli xil qirqimlarda olishim kerak.

Shuningdek, hamkasblarim uchun qiziqarli va ko‘rgazmali hisobotlar tayyorlashimda biznes tahlili uchun moʻljallangan Power BI dasturiy ta’minotini bilishim menga juda yordam beradi.

Anastasiya Karpuxina

“ORS” kompaniyasi ma’lumotlar bazalari ekspluatatsiyasi bo‘limi boshlig‘i o‘rinbosari

Soft skillar

Yumshoq koʻnikmalarsiz mutaxassislarning kasbiy rivojlanishi qiyin kechadi. Maʼlumotlar analitigi yoki data sayntist boʻlishni rejalashtirayotganlar quyidagi sifatlarga eʼtibor berishi kerak:

• Tanqidiy fikrlash. Maʼlumotlarni tahlil qilish, qonuniyatlarni aniqlash va faktlar asosida xulosa chiqara olish qobiliyati qaror qabul qilishga yordam beradi.

• Jamoada ishlash ko‘nikmasi. Ma’lumotlar analitigi va data sayntistlar ko‘pincha ko‘p tarmoqli jamoalarda ishlaydi. Shuning uchun ular boshqalarni tinglashi va eshitishi, kelishuvga erishishi, tajribasiz hamkasblarini qo‘llab-quvvatlashni bilishi muhim.

• Moslashuvchanlik. Tez o‘zgarayotgan texnologiyalar olamida ma’lumotlar analitigi va data sayntistlar o‘zgarishlarga, yangi vosita va metodologiyalar paydo bo‘lishiga tayyor bo‘lishi kerak.

• Taym menejment. Vazifalar uchun ustuvorlik (prioritet)ni belgilash va vaqtni samarali taqsimlay bilish zarur.

Bu soft skillar farq qiladi ↓

Analitik birinchi navbatda qiziquvchan boʻlishi kerak. Vazifaga bo‘lgan qiziqish ma’lumotlarni chuqurroq o‘rganish va yaxshi loyiha yaratish imkonini beradi.

Bunga qo‘shimcha ravishda mohiyatni anglashga intilish va o‘ziga nisbatan talabchanlik ham zarur.

Anastasiya Karpuxina

“ORS” kompaniyasi ma’lumotlar bazalari ekspluatatsiyasi bo‘limi boshlig‘i o‘rinbosari

Data sayns mutaxassisi uchun ijodiy salohiyat muhim ahamiyatga ega. Chunki maʼlumotlar bilan ishlash bir xil raqamlar toʻplamidan gʻayrioddiy narsalarni oʻylab topish qobiliyatini taqozo etadi.

Shuningdek, har qanday sohada ham teng sharoitlarda muloqotchan va samimiy insonlar koʻproq qadrlanishini unutmaslik lozim.

Ivan Tarmosin

Qarz portfellarini baholash modellarini ishlab chiquvchi yetakchi analitik

Ma’lumotlar analitigi va data sayntistlar qayerda ishlaydi?

Ma’lumotlar analitigi

hh.ru veb-saytidagi bo‘sh ish o‘rinlari bo‘yicha eʼlonlarga koʻra, ma’lumotlar analitiklari AyTidan tashqari quyidagi sohalarda ham talab qilinadi:

• moliyaviy sektor — xavf-xatarlarni baholash, investitsiya strategiyalarini tahlil qilish va portfellarni optimallashtirish uchun;

• chakana savdo — zaxiralarni optimallashtirish, xaridorlarning xatti-harakatlarini tahlil qilish va sotuvlarni prognoz qilish uchun;

• marketing — iste’molchilar xatti-harakati va reklama kampaniyalari samaradorligini tahlil qilish, bozor segmentatsiyasini to‘g‘ri aniqlash uchun;

• sog‘liqni saqlash — bemorlarga xizmat ko‘rsatish sifatini yaxshilash va jarayonlarni optimallashtirish uchun.

O‘qish davridayoq sohamni o‘zgartirishga qaror qilib, bankdan ketdim. Darhol yirik xalqaro farmatsevtika kompaniyasiga senior data analitik lavozimiga ishga kirdim. Bu juda qiyin kechdi. Ogʻir ish rejimida deyarli uch oy ishlaganimdan so‘ng ishdan bo‘shadim. So‘ngra aviakompaniyalar uchun dasturiy ta’minot yaratuvchi firmaga ishga kirdim.

Anastasiya Karpuxina

“ORS” kompaniyasi ma’lumotlar bazalari ekspluatatsiyasi bo‘limi boshlig‘i o‘rinbosari

Data sayntist

Data sayntistlar xavf-xatarlarni baholash, bitimlar tuzish va prognozlarni shakllantirish kerak bo‘lgan hamma joyda kerak. Bunday mutaxassislar talab qilinadigan bir nechta sohalar:

• texnologik kompaniyalar — turli ilovalar, masalan, tavsiya tizimlari yoki logistika masalalari uchun mashinani o‘qitish algoritmlarini ishlab chiqishda;

• moliyaviy xizmatlar — bozor trendlarini taxmin qiladigan yoki mijozlarning kreditni toʻlash layoqatini baholaydigan modellar yaratish uchun;

• avtomobil sanoati — avtonom transport vositalari va xavfsizlik tizimlarini ishlab chiqishda;

• energetika — katta hajmdagi ma’lumotlarni tahlil qilish asosida energiya iste’moli sxemalarini modellashtirish va resurslar taqsimotini optimallashtirish uchun;

• ilmiy tadqiqotlar — tadqiqot ma’lumotlarida yangi qonuniyatlarni aniqlash yoki ilmiy farazlarni tasdiqlashda.

Doim aynan moliya sohasida ishlashni xohlardim. Shuning uchun Skolkovodagi kollektorlar uchun AyTi mahsulotlarini yaratadigan kompaniyada ish topdim.

Men qarzdorning shaxsiyati va qarz tuzilmasi tavsifiga asoslanib, uning qarzni qanday to‘lashini aniqlaydigan modellarni ishlab chiqyapman. Shuningdek, turli choralar, masalan, qarzdor bilan muloqot qilish yoki davlat tuzilmalari yordamida huquqiy vositalardan foydalanish uning to‘lovlariga qanday ta’sir ko‘rsatishini ham o‘rganmoqdaman. Bunday modellarni loyihalashda eng mayda omillar ham hisobga olinadi: ro‘yxatdan o‘tgan hudud, boshqa undiruvchilar bilan oldingi aloqalar, qarz bozorining mavsumiy xususiyatlari va qarzdorning jinsi hamda yoshi kabi ko‘rsatkichlar.

Ivan Tarmosin

Qarz portfellarini baholash modellarini ishlab chiquvchi yetakchi analitik

Xulosa qilamiz: ma’lumotlar analitigi va data sayntist

Ma’lumotlar analitigi va data sayns mutaxassislari raqam hamda faktlar asosida biznesga qarorlar qabul qilish, gipotezalar yaratishda yordam beradi. Har ikkala mutaxassislik uchun ham tanqidiy fikrlash, tahlilning matematik asoslari va statistikani bilish, ma’lumotlarni vizualizatsiya qila olish katta ahamiyatga ega.

Ikkala mutaxassislik ham ma’lumotlar tahlili sohasida yuqori talabga ega va bir-biridan hech bir jihatda qolishmaydi. Mutaxassislarning vazifalarga yechim topishdagi yondashuvlari turlicha xolos. Maʼlumotlar modellarni statistika va matematika asosida yaratadi, data sayntist esa javoblarni olish uchun intellektual algoritmlardan foydalanadi.

Ivan Tarmosin

Qarz portfellarini baholash modellarini ishlab chiquvchi yetakchi analitik

Ma’lumotlar analitigi biznes jarayonlariga chuqur kirib borishi, g‘oyalarni vizualizatsiya qilish va muzokaralar olib borishni bilishi kerak. Data sayntist dasturlash tillarini bilishi va kreativ fikrlashi lozim.

O‘zingizga quloq soling: qaysi biri siz uchun osonroq boʻladi? Qaysi biriga qiziqishingiz koʻproq?

Matematik analizni yaxshi bilsangiz, mashinani o‘qitish qiziqarli boʻlsa va dasturlashda o‘zingizni sinab ko‘rishni istasangiz, data sayns sohasiga eʼtibor qarating.

Agar siz ham menga o‘xshab jadvallar bilan ishlashni yoqtirsangiz, loyihalarni vizuallashtirish, grafiklar tuzish, ma’lumotlarni tartibga solish, qiziqarli SQL so‘rovlar yozish va boshqalarning kodini to‘g‘rilashni yoqtirsangiz — ma’lumotlar analitigi sohasi boʻyicha oʻqishga boring.

Anastasiya Karpuxina

“ORS” kompaniyasi ma’lumotlar bazalari ekspluatatsiyasi bo‘limi boshlig‘i o‘rinbosari

Mehnat bozorida har ikkala kasbga ham talab yuqori. Ma’lumotlar analitigi, ayniqsa, sog‘liqni saqlash, moliya sektori, marketing va chakana savdoda zarur. Data sayntistlarni esa faol tarzda texnologik startaplar, energetika va sanoat korxonalari qidirmoqda.

Ma’lumotlar analitigining kasbga kirish bo‘sag‘asi data sayntistnikidan pastroq. Shu bilan birga, ularning maoshi unchalik farq qilmasa-da, mehnat bozorida data sayntistlarga boʻlgan talab analitiklarga qaraganda kamroq. Ammo data sayntist bo‘yicha mutaxassislarga bo‘lgan talab yildan yilga ortib boradi.

Agar AyTi sohasiga ertaroq kirmoqchi bo‘lsangiz, ma’lumotlar analitigi kasbini, uzoq muddatli mutaxassislikni qidirayotgan bo‘lsangiz, data saynsni tanlaganingiz ma’qul.

Nikolay Glushchenko

“IEK Group”da biznes analitik

Manba: Аналитик данных и Data Scientist: сравниваем профессии