Conatan Qoldmen 2006-cı ilin iyununda biznes şəbəkəsi olan Linkedin`ə gəldikdə bura hələ startap mühitini xatırladırdı. Bu zaman 8 milyona yaxın insan qeydiyyatdan keçmişdi və bu rəqəm çalışanların öz dostlarını və kolleqalarını dəvət etməsi ilə getdikcə artırdı. Lakin istifadəçilər saytda olan insanlarla idarəçilərin gözlədiyi səviyyədə əlaqə qurmağa can atmırdılar. Sosial təcrübədə nəsə açıq-aşkar olaraq çatışmırdı. Bir Linkedin menecerinin də dediyi kimi `Bu sanki bir yığıncağa qatılmaq və heçkəsi tanımadığınızı hiss etdiyiniz o an kimi idi. Sadəcə küncdə dayanıb sakitcə öz içkinizi içirsiniz və böyük ehtimalla oranı erkən tərk edirsiniz`.
Hesablar arasında gördüyü əlaqələr və istifadəçi profillərinin zənginliyi Stanford universitetinin elmlər namizədi olan cənab Qoldmenin diqqətini çəkdi. İlk baxışdan dağınıq datalar və içindən çıxılmayacaq bir analiz kimi görünsə də, o zamanla bəzi imkanları gördü. Nəzəriyyələr formalaşdıraraq, hipotezlər sınayaraq profil sahiblərinin məlumatları arasında əlaqələri tapmağa başladı və yaratdığı metodların yeni istifadəçilər üçün dəyər yaradacağını düşünürdü. Lakin Linkedin`in mühəndis komandası saytı formalaşdırmaqla bağlı çətinliklərlə üzləşdi və Qoldmen`in ideyaları ilə elə də maraqlanmadılar. Nə üçün istifadəçilərin öz əlaqələrini idarə etmək üçün Linkedin`e ehtiyacı olsun ki? Saytın onsuz da bütün üzvlərin məlumatlarını daxil edə biləcəyi bir adres dəftəri var idi. Onlar belə düşünürdülər.
Xoşbəxtlikdən, Reyd Hoffmen, Linkedin`in CEO-su ( hal- hazırda icraedici direktordur), analitikanın gücünü anladı, çünki özünün də PayPal təcrübəsi var idi və Goldmeni yüksək dərəcədə qiymətləndirdi.
Bundan sonra o öz ideyasını həyata keçirməyə başladı, və bir-birini tanımayan, lakin tanımaq ehtimalı yüksək olan insanların əlaqəyə keçərsə necə reaksiya verəcəklərini test etdi, məsələn eyni məktəbdə və iş yerində fəaliyyət göstərən insanlar əlaqə qursalar necə olar? O, buna hər istifadəçinin background`una yazdığı məlumatları eyniləşdirən 3 ən yaxşı kombinasiyanın reklam kompaniyasını yaratmaqla başladı.
Bundan bir neçə gün sonra saytda nəsə önəmli bir şeyin baş verdiyi hiss olunurdu. Reklamların kliklənmə sayı ən yüksək həddə çatmışdı. Qoldmen araşdırmalarına davam etdi, və “üçbucaq bağlanma” adını verdiyi fikrini inkişaf etdirdi-əgər siz Lari və Su`nu tanıyırsınısa, o zaman Lari və Su`nun da bir birini tanıması üçün də bir şans verin. Qoldmen və komandası bunu sadəcə bir kliklə etmək üçün də çalışmağa başladılar.
Data analitiklərinin lazımi sayda olmaması bəzi sektorlarda ciddi sıxıntıya çevrilməyə başladı.
Çox çəkmədi ki, bu fikir Linkedin`in top menecerləri arasında da tanındı və standart funksiyaya çevrildi. O zamanlar həqiqətən başlayırdı! “Tanıya biləcəyiniz insanlar” reklamlarına müraciət saytdakı digər funksiyalara olan müraciətdən 30% faiz daha yüksək oldu və milyonlarla yeni səhifə görüntülənməsi qeydə alındı. Bir funksiya nəticəsində, Linkedin`in böyümə səviyyəsi önəmli dərəcədə artdı.
Yeni nəsil
Qoldmen təşkilatilardakıi yeni əsas fiqur olan “data mütəxəssisinə” çox yaxşı nümunədir. O, böyük həcmli datalar dünyasında kəşflər etmiş yüksək səviyyəli mütəxəssisdir. Bu ifadə isə yalnız bir neçə ildən sonra meydana çıxdı. (Onu ilk dəfə 2008-ci ildə D.J.Patil və Jeff Hammerbacher işlədiblər, sonradan bu şəxslər müvafiq olaraq Linkedİn və Facebook şirkətlərində data və analitika komandasının lideri olublar.) Lakin bu gün həm startap, həm də nüfuzlu şirkətlərdə minlərlə data mütəxəssisi işləyir. Onların qəfildən belə çoxalması göstərir ki, indi şirkətlər əvvəllər olmadığı qədər rəngarəng və həcmcə böyük informasiya ilə üz-üzədirlər. Əgər təşkilatınız bir neçə petabayt data ehtiyatına malikdirsə, informasiyanız rəqəm sətir və sütunları şəklində deyil, xüsusi formalarda saxlanılırsa və əgər sizin böyük sualınıza cavab tapmaq müxtəlif analitik səylər tələb edirsə, onda siz böyük data imkanlarına maliksiniz.
Böyük həcmli verilənlərə bugünkü maraq texnologiya üzərində cəmlənib, çünki bu, onu idarə etməyi asanlaşdırır. Bu texnologiyalara Hadoop (böyük həcmdə verilənləri paylanmış şəkildə emal edilməsi və saxlanması üçün geniş şəkildə istifadə olunan “framework”), açıq mənbəli proqramlar, bulud texnologiyası və verilənlərin vizuallaşdırılması daxildir. Bunlar çox vacib nailiyyətlər olduğu qədər, onlardan düzgün istifadə edə biləcək insanların olması da bir o qədər vacib məsələdir. Bu mənada, tələb təklifi xeyli üstələyir. Həqiqətən də, bəzi sektorlarda data mütəxəssislərinin qıtlığı ciddi sıxıntılar yaradır. Bu baxımdan Facebook, Linkedİn, Palo Alto Networks və Workday kimi şirkətlərdən geri qalan ilkin risk kapitalı şirkətlərindən olan “Greylock Partners” şirkətini nümunə göstərmək olar. İşçi qüvvəsi ehtiyacları ilə bağlı narahatlıqları onları xüsusi işə qəbul etmə komandası formalaşdırmağa məcbur etdi. “Onlar dataya malik idilər”, həmin komandanın lideri Dan Portillo deyir, “lakin onların həmin datanı idarə edəcək insanlara həqiqətən ehtiyacları vardı.”
Bu insanlar kim idilər?
Əgər böyük datadan faydalanmaq onsuz da sayı az olan data analitiklərini işə götürməkdən asılıdırsa, o zaman menecerlər üçün əsas çətinlik bu istedadı namizədlərdə necə tanıyacaqları, onları bir firmaya necə cəlb edəcəkləri və məhsuldar işləmələrini necə təmin etmələri ilə bağlıdır. Bu vəzifələrdən heç biri digər təşkilati məsələlər kimi birbaşa həll olunmur. Bunu nəzərə almaq lazımdır ki, o zamanlar heç bir universitet data elmi (Data Science) ilə bağlı proqram təklif etmirdi və “Data analitikinə nə zaman ehtiyac yaranır?”, “Onlar şirkət üçün necə dəyər yaradırlar?”və “Bu dəyər necə ölçülməlidir?” suallarının isə dəqiq bir cavabı yox idi.
Data analitiklərinə olan ehtiyacı qarşılamaq üçün ilk addım: şirkətlərdə nə etdiklərini anlamaqdır.
Hər şeydən əvvəl, data mütəxəssislərin gördüyü iş verilinlər içərisində üzərkən kəşflər etməkdən ibarətdir. Bu onların dünyanı anlamaq metodları idi, datanı strukturlaşdırırdılar və mümkün analizləri aparırdılar. Çətinliklərin əksik olmadığı və daimi məlumat axınının olduğu rəqabətli mühitdə, data analitikləri qərar verənlərə öz analizləri vasitəsi ilə yardım edirlər.
Data mütəxəssi anlayır ki, onlar texniki məhdudiyyətlərlə üzləşirlər, lakin onlar yeni həll yollarını axtarmaqda davam edirlər. Onlar yeni bir şey kəşf etdikdə, öyrəndiklərini digərlərinə ötürür və yeni biznes istiqamətləri üzrə öz təkliflərini edirlər. Onlar informasiyanı vizual təqdim etməkdə çox kreativdirlər və modelləri ən aydın və cazibədar şəkildə hazırlayırlar. Onlar müdirlərə və menecerlərə məhsullar, proseslər və qərarlar üçün verilənlərin istifadəsi ilə bağlı məsləhətlər verirlər.
Onların peşəsinin yeni formalaşan xüsusiyyətinə əsasən, data mütəxəssislərindən tələb olunur ki, onlar öz şəxsi üsullarını yaratsınlar və hətta akademik tədqiqatlar aparsınlar. Data mütəxəssisi qrupunu əməkdaşlığa ilk cəlb edən şirkətlərdən biri olan Yahoo “Hadoop”un təkmilləşdirilməsində əsas rol oynadı. “Facebook” data komandası isə Hadoop layihələrini proqramlaşdıran “Hive” dilini yaratdılar. Digər data mütəxəssisləri, xüsusən də, Google, Amazon, Walmart, eBay, LinkedIn, və Twitter kimi böyük həcmdə data idarə edən şirkətlərdə çalışanlar da bu proqram paketlərinin təkmilləşdirilməsində iştirak etdilər.
Bunları hansı insanlar edib? Hansı bacarıqlar data mütəxəssisini uğurlu edir? Data hakeri, analitik, kommunikator və etibarlı məsləhətçinin qarışığını təsəvvür edin. Belə bir kombinasiya çox güclüdür və həmçinin, çox az tapılır.
Data mütəxəssislərinin ən əsas və universal bacarıqları kod yazmaq hesab olunur. Ola bilər ki, son 5 il ərzində özlərini sadəcə vizit kart üzərində `Data analitiki` adlandıran belə insanlara görə bu bacarıq nisbətən öz əhəmiyyətini itirib. Buna görə də onlar üçün ən vacib xüsusiyyət data vasitəsi ilə hadisəni anlaşıqlı olaraq şərh etmək və vizual olaraq göstərə bilməkdən ibarətdir.
Lakin bizim üçün, bir data analitikində olmazsa olmaz dediyimiz xüsusiyyət problemin daha dərininə enmək və situasiyanı test edilə biləcək bir səviyyəyə gətirməkdir. Bu adətən, hər sahədə yaradıcı elm adamlarında rast gəlinən bir özəllikdir. Məsələn, saxtakarlığı araşdıran bir elm adamının problemin DNA sıralaması ilə analoq olduğunu ortaya çıxarması kimi. O, fərqli dünyaları bir araya gətirərək, özü və komandası üçün saxtakarlığa görə baş verən itkiləri maksimum azaldacaq bir həll yolu yaratmışdı.
Bəlkə də, bu mütəxəssis alim anlayışının yeni mahiyyətini ortaya çıxarır. Məsələn, təcrübəçi fiziklər bir cihaz hazırlamalı, datanı toplamalı, bir sıra ekperimentlər həyata keçirməli və nəticələr arasında əlaqəni müəyyənləşdirməlidir. Bu səbəbdən, qarışıq data ilə işləyəbilən insanlar axtaran şirkətlər, fizika və ya sosial elmlərdə təhsil və iş təcrübəsi olanlar arasından daha çox işçi axtarırlar. Ən parlaq data analitiklərindən bəziləri ekoloji və sistem biologiyası kimi sahələrdəki PhD`lərdir. Corc Rumelotis, Silikon Vadisinin data elmi bölüm başçısı, öz müdafiəsini astrofizika sahəsində etmişdir. Təəccüblü olmayan bir şəkildə, günümüzün bir çox data analitiklərinin bir çoxu rəsmi olaraq kompüter elmləri, riyaziyyat və ya iqtisadiyyat təhsili almışdır, ümumiyyətlə isə verilən və hesablama olan hər yerdə onlar ortaya çıxa bilirlər.
Bir data menecmenti ekpertinin datanı analiz etmək üçün bacarığı ola bilər, lakin o analiz zamanı “səliqəsiz” şəkildə paylanan məlumatları gözardı etməməlidir, onları həm də analiz üçün təşkil etməlidir. Ola bilsin ki, ənənəvi sahələrdə bunu güclü sosial bacarıqlar olmadan da etmək mümkün olsun, ancaq data analitikləri üçün bunlar vacib tələblərdir.
Rumelotis bildirir ki, onlar namizədləri yalniz statistik və analitik qabiliyyətlərinə görə işə götürmürlər. O, bu işə namizədlərə Java kimi dillərdə prototiplər formalaşdırmağı bacarıb bacarmadıqlarını soruşaraq başlayır. Rumelotis müraciət edənlərdə hər iki bacarığı da axtardığını qeyd edir: riyaziyyat, statistika, ehtimal və kompüter elmlərində əsaslı biliklər və yaradıcı düşünmə tərzi.
Bir neçə universitetlər hal-hazırda data elmləri ilə bağlı proqramlar təsis etməyi planlaşdırır və analitika sahəsində mövcud olan proqramlar, məsələn, Şimali Karolina Ştatında, Analitika üzrə magistr dərəcəsi öz proqramına böyük data mövzularını əlavə edir. Bəzi şirkətlər də həmçinin öz data mütəxəssislərini inkişaf etdirməyə çalışırlar. Böyük data şirkəti olan Greenpulm`u aldıqdan sonra, EMC qərar verdi ki, data mütəxəssislərinin olması müştərilərlə onlar arasında bir əlaqə vasitəsi olacaq. Beləcə Təhsil Xidmətləri mərkəzi data analizi təhsil və sertifikat proqramı başlatdı. EMC proqramı hal-hazırda həm müştərilər, həm də işçilər tərəfindən istifadəyə yararlıdır və bəzi məzunları artıq böyük data təşəbbüslərini(layihələrini) həyata keçirirlər.
Data mütəxəssisləri, sadəcə tövsiyə vermək deyil, həmçinin yeni dəyərlər formalaşdırmaq istəyirlər. Hətta bəzən konsultant olmağı “ ölü zona” kimi də adlandırırlar.
Təhsil imkanları artdıqca bu sahədəki çalışmalar da təkmilləşir. Böyük data texnologiyalarının təminatçıları həmçinin ondan istifadəni də asanlaşdırmağa çalışırdılar və bu zaman bir data alimi bu boşluğu doldurmaq üçün yeni ideya formalaşdırdı. Jake Klamka tərəfindən hazırlanan “Insight Data Science Fellows” Proqramı, elm adamlarını akedemiyadan alır və 6 həftə ərzində onları uğurlu data mütəxəssislərinə çevirir. Bu proqrama Facebook, Twitter, Google və Linkedİn kimi şirkətlərdən olan ekspertlər rəhbərlik edirlər. İlk başlarda 10 iştirakçı sayını qarşıya məqsəd qoyan Klamka 200`dən çox müraciətdən sadəcə 30-u seçə bildi. “Şirkətlərdən gələn təlabat ağlasığmaz idi” Klamka qeyd edirdi.
Data mütəxəssis niyə burda işləmək istəyərdi?
Data mütəxəssislərin sayı artsa da, xüsusi istedadlar üçün rəqabət yenə də kəskin olaraq qalacaq. Namizədlər iş imkanlarını böyük həcmli data məsələlərinin nə dərəcədə maraqlı olmasına əsasən gözdən keçirirlər. Onların biri belə şərh edir: “Əgər biz strukturlaşdırılmış data ilə işləmək istəyiriksə, onda Wall Street-də olmalıyıq.” Bu günün ən yaxşı perspektivləri qeyri-kommersiya sektorundan gəlir, işəgötürmə menecerlərindən tələb olunur ki, problemlərə uyğun nailiyyətlər qazana biləcək potensialları müəyyənləşdirsinlər.
Məvacib əlbəttə ki, önəmli bir faktordur. Yaxşı data mütəxəssisin üzünə çox qapılar açılır və onun maaşı da yüksək olacaq. “Start-up”larda işləyən bir neçə data mütəxəssis qeyd edir ki, onlara tələb var və onların böyük həcmdə opsion paketləri olur. Əgər kimsə başqa səbəblərdən vəzifəni qəbul edirsə, ödənilən kompensasiya hörmət və dəyərin göstəricisi olur. Lakin bizim qeyri-rəsmi sorğumuz data mütəxəssislərin prioritetləri ilə bağlı daha vacib məsələni aşkara çıxardı. Onlar “körpüdə” olmaq istəyirlər. İstinad 1960-cı illərin televiziya şousu “Ulduz Yolu”nadır. Belə ki, orda gəmi kapitanı olan James Kirk Cənab Spock tərəfindən təchiz olunan verilənlərdən tam asılı vəziyyətdə idi. Data mütəxəssisi istəyir ki, inkişaf edən situasiyanın tam mərkəzində olsun, ortaya çıxa biləcək imkanlardan vaxtında xəbərdar olsun.
Data mütəxəssisinin tapılması və qorunmasının çətin olduğunu nəzərə alaraq, onları konsultant kimi işə cəlb etmək daha yaxşıdır. Konsaltinq şirkətlərinin çoxunun hələ də kifayət qədər data mütəxəssisi yoxdur. Hətta Accenture, Deloitte və IBM Global Services kimi nəhəng şirkətlər müştəriləri üçün böyük həcmli data layihələrinin idarə edilməsi sahəsində ilkin mərhələdədirlər. Data mütəxəssislərinin bacarıqları standart kəmiyyət analitikası problemlərinə
Lakin bizimlə həmsöhbət olan data mütəxəssislər deyir ki, onlar sadəcə qərar qəbul edənlərə məsləhətlər vermək istəmir, özləri nə isə yaratmaq istəyirlər, Onlardan biri konsultant olmağı “ölü zona – gördüyün iş kiməsə analizə əsasən nə etməli olduğunu deməkdən ibarətdir” kimi təsvir edir. Bu məsələyə çarə tapılsa, onlar daha effektli ola, peşələrinin qabaqcılları olaraq öz imzalarını qoya bilərlər.
Onilliyin cazibədar peşəsi
Google şirkətinin baş iqtisadçısı Hal Varian belə deyib: “Növbəti 10 ilin ən cazibədar peşəsi statistika mütəxəssisləri olacaq. İnsanlar elə fikirləşir ki, mən zarafat edirəm, amma kimin ağlına gələrdi ki, 90-cı illərin ən cazibədar peşəsi kompüter mühəndisi olacaq?”
Əgər “cazibədar” nadir keyfiyyətlərə malik olub çox tələb olunan anlamına gəlirsə, data mütəxəssisləri artıq elədirlər. Onlar işə cəlb olunmaq üçün çox çətin və bahalıdır, onların xidmətləri üçün bazar çox rəqabətlidir, onları işdə tutub saxlamaq da asan məsələ deyil. Bir sözlə, elmi biliklərə və eyni zamanda, riyazi və analitik bacarıqlara malik insan elə də çox deyil.
Bu günün data mütəxəssiləri “Wall Street”in 80-90-cı illərdəki “quant” adlanan analitiklərinə bənzərdirlər. Həmin illərdə fizika və riyaziyyat təhsilli insanlar banklara və hecinq fondlara investisiya yatırırdılar. Onlar burada tamamilə yeni alqoritmlər və data strategiyaları axtarıb tapırdılar. Sonradan müxtəlif universitetlər maliyyə mühəndisliyi üzrə magistr proqramı təşkil etdilər, bununla da, şirkətlər üçün daha əlçatan olan məharətli ikinci nəsil yetişdirildi. Bu proses 90-cı illərin sonunda araşdırma mühəndisliyi ilə təkrarlandı.
Burdan sual çıxır ki, elə şirkətlər oldumu, daha ağıllı davranaraq daha çox, daha ucuz, daha asan yoxlanıla bilən və biznes parametrlərini mənimsəyə bilən ikinci nəsil data mütəxəssislərin meydana çıxmasını gözlədilər. Niyə də mütəxəssislərin yetişdirilməsi problemini böyük data “start-up”ları və ya aqressiv strategiyaları onları daim ön cəbhədə tutmağa məcbur edən GE və Walmart kimi şirkətlərin öhdələrinə buraxmasınlar ki?
Bu fikirlə bağlı problem odur ki, böyük həcmli datanın faydalarından yararlanmaq üçün qətiyyən vaxt itirmək olmaz. Əgər şirkətlər oturub gözləsələr, onlar rəqiblərindən geri qalacaq və rəqiblərin demək olar ki, əlçatmaz avantajlar qazanmasına şərait yaradacaqlar. Böyük həcmli datanı böyüyüb hündürə qalxan dalğa kimi təsəvvür edin. Onu tutmaq istəyirsinizsə, sizin sörfinq bacarığı olan insanlara ehtiyacınız var.
© Mətanət Rzazadə QSS Analytics 2017
