💳 Потрібна європейська картка з лімітом 50к євро? Встановлюй Trustee Plus 👉

Чи правда, що великі дані ― портал у майбутнє й запорука успішного бізнесу? Пояснює Vice President of Data and Research в Uklon, де 30+ дата-фахівців

Ні для кого не секрет, що нині Big Data присутня всюди. Магазини, сервісні служби, медичні заклади, оператори зв’язку вже давно зрозуміли, що ефективно вести бізнес без великих даних у сучасних умовах стає все важче, а подекуди неможливо. Вони дають змогу ухвалювати обґрунтованіші рішення, краще розуміти поведінку клієнтів та оптимізувати процеси й бюджети.

Залишити коментар
Чи правда, що великі дані ― портал у майбутнє й запорука успішного бізнесу? Пояснює Vice President of Data and Research в Uklon, де 30+ дата-фахівців

Ні для кого не секрет, що нині Big Data присутня всюди. Магазини, сервісні служби, медичні заклади, оператори зв’язку вже давно зрозуміли, що ефективно вести бізнес без великих даних у сучасних умовах стає все важче, а подекуди неможливо. Вони дають змогу ухвалювати обґрунтованіші рішення, краще розуміти поведінку клієнтів та оптимізувати процеси й бюджети.

Зараз великі дані — основа роботи Uklon. Активніше робота з даними розпочалась із 2019 року, коли компанія почала більше інвестувати ресурсу в інфраструктуру даних і роботу з ними. У січні 2020 року до Uklon долучився Володимир Андрієнко, Vice President of Data and Research. Більшість рішень у компаніях уже давно ухвалюють на основі аналізу даних про користувачів сервісів. І серед них ― зовсім не очікувані симбіози ― нещодавно в Uklon з’явилася опція маршрутів із пішою частиною, що допомагають пасажирові зустрітися з водієм швидше, ніж драйвер кружляв би дворами, а потім витрачав би час на розворот. Ця опція ― результат обробки петабайтів даних про те, як райдери сідали в автівку і як драйвери зустрічалися з клієнтами. І таких кейсів у розробників Uklon ― сотні, адже команда сервісу обслуговує мільйони користувачів.

Великі дані допомагають визначити потреби користувачів, звернути увагу на атипову поведінку драйверів, суттєво спростити комунікацію між водієм і клієнтом, а також виправити помилки та покращувати сервіс. 

dev.ua розпитав Володимира, чи можливо вести бізнес без даних у сучасному світі і які дані використовує Uklon, щоб якомога якісніше задовольняти потреби найвибагливіших клієнтів. 

Чи можливий Uklon без дати

«Uklon без даних можливий, але недовго, ― жартує Володимир. ― Ми Data-Driven компанія, де всі рішення ухвалюють на основі даних. Ефективно вести бізнес без великих даних у сучасних умовах стає все важче, оскільки вони дають змогу ухвалювати обґрунтованіші рішення, чітко розуміти поведінку клієнтів та оптимізувати процеси».

За його словами, Data-Driven і робота з даними — це не обов’язок, це опція вибору й шанс працювати ефективніше. Володимир переконаний: хто з даними не працює, навряд чи буде ефективним. І це в майбутньому може призвести до бізнесових проблем. У досвіді Андрієнка десятки разів траплялися ситуації, коли Product Owner задумав ідею, девелопери її втілили в життя, а фіча не працює. Так сталося тому, що гіпотеза не виправдалася, і все працює зовсім інакше, юзери розуміють цю функцію інакше. І перевірити, де помилка, якщо немає даних, неможливо. Бо кожна така помилка подовжує цикл розробки й породжує цикл розв’язання проблем, залучення додаткового дорогого ресурсу. 

Нині компанія для продукування ефективних рішень використовує дані про отримані оцінки за поїздки, їхні причини й коментарі, рейтинги водіїв і пасажирів, технічний стан автомобілів тощо. «Уся ця інформація допомагає нам оптимізувати роботу сервісу, підвищувати безпеку й зручність поїздок, а також покращувати якість обслуговування», ― пояснює Володимир.

Які дані збирає Uklon

  • дані про поїздки — звідки, куди, хто кого віз;
  • дані про водія — скільки років, скільки поїздок, рейтинг і дані про авто (якого року, марка тощо);
  • про маршрути;
  • час поїздок;
  • фідбеки про поїздки;
  • завантаженість доріг;
  • рейтинги водіїв і пасажирів;
  • технічний стан автомобілів;
  • методи оплати тощо.

Для обробки гігантських масивів даних в Uklon застосовують штучний інтелект. І оперує цими даними нині команда з 30 людей: дата-аналітиків, дата-сайєнтистів і дата-інженерів. 

Ріст у десять разів

Цікаво, що у 2019 році команда аналітиків даних налічувала тільки трьох фахівців. Згодом як допомогу аналітикам почали наймати фахівців із Data Science. Але ці дві команди, за словами Володимира, не можуть працювати без нормального дата-сховища, тому відкрили й третій напрям ― створили команду дата-інженерів, які щодня обробляють величезні обсяги даних для забезпечення ефективної роботи платформи.

За чотири роки підрозділ масштабувався до 30 фахівців, тобто виріс у десять разів. За словами Володимира, щоб найняти одного дата-аналітика, пропрацьовують 15–20 резюме претендентів. 

Дата-аналітики збирають та обробляють великі масиви даних. Водночас із часом виникла потреба у складніших і комплексніших продуктових рішеннях на основі зібраної інформації. Тут виникла потреба в дата-саєнтистах, які створюють алгоритми, тестують і доводять їхню значущість для продукту. Для фактичної реалізації цих алгоритмів у продуктах Uklon почав наймати Python-девелоперів

Вони ж забезпечують процеси обробки величезних обсягів даних. 

Володимир запевняє: найсучасніші технології захисту даних, включно із шифруванням, багатофакторною автентифікацією та регулярними аудитами безпеки, запобігають будь-яким можливим витокам інформації про користувачів сервісів Uklon. Наразі всі дані зберігають у хмарному сховищі. А ще в компанії є окремий відділ Information Security, що займається пропрацюванням того, чи є дірки в безпеці компанії. Крім цього, є окремо Data Protection Officer, який стежить за внутрішніми правилами та політиками, щоб запобігти ймовірному витоку даних ізсередини.

Що найскладніше в роботі дата-аналітика

Володимир наголошує: зазвичай дата-аналітиками працюють люди, які мають аналітичні здібності та навички. «Треба, щоб мислення було структурне й логічне, щоб кандидат міг одну цифру розкласти на десять складових, а потім кожну цифру розкласти ще на десять складових. І якщо в нас впали замовлення, то знайти причину падіння», ― пояснює Vice President of Data and Research у компанії Uklon.

Також потрібно розуміти, звідки отримувати дані, як їх групувати, фільтрувати, агрегувати, робити певні дії, щоб виявляти закономірності. 

Дата-аналітики працюють напряму з продакт-оунерами або іншими замовниками, оунерами домену. Наприклад, із Product Owner застосунку для драйверів. Вони допомагають цим підрозділам розуміти, що відбувається насправді, робити певні прогнози, моделювати ситуацію.

Володимир не приховує, що помилки в аналітиків трапляються. Утім, не це найскладніше в роботі фахівця з дата-аналізу.

«Найважче, на мою думку, правильно інтерпретувати вимоги, зробити коректний аналіз. Якщо дата-аналітику неправильно поставити запитання й не пояснити те, що насправді хочеш, то можна очікувати, що результат буде теж не сильно прозорим», ― змальовує найнегативніший сценарій роботи Андрієнко.

Володимир додає, що складне завдання в аналізі великих даних — саме робота з їхнім обсягом і різноманітністю, а також із забезпеченням точності та надійності результатів. «Помилки трапляються, і деякі з них можуть мати серйозні наслідки для бізнесу. Одного разу неправильна інтерпретація даних під час перенавчання моделі призвела до збою в системі рекомендацій територій із підвищеним попитом для водіїв», ― наводить він приклад.

Щоб уникнути таких помилок, дата-аналітики в Uklon інтегровані в продуктові команди й безпосередньо беруть участь у спілкуванні з Product Owner. Вони знають, куди рухається продукт, який контекст, розуміють, на що рішення має вплинути. 

Шукайте вакансії в Uklon

Що робить Data Scientist

Дата-сайєнтисти, за словами Володимира, працюють в Uklon більше на покращення того, що вже працює ― вони можуть використати вже придуманий алгоритм для того, щоб оптимізувати розподілення замовлень, що колись робили девелопери. Також дата-дослідників можуть використовувати як важку артилерію в аналізі даних для пошуку інсайдів. Основне завдання дата-сайєнтистів ― перевіряти різні гіпотези. «Виходить якась нова LLM-модель або якась нова технологія, і вони дивляться й пропрацьовують, як ми її можемо застосувати. Чи можна, наприклад, щось замінити й оптимізувати вже наявну роботу», ― пояснює Володимир. 

Він наводить приклад: за даними бачимо, що в наших поїздок задовгий час очікування пасажира (між моментом, коли водій прибув, до моменту посадки пасажира в салон авто). За десяток поїздок за день драйвер міг би зекономити чимало часу. А одне замовлення з двадцяти — це вже 5% його денного доходу. Тому дата-сайєнтист тестує гіпотезу, робить певний Proof of Concept, чи можливо, наприклад, за наявних даних визначати, у чому основна затрата часу: пошук авто, спуск на ліфті чи щось інше. Ось. Фахівці пропрацьовують цю гіпотезу, роблять висновки, а потім ухвалюють рішення, чи доцільно нове рішення реалізувати, щоб оптимізувати час на імплементацію функціонала, наприклад «рекомендовані точки посадки».

Якщо рішення позитивне, нову фічу включають до продуктового планування разом з іншими продуктовими командами, потім ініціативі виставляється пріоритет, дедлайн, починається робота. Спочатку новий сервіс тестують на обмеженій локації, потім, якщо він виправдовує цілі, масштабують.

Володимир переконує: аналіз даних наразі стабільна ніша. Він радить усім, хто дивиться в бік IT, розглянути цей варіант розвитку кар’єри.

«Дата-аналітики розвиваються постійно. Їх усе більше й більше треба завжди», ― каже він. 

Ось як Володимир описує різницю між аналітиками та дослідниками даних: «Є дуже складні закономірності, що на рівні дата-аналітики важко визначити, важко сприйняти мозком. Є певні моделі, де понад три залежності. Наприклад, людина пішла з нашого сервісу. Є 50 чинників, що можуть на це вплинути. Дата-аналітика прив’язує кожен чинник окремо, а дата-сайєнс може придумати, написати, використати модель, що вкаже, за комбінації яких чинників людина найімовірніше піде».

Шукайте вакансії в Uklon

Поради тим, хто хоче працювати з Big Data

Фахівці Uklon радять пересвідчитися в тому, що ви готові працювати з великими даними. Ось три поради від них: 

1. Отримайте відповідні знання та навички

  • Математика та статистика: основи статистики, теорії ймовірностей та алгебри будуть дуже корисними.
  • Бази даних: засвойте SQL і навчіться працювати з базами даних.
  • Програмування: вивчіть одну з мов програмування, як-от Python, R і Scala, що часто використовують для роботи з даними.

2. Практикуйтеся

  • Проєкти та конкурси: участь у реальних проєктах і конкурсах (наприклад, Kaggle) допоможе вам застосувати знання на практиці.
  • Дослідницькі проєкти: аналізуйте відкриті набори даних для отримання практичного досвіду.

3. Вивчайте машинне навчання та штучний інтелект

  • Знання алгоритмів машинного навчання і їхнього застосування на великих наборах даних значно підвищить вашу конкурентоспроможність на ринку праці.

Шукайте вакансії Uklon

Підключай Megogo зі знижками за акційними тарифами.

від 99 гривень на місяць

Читайте також
Roosh запускає нову освітню платформу AI HOUSE CLUB для ML/AI-спеціалістів та дата сайнтистів. Розповідаємо, як подати заявку та чому навчатимуть
Roosh запускає нову освітню платформу AI HOUSE CLUB для ML/AI-спеціалістів та дата сайнтистів. Розповідаємо, як подати заявку та чому навчатимуть
Roosh запускає нову освітню платформу AI HOUSE CLUB для ML/AI-спеціалістів та дата сайнтистів. Розповідаємо, як подати заявку та чому навчатимуть
В Uklon даватимуть гірші замовлення тим водіям, які перевищили швидкість
В Uklon даватимуть гірші замовлення тим водіям, які перевищили швидкість
В Uklon даватимуть гірші замовлення тим водіям, які перевищили швидкість
«Наткнулися на
«Наткнулися на "кадирівців", дружина кричала пошепки». CTO та співзасновник Uklon Віталій Дятленко в СКШ
«Наткнулися на "кадирівців", дружина кричала пошепки». CTO та співзасновник Uklon Віталій Дятленко в СКШ
Свіжий випуск уже на нашому YouTube-каналі.
«В середньому рівень ефективності спеціалістів зараз — 80% від довоєнного часу». CTO Uklon Віталій Дятленко в СКШ
«В середньому рівень ефективності спеціалістів зараз — 80% від довоєнного часу». CTO Uklon Віталій Дятленко в СКШ
«В середньому рівень ефективності спеціалістів зараз — 80% від довоєнного часу». CTO Uklon Віталій Дятленко в СКШ
Нове інтерв’ю вже цієї п’ятниці.

Хочете повідомити важливу новину? Пишіть у Telegram-бот

Головні події та корисні посилання в нашому Telegram-каналі

Обговорення
Коментарів поки немає.