С самого начала в EPAM были специалисты из разных стран, которые делали интересные Data-проекты. 8–9 лет назад благодаря появлению Big Data начала сильно меняться сфера по обработке данных. Уже тогда стало понятно, что необходимо сфокусироваться на этой компетенции, чтобы занимать лидирующие позиции на рынке. Позже в EPAM пришли к выводу, что традиционные и новые технологические навыки должны использоваться вместе при работе на проекте, и объединили их в Data Practice.
Объединение разных отделов в одну Data Practice соответствовало тенденциям на рынке, когда стали говорить о данных в целом, не разделяя технологии. И сегодня Data Practice в EPAM объединяет более 3300 сотрудников из 26 стран в 102 городах по всему миру и успешно работает над многочисленными проектами.
Из каких дисциплин состоит Data Practice?
Девять основных дисциплин практики соответствуют тому, какие Data-сервисы востребованы сегодня на рынке.
Чем занимаются специалисты этих направлений?
- Data Software Engineer и Data Analytics Engineer собирают и перерабатывают данные, запускают процессы и строят сервисы, чтобы эти данные превратились в Data-продукт.
- Data Quality Engineer сочетает в своей работе инженерные задачи, анализ данных и элементы тестирования. В какой-то момент стало понятно, что традиционное тестирование — всё-таки не та дисциплина, которая может обеспечивать необходимый контроль качества данных на наших платформах. Поэтому выделили отдельное направление.
- Data Science Engineer структурирует и анализирует большие объёмы данных, предсказывает события.
- Data DevOps Engineer работает с распределёнными системами, параллельно обрабатывает сложные данные. Ему приходится держать в уме очень много связей между компонентами систем, анализировать и устранять проблемы.
Что это за направление — Data Analytics Engineering?
Data Analytics Engineering (DAE) — это технологии и инструменты для сбора, обработки и визуализации информации, а также организации хранилищ данных. DAE-специалисты помогают бизнесу анализировать ключевые параметры и принимать решения на основе данных.
Чем занимаются специалисты по Data Analytics Engineering?
Инженер по Data Analytics преобразует данные в информацию, которую конечный пользователь может понять и использовать, например, с помощью Excel. Data Analytics Engineer работает на всех этапах жизненного цикла продукта, включая сбор и анализ данных, разработку и поддержку продукта.
В Data Analytics Engineering существует множество типов продуктов и их жизненных циклов. Вот почему существуют разные типы Data-инженеров:
- Data Analytics & Visualization — занимается анализом и визуализацией данных;
- Data Integration, DBA & Cloud Migration отвечают за создание ETL pipeline, загрузку в Data Warehouse и работу с Cloud.
Чему научатся студенты на тренинге?
Прежде всего они поймут, что такое данные, как с ними работать, зачем к нам приходят заказчики и какие их проблемы решает Data-специалист. Во время обучения студенты научатся моделировать базы данных; анализировать исходные, очищать и загружать данные в хранилище; визуализировать оптимальным образом данные; познакомятся с облачными технологиями.
- Warehousing, или разработка-настройка баз данных. Студенты досконально изучат основы моделирования баз данных, научатся писать сложные запросы на языке SQL, попрактикуются в создании Data Warehouses на одной из реляционных СУБД (Microsoft SQL Server).
- Процессы Exact, Transform, Load. Студенты узнают, как собирать и обрабатывать данные с помощью различных инструментов, например, SSIS или Azure Data Factory.
- Reporting & Visualization. Студенты научатся визуализировать информацию и представлять табличные данные в графиках с помощью PowerBI, Tableau и других инструментов.
Какие требования к кандидатам?
Мы ждём кандидатов, которые:
- обладают базовыми знаниями теории реляционных СУБД;
- владеют SQL на начальном уровне;
- знают английский на уровне B1 (Intermediate) и выше;
- могут выделять на обучение 10–15 часов в неделю на первом этапе и 20–30 часов — на втором.
Плюсом будет знание языков программирования: Python, JavaScript, C#.
Для тех, кто решил пройти отбор на тренинг
- Уделите время материалам для самоподготовки. Пройдите по ссылкам из рекомендованой статьи из нашего блога. Это первый шаг к ответу на вопрос: «Работа с данными — это моё или нет?»
- Трезво оцените свои навыки и будьте честными на интервью. Дальше пройдут только самые мотивированные, кому действительно интересно работать и учиться.
- Не учитесь для других, учитесь для себя. Здесь не сработает «сдал и забыл». Все знания, которые вы получите на тренинге, станут базой вашей карьеры. Все они нужны, ни один нельзя исключить.
Хотите начать карьеру в Data Analytics Engineering? Регистрируйтесь на бесплатные обучающие программы от EPAM прямо сейчас!
