article-spots
article-carousel-spots
programs
Технологии
Сила в данных: Data Practice & Data Analytics Engineering в EPAM
17 февр. 2022

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.  

  1. 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). 
  2. Процессы Exact, Transform, Load. Студенты узнают, как собирать и обрабатывать данные с помощью различных инструментов, например, SSIS или Azure Data Factory. 
  3. 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!