3532 просмотра

Готова ли строительная отрасль стать цифровой?

Управляющий директор по цифровизации и развитию КазНИИСА рассказал Kursiv.kz с какими сложностями столкнутся строительные компании из-за введения ТИМСО

Уже в следующем году использование информационных моделей в строительстве при проектировании технологически сложных государственных зданий станет обязательным условием. Насколько готов рынок к внедрению и работе с новой технологией и с какими сложностями столкнуться строительные компании, рассказал управляющий директор по цифровизации и развитию Казахского научно-исследовательского института строительства и архитектуры (КазНИИСА) Александр Шахнович.

– В 2020 году применение BIM (Building information modeling – информационное моделирование зданий) станет обязательным. Насколько в Казахстане уже готовы специалисты, исполнители и заказчики к переходу?

– Тут нужно уточнить, что BIM или ТИМСО (технология информационного моделирования строительных объектов) будет обязательной для проектирования технологически сложных объектов жилищно-гражданского назначения. Это не очень большая группа: крупные административные здания, большепролетные здания, объекты с большим скоплением людей. Мы полагаем, что технология BIM именно для таких зданий принесет наибольший эффект.

Что касается готовности отрасли и специалистов, то этот процесс перестройки на новую технологию в последние два года стал интенсивным. Ряд крупных строительных компаний, оценив преимущество, активно переходит на эту технологию. Соответственно, они подтягивают на свой уровень и своих подрядчиков, партнеров, которые так или иначе с разной степенью готовности могут использовать на практике эту технологию. ТИМСО из разряда инновации переходит в текущую практику. Поэтому у нас нет особого беспокойства касательно обязательного требования для небольшой группы объектов.

– Какую долю строительного рынка занимает эта группа объектов?

– Если брать в денежном объеме, то не более 10% от рынка.

– А типовые объекты: дома, школы, больницы – когда при их проектировании и строительстве BIM станет обязательным?

– Некоторые больницы и школы более  чем на 600 учащихся относятся к технологически сложным объектам. Мы предполагаем, что с 2022 года для технически сложных объектов 1 и 2 категории BIM также станет обязательным. Но это пока просто цель, которая будет корректироваться на основании опыта применения на технологически сложных объектах.

Пока информационное моделирование коснется только проектирования. После проектирования ключевая задача технологии – передать информацию из проектирования в строительство и в реальном, фактическом строительстве сопоставить информационную модель с исполнительной (то, что построено). Это будет уже следующим этапом 2021–2022 года, когда мы закончим внедрение и получим первые результаты внедрения на стройке для государственных объектов, тогда можно будет сказать, что мы уже перешли на новую технологию. Ведь на проектировании не заканчивается применение технологии.

– То есть о полноценном внедрении нужно говорить уже не в 2020, а значительно позже?

– Да, это примерно 2022–2023 годы. Сейчас пока то, что подразумевается под обязательном BIM-ом, касается лишь проектирования.

– Насколько позволит сократить трудовые и денежные затраты применение BIM на этапе проектирования?

– На этапе проектирования, особенно при первоначальном применении, затраты, наоборот, возрастают. Приходится инвестировать в обучение персонала, покупку программного обеспечения, модернизацию компьютерной техники. И частные заказчики, которые заставляют своих подрядчиков переходить на BIM, и в том числе и государство, рассматривают вопрос об увеличении стоимости оплаты за проектные услуги с применением технологии информационного моделирования. Стоимость увеличится примерно на 20%.

Но вопрос не только в деньгах. Важнее то, что людям приходится перестраиваться, менять привычный подход к работе, и это наибольшая сложность. Если пускать применение технологии в проектной организации на самотек, то, скорее всего, ничего не получится. Важно вовлекать руководство, продавать эту идею сотрудникам, отслеживать качество перехода на технологию, ведь важно не просто нарисовать 3D-модель, а самое главное – настроить процесс управления информацией в организации и ее передачу, согласование и в итоге передачу заказчику и последующую настройку для нужд эксплуатации. Много факторов, которые влияют на успешное внедрение.

К тому же непрофильные заказчики на этапе строительства не всегда понимают необходимость и последующую выгоду от использования информационных моделей.

– Работа проектировщиков будет стоить на 20% дороже. Как это повлияет на отрасль и изменится ли она?

– Основные преимущества ТИМСО в том, что мы значительно снижаем риск удорожания либо нереализации строительных объектов. Моделируя, мы создаем не только цифровую копию здания, но и прогнозируем процессы возведения строения, поставки материалов. Поскольку это связано с повышением точности, мы выявляем нестыковки в вопросах финансирования, четко проводим связи между стоимостью технических решений, значительно снижаем риск возникновения различного рода упущений, связанных с человеческим фактором. В целом преимущества связаны с сокращением непредвиденных затрат. Посчитать их сложно, но такие факты просчетов налицо: мы видим, когда строительная компания не может достроить объект, поскольку что-то не учла в проекте.

В итоге комплексно выигрывает инвестор. Доплачивая дополнительные 20% к стоимости за проектные работы (составляют до 5–10% от стоимости строительства объекта),  значительно снижает риски и расходы, которые могут возникнуть в ходе строительства и эксплуатации. Общее удорожание проекта получается максимум на 2%, зато снижение рисков может привести к экономии до 30%.

– Как много в Казахстане компаний, которые внедрили в отделах проектирования эту технологию?

– Мы в основном работаем с компаниями, которые действуют в гражданском строительстве. И практически все крупные компании, которые на слуху, уже так или иначе используют технологию – кто-то уже переносит модели на стройку, кто-то пока внедряет в проектирование. Но факт в том, что все об этом знают и пытаются использовать.

– Те компании, которые к 2020 году не смогут перейти на новую форму работы, окажутся без заказов?

– Если речь идет о государственных средствах, используемых в строительстве, то проектные компании, работающие по старинке, не смогут в этих проектах участвовать и, скорее всего, будут работать с небольшими заказами (малоэтажные здания, коттеджи, рестораны, кафе, автомойки и т. д.), и для них все останется в привычном русле. Но если  речь идет о крупных проектах, то это бизнес. Придется следить за тенденциями, перестраиваться или уходить с рынка.

hyi2.jpg

– Если посмотреть по рынку, можно ли говорить, на сколько процентов готов рынок? Как много компаний уже применяют технологию? 

– Мы пока не запускали такой опрос, это у нас в планах, но по нашим субъективным ощущениям, сейчас уже порядка 30–40% компаний так или иначе применяют технологию, и самое главное – все уже знают о ней. Проходит много мероприятий, на которых поставщики и производители программного обеспечения рассказывают о преимуществах BIM.  Мы, как организация, ответственная за разработку методологии, также проводим семинары, участвуем с докладами в отраслевых конференциях. Все, кто следит за новостями рынка, – в курсе. Просто кто-то откладывает этот вопрос, а кто-то уже использует в практике.

– Насколько сложно компаниям внедрять у себя BIM, хотя бы в разделе проектирования? Сколько времени требуется на переход?

– При наличии финансирования этих мероприятий и должном внимании руководства процесс занимает в среднем год. Кто-то успевает и за шесть месяцев внедрить. В большой проектной организации с устоявшимися процессами переход может занять и два года. На этапе строительства сложнее, там пока нет устоявшейся практики применения информационного моделирования. Есть моменты, когда передают модель на стройку, и дальше уже каждый по-разному применяет – кто-то вплоть до того, что раздает мастерам планшеты, на которых они видят необходимую для них информацию, либо на каких-то больших планерках, примерно раз в месяц, показывают модель, чтобы у участников строительства сложилось визуальное представление, чего они за месяц должны достичь.

– Насколько переход финансово затратен для организаций?

– Это один из самых сложных вопросов. Сложность связана с тем, что все зависит от сложившейся ситуации и инфраструктуры в компании. Например, есть компании, которые, даже не зная, что такое BIM, несколько лет назад выстроили все процессы передачи информации и управление технической документацией на таком уровне, что для того, чтобы им перейти на BIM, нужно лишь закупить соответствующее программное обеспечение или просто обновить уже имеющееся. Есть компании, которые не уделяют должного внимания процессам хранения и обмена информацией, и для них этот переход будет гораздо затратнее и сложнее. Диапазон затрат от 150 тыс. тенге до 1,5 млн тенге на каждого сотрудника. При этом, конечно, небольшим компаниям перестроиться несколько проще.

– Государство как-то участвует в этом процессе?

– Вопрос многократно поднимался на рабочей группе при Комитете по делам строительства. Приводился опыт Сингапура, где государство субсидировало 50% затрат на покупку программного обеспечения. Были и другие предложения, как финансово способствовать переходу на информационное моделирование, однако в ходе обсуждения эти предложения не были приняты, поскольку проектирование не столь социально значимая отрасль, нуждающаяся в субсидировании. Это больше относится к вопросу развития проектного и строительного бизнеса – компании, которые желают развиваться и соответствовать тенденциям рынка, самостоятельно инвестируют, изыскивают средства.

Надо иметь в виду, что каждый по-своему понимает технологию информационного моделирования, поэтому, чтобы внести ясность, государство и финансирует разработку нормативно-технических документов. На сегодняшний день уже разработан пакет документов, позволяющий проектировать с использованием ТИМСО. В этом году мы должны пройти совместно с госэкспертизой практическую апробацию. Мы передадим проект, разработанный в ТИМСО, в госэкспертизу, уже есть для этого норматив, регулирующий процедуры проверки этих моделей, далее по итогам будет понятно, насколько все готово с точки зрения нормативного регулирования.

Помимо разработки нормативно-технических документов финансируется разработка специализированного классификатора, который отличается от существующих тем, что классифицирует не просто элементы строительного объекта, такие как кирпич или доска, а он разделяет здание на функциональные системы. Это современный системный подход, который позволяет решать задачи управления информацией, понимать, например, элемент трубы, поступивший на стройку, к какой системе относится и какую функцию сама система выполняет. В итоге это снижает путаницу. К тому же этот классификатор будет гармонизирован с классификатором ресурсного метода, который сейчас используется в сметном деле. Он будет интегрировать в себе и другие вопросы, возможно, он будет увязан еще и с техническими решениями.  Но это уже научно-исследовательский процесс, который займет годы. Сейчас же разработан классификатор, создан портал, на котором с ним можно работать; к концу года закончим гармонизацию с классификатором ресурсного метода. В целом в течение последних двух лет государство инвестировало порядка 450 млн тенге, при этом основные затраты были на разработку классификатора.

– Когда этот классификатор будет применяться?

– Он запускается как раз на этапе проектирования – проектировщик должен четко сегментировать каждый элемент, который он вносит в проект. Дальше все, кто будет работать с этой информацией в последующем: строители, закупщики, поставщики, эксплуатирующие службы – будут на этом же языке работать с этой информацией и не возникнет путаницы и разночтений в названиях различных элементов. Кроме того, КазНИИСА выступил с инициативой внедрить этот классификатор в строительной отрасли СНГ. Вырабатываем совместный перевод на русский язык стандарта ISO 81346-12 (сейчас он англоязычный) для того, чтобы в странах СНГ был единый перевод, обмениваемся опытом по практическому применению, еще раз повторюсь: это будет единый технический строительный язык в СНГ.

– Получается, Казахстан стал инициатором нововведения? Обычно же тон в подобных вопросах задает Москва?

– Не будем обижать российских коллег – они тоже прилагают большие усилия. Работа ведется совместно. У нас сложились довольно хорошие партнерские отношения, что помогает вырабатывать оптимальные решения по переходу отрасли на BIM и позволяет исключить в будущем проблемы гармонизации – так или иначе в рамках СНГ или ЕАЭС мы движемся на встречу друг другу. Пока классификатор не внедрен, нужно договориться о том, как его трактовать и использовать, чтобы в будущем не пришлось тратить время на гармонизацию

– Если смотреть по СНГ, то насколько различный уровень проникновения BIM?

– Разный. Кто-то резко выходит вперед, утверждая государственные программы, а какие-то страны и без госпрограмм достигают хороших результатов в частной строительной практике. Везде условия разные, несмотря на похожую проблематику – политические и законодательные требования разнятся, везде разная роль предпринимательского сообщества, поэтому сравнивать сложно. Если посмотреть на СНГ, то первыми в практике хороших результатов достигли в России, были неплохие успехи у отдельных компаний из Украины, Беларуси. Казахстан за последние три года очень сильно подтянулся, и с точки зрения нормативной базы мы уже догнали РФ, а по части классификации, поскольку раньше начали заниматься этим вопросом – стали инициатором внедрения, как упоминал ранее, единой системы классификации. Тут скорее вопрос не кто первый, а кто не опускает руки. Важно, чтобы развитие и Казахстана, и стран СНГ было на одном уровне со строительными компаниями из Великобритании, США или Китая. Если не следить за тенденциями и не способствовать их развитию, тогда мы не сможем с ними конкурировать не то что на мировой арене, но и на внутреннем рынке.

– Сейчас насколько большой разрыв?

– Казахстан, Россия и Беларусь – мы уже догоняем зарубежные компании. Даже ряд проектных и консалтинговых компаний из этих стран СНГ уже может поделиться опытом с иностранными коллегами.  Это воодушевляет. С точки зрения нормативно-технической базы и инноваций по цифровизации, в строительстве мы работаем на равных с партнерами из Европы, а в некоторых случаях и с компаниями из США.

– Из-за чего в Казахстане был такой быстрый рост отрасли? Бизнес диктует темп или государство поставило дедлайн?

– Синергия. Ведомство по делам строительства проявило интерес, и при поддержке Министерства индустрии и инфраструктурного развития совместно выстроили курс. Было много мероприятий, которые позволили отрасли услышать о том, что государство не игнорирует технологию. В то же время компании, стремящиеся конкурировать на зарубежных рынках, тоже подхватили технологию. Нам много еще над чем предстоит поработать, но пока тот темп, который мы взяли и стараемся сохранить, позволит через несколько лет войти в десятку стран, успешно применяющих технологию информационного моделирования в государственных проектах.

Строительство во всем мире – одна из самых консервативных отраслей в применении инноваций. До сих пор массово используется тяжелый людской труд. Но в эпоху не только цифровизации, но и роботизации, потребуются цифровые модели, новые подходы к хранению, управлению, защите и обработке информации. Пока мы не начнем переводить в цифровой формат наши бумажные чертежи, мы не сможем идти дальше. Проблема пока только в желании людей научиться и перестроиться.

– Кто-то централизованно помогает местным компаниям внедрять у себя ТИМСО?

– Это опять-таки рынок и конкуренция. Есть ряд консалтинговых компаний, которые обучают пользователей программам моделирования и помогают перестраивать процессы. КазНИИСА так же пытается работать на этом рынке – у нас есть авторизированный учебный класс, методические указания по обучению. Также КазНИИСА является основным исполнителем по выработке методологи применения ТИМСО в государственных проектах. Есть и те компании, которые самостоятельно пытаются осуществить переход – в интернете много инструкций и видеоматериалов. Но процесс самостоятельного внедрения может идти достаточно долго – если нет опыта, то компании приходится самостоятельно натыкаться на подводные камни, которые консалтинговые компании уже знают и помогают обойти.

– В дальнейшем будет вестись мониторинг по переходу компаний на ТИМСО? Или в нем нет необходимости?

– Если говорить о госпроектах, то на текущем этапе единственная точка контроля – прохождение государственной экспертизы. По результатам 2020 года можно будет понять, получилось ли у нас перевести проектирование в ТИМСО, если да – займемся стадией строительства.

– Насколько компании, которые будут проводить экспертизу, готовы к работе с информационными моделями?

– Что касается госэкспертизы, то там уже есть обученные специалисты. В прошлом году был разработан свод правил, в этом году нужно лишь обкатать на практике. К моменту ввода обязательного требования государственная экспертиза, по моему мнению, будет готова. По частным экспертным компаниям не могу сказать однозначно, насколько они готовы. Но проверять информационную модель проще, чем ее создавать, тем более когда у них будет нормативный документ – сложностей не вижу. 
 

banner_wsj.gif

490 просмотров

Что должен уметь специалист по большим данным — девушки о работе в Data Science

Рассказываем, как устроен рынок аналитики

Фото: Pixabay

От математики и статистики к аналитике, программированию и машинному обучению. Как справляются с задачами и работают над собой, выстраивают коммуникации с командой, о чём мечтают и как попали в профессию, рассказывают специалистки из компаний «Газпромнефть» и Kolesa Group.

«Я успела поработать 3 месяца Data Science интерном в стартапе Mezzobit в Нью-Йорке (платформа помогает собирать данные аудитории, уделяя внимание их конфиденциальности, обмениваться ими и использовать для оптимизации в маркетинговых целях — «Курсив») отказавшись от оффера из Силиконовой долины. И получила письмо от министерства образования с требованием вернуться в Казахстан», — рассказывает Назым Сатбекова, специалист по машинному обучению (Machine Learning) в Kolesa Group и выпускница Carnegie Mellon University по программе «Болашак».

Data Science, или наука о данных, использует большие массивы данных (Big Data или Dataset) для понимания связей между явлениями, выявления закономерностей и их анализа. Data Science — междисциплинарная отрасль, объединяющая статистику, математику, информатику и, опционально, другие сферы (экономику, маркетинг, медицину, телеком и другие) — в зависимости от конкретных задач. Отрасль довольно молодая: современная концепция появилась в начале 2000-х. 

Data Science — прикладная наука, она помогает решать очень прагматические проблемы: прогнозировать периоды роста и спада спроса в бизнесе или возможные природные катаклизмы, модерировать объявления и фильтровать спам, проводить первичную клиническую диагностику у пациентов.

«В новый DS-отдел одна томская компания посадила одинокого программиста с многолетним опытом коммерческой разработки, а в пару ему искала математика. В качестве тестового задания мне предложили написать на Python алгоритм умножения матриц: я писала его всё воскресенье в текстовом редакторе, потому что не знала о существовании среды разработки. Разумеется, мне отказали», - говорит Виолетта Гайдак, аналитик по технологиям в «Газпромнефти» в Санкт-Петербурге.

У Назым и Виолетты разные истории о том, как они попали в Data Science, и работают они над разными задачами. Но обе подчеркивают, что их работа — это большая ответственность и постоянное обучение новому. Эти требования никак не привязаны к полу, хотя женщин в сфере действительно гораздо меньше. 

От статистики к Data Science

Назым родилась в городе Сатпаев в Карагандинской области, а позже с семьёй переехала в Караганду и закончила там школу с уклоном в физику и математику. Хотела поступать в филиал МГУ на экономиста, как большинство знакомых сверстников. Но отбор не прошла: сдала математику с отличием и завалила сочинение. Поначалу растерялась и не знала, что теперь делать. Старшая сестра училась тогда по программе «Болашак» в Москве — по её примеру Назым решила тоже попытаться и подалась на специальность «Статистика», которая показалась более близкой к экономике. К тому же, статистика была приоритетной специальностью и шансов поступить туда было больше. 

Практически весь следующий год пришлось готовиться, сдавать экзамены по английскому, казахскому, писать мотивационное сочинение, проходить тесты на психологическую устойчивость и готовность к обучению. В апреле 2009 года девушка узнала о зачислении на обучение по программе. 7 месяцев заняло обучение на языковых курсах, во время которого Назым стала подаваться в зарубежные университеты. Её приняли в американский Carnegie Mellon University — частный университет в Питтсбурге, Пенсильвания. Учиться там не слишком хотелось, потому что считала это учебное заведение слишком крутым для себя. Carnegie Mellon University — один из топовых технологических университетов по статистике и программированию. На втором курсе она решила параллельно изучать политику и менеджмент, чтобы точно найти работу по окончанию университета (стипендиаты программы «Болашак» обязаны вернуться в Казахстан и отработать обучение: в городах республиканского значения в течение 5 лет, в регионе — 3 года, 2 года в сфере образования — «Курсив»)

45e6d4b5-d77f-4e44-9fc9-e3fd059af20b.jpg
Назым Сатбекова / фото из личного архива

«Я много грузилась тем, что потом буду делать в реальном мире. Думала, что вот со знаниями политики и менеджмента смогу пригодиться в Казахстане: вот приеду, всё поменяю, всё сделаю круто и как надо! Прошла стажировку в министерстве экономики. Полтора месяца: принеси кофе, сделай справки, напиши письмо. Я поняла, что не хочу работать в этой сфере, а хочу найти реальное применение своим знаниям — и стала размышлять о техническом применении статистики», - говорит Назым.

Молодой человек рассказал Назым, что собирается на Data Science, предложив тоже податься, ведь все её изученные курсы подходили для такой работы. Девушка гуглит, чтобы понять, что это вообще такое. И чувствует, словно звёзды сошлись: эта работа выглядит очень интересной и подходящей для неё! До окончания университета остаётся 4 месяца, и Назым должна вернуться в Казахстан. Но понимает, что в стране в тот момент просто нет работы в выбранной сфере. Решает, что не хочет заниматься чем-то ещё, и остаётся в Америке ненадолго на свой страх и риск ради реального опыта.

948691fc-1dc3-4f3a-85e2-535cbf2c0571.png


Kolesa Group опросили 308 респондентов, работающих в сфере Data Science в Казахстане, чтобы составить портрет специалиста. По данным опроса 97% — с высшим образованием

e8db90a3-a5ff-4675-8fb9-5c94b2167fc5.png

Большинство специалистов в сфере учились в казахстанских вузах

Поработав в стартапе 3 месяца, девушка возвращается в страну. В 2014 году никакой работы для специалиста по Data Science в Казахстане не было. Пришлось устроиться в обычное ТОО, заниматься клиентской аналитикой — хотелось хотя бы работать с данными. Затем устраивается в 2дэй телеком, Халык банк и Kaspi банке, где появилась возможность снова стать Data Science-специалистом. В Kolesa Group, где она работает, захотелось попасть ради классной команды, того самого окружения, которое многому учит и вдохновляет. В анализе данных Назым Сатбекова — 5,5 лет, из них 3,5 года — в Data Science.

313a2174-b2c6-4b2b-a109-b930bdf2f182.png

На рынке Казахстана распределение специалистов в сферах в пользу IT, финансов и банков

От чистой математики к Data Science

Виолетта Гайдак закончида школу в селе Успенка Павлодарской области. Мечтала поступить в Алматы на радиотехнику, но не хватило баллов на ЕНТ — 108, четверка в аттестате по физике. В итоге поступила в Павлодарский государственный университет на специальность «Актуарная математика» со специализацией в оценке рисков в страховании. На тот момент в ПГУ был сильный преподавательский состав старой закалки: кандидаты физико-математических и педагогических наук с дипломами из Санкт-Петербурга, Новосибирска, Алматы. Опыта в страховании никто не имел, да и с преподаванием информатики было туго: на первом курсе писали QBasic. Зато классическая программа мехмата давалась на высоком уровне. Университет окончила с красным дипломом и получила распределение на работу в лучшую школу города — лицей №8 для одаренных детей. 

Чтобы продолжить обучение в магистратуре, приняла участие в университетской олимпиаде Томского политехнического университета и сдала выездной экзамен в Томский государственный университет. Поступила в оба университета на бюджет, но выбрала классический вуз, так как стремилась к чистой, а не прикладной математике. В Томске устроилась учителем математики в школу, чтобы обеспечить себя и совмещать работу с очным обучением в магистратуре. Когда заканчивала магистратуру, увидела возле деканата объявление о наборе в Школу программирования: несколько томских IT-компаний предлагали студентам пройти стажировку. Подала заявление и написала, что учиться программировать нужно в первую очередь тем, кто не умеет, но очень хочет. На стажировку не взяли — пригласили сразу на собеседование.

В качестве тестового задания нужно было написать на Python алгоритм умножения матриц. Компания отказала — алгоритм в текстовом редакторе не впечатлил. Но через 10 дней позвонили, на звонок она ответила прямо в ЗАГСе: пригласили на работу.

869a882d-12f0-4304-a168-912c25c5bb27.jpg
Виолетта Гайдак / Фото из личного архива

«В течение испытательного срока я прошла два курса на Coursera: “Основы программирования на Python” от ВШЭ и “Основы машинного обучения” от Яндекса. Коллега-разработчик научил меня всему, начиная от философии чистого кода Роберта Мартина, заканчивая написанием кастомных функций для нейронных сетей. Я всегда буду ему бесконечно благодарна за его терпение и доброту. Через 3 месяца работы у меня появилось ощущение, что бывает, когда учишь иностранный язык и в какой-то момент начинаешь читать без словаря. Потрясающее чувство», — делится Виолетта Гайдак.

9aae8a5b-f886-44cf-8722-4f99280d53b8.png

Согласно опросу Kolesa Group в Data Science чаще приходят из технических и точных наук

Виолетта рассказывает, что часто приходилось работать «в стол». Занималась проектами в сфере здравоохранения, образования, недвижимости, нефтяной промышленности, но ничтожный процент доходил до этапа продакшна. Причины были разные: отдел маркетинга не мог продать прототип, модель не давала необходимого порога по метрикам, обнаруживались критичные погрешности в данных. Всё это способствовало выгоранию. В какой-то момент Виолетта ушла из DS-отдела в команду Java-разработки. Команда работала над продуктом в сфере здравоохранения почти 10 лет, и она стала первой девушкой в коллективе. 

«С шестью мужчинами было приятно работать: ко мне относились как к сестрёнке, всегда очень корректно указывали на ошибки и тщательно объясняли детали проекта, ведь 10-летний проект — это та ещё махина. При этом между собой ребята не всегда выбирали выражения во время код-ревью, порой переходя на личности, и я взяла на себя роль человека, улаживающего конфликты в команде», — рассказывает Виолетта.

Спустя полгода работы её пригласили на собеседование в филиал «Газпромнефти». Всё с трудоустройством решили онлайн, а в марте 2019 года она переехала в Санкт-Петербург. В «Газпромнефти» Виолетта Гайдак работает аналитиком по технологиям: отвечает за автоматизацию и оптимизацию внутренних процессов компании с использованием технологий машинного обучения, блокчейна, видеоаналитики. Часть работы — экспертиза решений подрядчиков, но всё же большую часть времени она занимается разработкой внутренних продуктов. Здесь её радует более короткий путь к реализации: если модель успешно рассчитывает оптимальную цену топлива, то буквально через несколько дней она сможет работать на всех заправках города. В Data Science Виолетта работает 3 года.

1ce2b069-864a-4cb5-aae7-3cc357f2eef2.png

По данным опроса Kolesa Group только пятая часть специалистов работает в сфере более 3-х лет

Девушек в Data Science меньше

Виолетта Гайдак рассказывает, что на одной конференции компания решила рассказать о проекте, которым она на тот момент занималась полгода. За месяц до конференции к проекту присоединился коллега-мужчина. Когда речь зашла о том, кто будет выступать на конференции, непосредственный начальник назначил выступающим коллегу, только пришедшего в проект. А Виолетте поручил подготовить для коллеги презентацию. Она прямо спросила, почему бы тогда ей и не выступить. Услышала: «Ты будешь следующей». 

«Для меня это была довольно унизительная ситуация. Встать в позу и отказаться от подготовки презентации я не смогла, потому что подставила бы коллегу. Теперь понимаю, что он мог и сам отказаться от выступления, но не стал. Это выглядело как сексизм, хотя я до конца в этом не уверена: могла быть просто личная неприязнь. Больше ни с чем подобным я не сталкивалась за всё время работы», — говорит Виолетта.

9c9790b5-b151-4ed8-b77d-bb1535529396.png

Чуть меньше четверти респондентов в опросе Kolesa Group — женщины

Назым Сатбекова говорит, что в Казахстане, да и в мире вообще, в IT женщин пока меньшинство. Когда она поступила в Carnegie Mellon University, там очень радовались, что в департаменте Computer Science набрали 25% девушек — беспрецедентное количество.

В стартапе Mezzobit она была единственной девушкой, но там не то что не было предвзятого отношения, — для нее это идеал компании. Там был очень проактивный подход: они постоянно спрашивали всё ли окей, что нужно, чем помочь. В какой-то момент менеджер подошёл и сказал, что она хорошо работает, поэтому они поднимают ставку почасовой оплаты. В DS-отделе Kolesa Group, где она работает, соотношение девушек и парней примерно 50/50. Все относятся друг к другу очень доброжелательно и уважительно. Подчеркивает, что ей с этим всегда везло: за всё время ни разу не попала в ситуацию, чтобы кто-то относился предвзято только потому, что она девушка.

Что думают о работе в Data Science

И Назым, и Виолетта отмечают: учиться приходится каждый день. Это просто неизбежно, потому что только так можно решить каждую новую задачу, а информацию и знания приходится актуализировать постоянно. В этом помогает среда, потому что если ты не готов работать над собой постоянно, ты просто не задержишься в этой сфере. 

«В DS сложно провести черту, когда лично ты не справился, а когда — плохие данные, не готовы методы. С этим часто возникают проблемы, порой и целые команды не справляются. И ты сидишь и думаешь: то ли лыжи не едут, то ли ты не очень специалист», — говорит Виолетта Гайдак.

Девушка рассказывает, что страдает от синдрома самозванца. Потому что у неё нет специализированного образования, а сама область DS настолько обширна, что в ней выделились профильные специалисты. Каждый день приходится сталкиваться с тем, чего не знает. Объем информации, которую нужно постоянно актуализировать, пугает. Но она понимает, что нужно делать, чтобы совершенствоваться в профессии: проходить курсы, выступать на конференциях, писать свои статьи на Хабр, участвовать в соревнованиях, работать над личным проектом и присоединиться к open-source проекту (проекты с открытым исходным кодом, что позволяет изучать и изменять его, убеждать в отсутствии уязвимостей и дорабатывать проекты совместно с другими специалистами — «Курсив»). Кажется, что после работы нужно всё время учиться, чтобы не оказаться на обочине рынка труда. Непонятно, когда в таком случае жить остальной жизнью — это ведь тоже требует времени. Не всегда всё получается, но лучше делать хоть немного, чем не делать ничего. 

6dae979f-f623-4e22-9951-632db754dc47.png

Зарплаты специалистов на казахстанском рынке сильно колеблятся

«Расстраивает, когда работа уходит “в стол”, и когда надежды на искусственный интеллект не оправдываются на практике. Но я думаю, что за Data Science — будущее. Многие сервисы используют технологии машинного обучения, и мы не представляем своей жизни без них. Построить маршрут, послушать подходящую музыку, найти вещи, похожие на понравившиеся, распознать преступника по камере видеонаблюдения. С каждым днём будут осуществляться всё более амбициозные планы», - говорит Виолетта.

91f1fc29-dc2c-426e-a1eb-197b38dd5fca.png

«Хороший специалист постоянно учится. Кто-то в силу характера предпочитает учиться самостоятельно, кто-то — больше у других. У нас в отделе действительно прекрасная среда, где каждый горит задачами, каждый учится. Коммуникации в команде выстроены так, что мы работаем эффективно и постоянно обмениваемся опытом. Каждая новая задача — это вызов себе, и это мне очень нравится», — говорит Назым.

Поскольку команда по большей части работает над улучшением готовых продуктов и на старте обсуждает, какую минимальную версию они должны сделать, то запуск обычно не затягивается. Небольшие проекты занимают 1-2 месяца, затем реализуются, а после сбора обратной связи могут дорабатываться дальше. Самый длительный в работе проект команда делала полгода.

Назым делится, что хочет двигаться к позиции тимлида (руководитель команды — «Курсив»), стать специалистом, который работает не над одним проектом, а видит общую картину всего, помогает другим как наставник. Но когда думает об этом, постоянно возникает ощущение, что она недостаточно хороша для таких стремлений. 

«Хочу работать и дальше, применять инструменты Data Science в сфере своих интересов, например, в проектах о спорте и путешествиях. Я хочу не просто самореализоваться в профессии, а делать что-то полезное для людей, улучшающее их жизни. Мой фокус — на женщинах. У женщин есть голос, но нам нужно сделать так, чтобы его услышали. Как говорила Шерил Сэндберг: не так важно на какой именно должности, главное приносить пользу», - говорит Назым Сатбекова.

Хотя Data Science и называют «самой сексуальной профессией XXI века», эта сфера требует от специалистов внимательной работы, решения нетипичных и новых задач, непрерывного саморазвития, постоянного обновления знаний и навыков. Удержаться здесь позволяет искренний интерес и большой труд. Который по силам как мужчинам, так и женщинам, верящим, что за их профессией — будущее.

banner_wsj.gif

#Коронавирус в Казахстане

Читайте нас в TELEGRAM | https://t.me/kursivkz

Читайте свежий номер

kursiv_uz_banner_240x400.jpg