Октябрь 24, 2018
МедиаБизнес
Пользователь
Пароль
 
ТВПрессаРадиоНаружкаКиноDigitalAmbient
НОВОСТИ
Январь 15, 2018

Євген Медведський: «Якщо ви не знаєте, що робити, то для початку просто збирайте дані»

Поделиться: Facebook Twitter LiveJournal
Версия для печати

МедіаБізнес продовжує тему data science. Ми розпитали Євгена Медведського з «Планети Кіно» про стан речей data science в Україні, перспективи та шляхи розвитку. «Одним з показників розвиненості того чи іншого напрямку є наявність ком’юніті, рівень дискусій та доповідей, участь наших експертів у закордонних спеціалізованих заходах у якості спікерів та приїзд на конференції до нашої країни авторитетних доповідачів», - вважає експерт.

- Як би ви оцінили  розвиток data science в Україні на сьогоднішній день?
- За останні кілька років цей напрямок дуже просунувся. Можна сказати, що ми перейшли на круту частину експоненти. У нас з’явилось декілька курсів по data science, з’явилось своє ком’юніті – datascience.ua.
 
- Ком’юніті, конференції – це більше теоретичний напрямок. А як щодо практики?
- Є й практичне застосування. Наприклад, ми зараз працюємо над системою яка дозволить краще розписувати розклад фільмів – система розробляється з використанням елементів machine learning. Data science – це ж багатокомпонентна річ, яка складається з data mining, machine learning, статистики, візуалізації данних...

- А якщо розглядати data science в Україні  по компонентах: що у нас краще розвинуте, що ще в зародковому стані?
- У нас достатньо серйозна математична освіта. Я наприклад, за фахом фізик. І коли я був на курсі по data science від Олександра Романько – українця, який працює в Канаді, то багато речей вже не були для мене новиною, вони  просто розкривались з іншого боку.
Отже, в математиці ми точно не кульгаємо, в ІТ - теж. Можливо, є ще недоліки в організації, в комунікації. Але головне, що у нас є фахівці. Ми ще не вийшли на пік, але ми краще багатьох.
 
- А відтік мізків з України відбувається навіть за умов, що ми ще не вийшли на пік і галузь лише на старті?
- Українці звикли працювати і досягати результату долаючи, здавалося б, нездоланні перепони. Якщо «корінні» працівники звикли до 8-годинного робочого дня і у них все добре, всього достатньо для родини, то нашим треба робити надзусилля, щоб досягти такого самого рівня достатку для своїх дітей. Ефект емігранта, про який розповідав Ян Кум. Як каже мій друг – “ми не домашні бройлерні курчата, а дикі кури”. Ми розриваємо шаблони і працюємо більше. Натомість уних  більше інертності у молоді та у суспільства в цілому щодо сприйняття чогось нового. Я не скажу цього про США, там навпаки за рахунок зосередження всіх інновацій в одному місці, штучно збирають людей і створюють екосистему, в якій вони розвиваються. Класно працює Ізраїль. У них дуже толкові розробники.
Тож, наші люди їдуть туди, де краще. Я декілька років тому сам розглядав можливість еміграції в Канаду. Але  покищо прийняв рішення будувати свою країну. І, на щастя, є люди, які думають так само.
 
- А чи потрібна нашому data-ринку популяризація? Збільшення інтересу як такого, адже на затребуваність спеціалістів, які працюють на ринку, це теж впливає. Наприклад, розповідати про data science серед маркетологів…
Це залежить від того, як наша країна буде розвиватися. Наприклад, у Польщі вигідніше замінити десятьох людей якимось штучним алгоритмом. На противагу ситуації у нас. В Канаді так само. У нас простіше поки що взяти людей. Але у нас теж вже починається криза кадрів. 
Ви розумієте, от є data science аналітик. Він, наприклад, коштує $40 на годину. Та й український внутрішній ринок не завжди може заплатити таку ціну. А закордонний здатен.

- І західні партнери відслідковують наших спеціалістів?
- Думаю, що так. Існують рекрутери, база спеціалістів, компанії, які винаймають людей тут, а продають їх за кордон, це ж ІТ сфера.
Є різні схеми роботи з нашими спеціалістами. Наприклад, “ІТ Галєри”: людей набирають тут, умовно, по $5, продають там по $35 разом з релокацією або без. Умови життя під час контракту за кордоном можуть бути не найкращі. А якщо людина вирішила все ж таки повернутися додому, то треба розривати контракт, а за це передбачено великі санкції.

- І незалежно від того, чи будемо ми популяризувати data science, все замикається на фінансах?
Треба усвідомити, що коли ми здаємо в оренду мізки наших людей, то рано чи пізно вони і самі виїдуть, якщо будуть показувати гарний результат. Нам потрібно робити продукт, який би дозволяв реалізуватися цим людям. Але чистий data science продукт зробити достатньо важко, тому що він прив’язується до чогось, даючи інший погляд на стандартні речі. Більшість платформ по тому ж маркетингу, за винятком вітчизняної терра-софтівської, – закордонні. А от щодо популяризації, – так, я думаю, варто це робити. 
 
Чи збільшується кількість українських замовників дата-досліджень? І що їх штовхає звернутися до них: прикладний інтерес чи теоретична цікавість?
- Отримання конкурентної переваги. І бажання перейти від почуттів до фактів. 

-Отже інтерес абсолютно прикладний. Звідси логічний висновок, що чим більш конкурентний ринок, тим більша зацікавленість клієнтів?
- Так. Тому що одна справа витрачати гроші на якісь відчуття, інша – бачити цифри, і розуміти, на що ти витрачаєш гроші. І рахувати ROI з кожної інвестованої гривні. 
 
- А чи існує така закономірність: якщо з бізнесом все гаразд, то і не звертаються. А от якщо виникає проблема, то шукають відповіді у дата...
- Така закономірність існує, але думаю наша проблема лежить трохи в іншій площині. В Україні багато так би мовити ресурсних бізнесів, не зовсім технологічних. Навіщо такий бізнес розбудовувати, якщо його можуть забрати? “Краник” просто поміняє власника. От у цьому і проблема.
 
- А люди, які все ж звертаються до data science, - хто вони? Це менеджери-новатори, це компанії, які працюють із міжнародними офісами, це бізнесмени, які намагаються вирішити свої проблеми… Є умовний портрет?
- Зазвичай звертаються новатори. З мого спостереження, це людини плюс-мінус 35 років і молодші. 
У Планети Кіно приблизно такого віку співвласники. Це люди вже іншого покоління. У них часто закордонна освіта, вони по-іншому дивляться на цей світ. І я вважаю, що саме за такими людьмимайбутнє країни. І за тими, хто йде за ними. Бо якщо поспілкуватися із тими, кому за 50, і хто створив бізнес раніше, у них, здебільшого, зовсім інші погляди: “бізнес приносить гроші і не чіпайте мене”. 
Тобто, молоді керівники, навіть якщо бізнес приносить гроші, все одно звертаються до передових методів досліджень та аналізу даних.
Їх це драйвить. Вони хочуть бути в курсі змін. І вони живуть цим бізнесом. Звісно, бізнес має приносити гроші, але їм подобається те, чим вони займаються.

Про Планету Кіно
- У Планети Кіно data-напрямок виокремлено в окремий департамент?
- Зараз ми перетворюємо департамент IT Планети на окрему ІТ компанію.
 
- Чому дійшли висновку, що недостатньо мати просто спеціалістів, а потрібна окрема структура?
- Це вже ІТ менеджмент. Команді має бути цікаво. А для цього команда має постійно досягати нових і нових висот. У Планети Кіно завдання достатньо вузькопрофільні, а треба, щоб спеціалісти постійно росли і вгору і в ширину. Взагалі ж, я вважаю, що команда це найбільше надбання. 

- І окрема ІТ компанія буде працювати не тільки для Планети Кіно? 
- Так. Data science якщо його не прив’язувати до речей, які прямо впливають на твій дохід, твою позицію на ринку або твої витрати – не має сенсу. Data science має окупатися. 
 
- А хто має бути у повноцінній data science-команді: ITшніки, математики, комунікатори…?
- Якщо казати про data science команду, то це – data science інженер– людина, яка може побудувати обчислювальний кластер. Це - data science аналітик, який знає методи моделювання і може подивитися данні, почистити їх, знайти закономірності – інтерпретувати, підібрати модель. Це web-розробник, який зможе або зробити фронтенд для клієнта, або зробити API і під”єднати його до системи клієнта, щоб покращити її. Це можуть бути рекомендаційнімоделі, моделі передбачення  боти, які можуть консультувати людей.
 
- І команда саме у такому складі має змогу покращити життя багатьох компаній?
- Нажаль, не завжди так. Бувають різні приклади. Відомий на весь світ data science проект – Netflix. У них була система, яка рекомендувала клієнту фільми.  І вони оголосили конкурс з мільйонним гонораром для покращення цієї системи.  Знайшлась команда, яка покращила систему, але зрештою, Netflix не зміг зав’язати її на своїх користувачів. Алгоритм був дійсно точнішим, але для надання більш точної рекомендації потрібно було більше часу для опрацювання запиту. Цього часу у користувачів не було. Netflix мільон заплатив, але результат не використав. Це дуже цікавий кейс.  Його треба розглядати в сенсі business understanding. Бо data science – це business understanding. І value, цінність, яку  має дати кінцевий продукт – це не теорія, а кінцева мета для бізнесу.
 
- А які галузі у нас сьогодні найбільше зацікавлені у data science?
- Це дуже цікаві і, здавалося б несподіванні галузі. Наприклад, агропромисловість.  Компанія dron.ua виготовляє дрони і пропонує замінювати агрономів на дронів. Агроном здатен подивитися лише частину, дрон фотографує все поле, його можна щодня запускати  і по фото бачити, в якій частині поля зміни, а вже проаналізувавши це,  точково направляти туди агронома. Масовою обробкою фотографій може займатися спеціальний алгоритм.

- Тобто, це не теорія, а використовується у аграрній практиці?
- Так, є конкретні замовлення від аграрних компаній. Ще може використовуватися в логістиці: пошук найближчого шляху, побудова маршруту.
Предиктивних моделей маса. Я не буду розказувати всі таємниці, бо ми зараз займаємось цими питаннями.
 
- Традиційно, говорячи про застосування data science згадують про мобайл і банківську сферу. 
- Тому що в банках великий обіг і вони працюють за схожими схемами – якесь одне невеличке покращення може призвести до значних прибутків. Наприклад, покращення скорінгової моделі.
Ринок великий. Є безліч ідей для застосування. Але варто пам’ятати і про те, якщо хтось щось придумав – невідомо наскільки класною ця ідея буде завтра чи післязавтра. На жаль, багато стартапів відмирають.
 
- Конкуренція в середині дата-сайнз спеціалістів, компаній – наскільки вона велика?
- Вона є і вона зростає. І це добре, конкуренція покращує якість. Бачу, що все більше людей стягується. Велика кількість конференцій цього року - це теж хороший показник. 
 
- А що перспективніше фріланс чи робота в компанії? 
- Фріланс існує, але поки не такий глибокий. Бо данні – це ризики. Якщо ти комапнія, яка віддає свої данні фрілансеру, то ти звісно ризикуєш.
 
- А де беруться дані? Чи існує якась умовна база?
- Данні треба збирати. Звичайно, є відкриті дата сети. Наприклад, kaggle.com, але у вас мають бути ваші власні історичні дані. Отже, якщо ви не знаєте, що робити, то для початку, просто збирайте дані.


 







Rambler's Top100 Если Вы заметили ошибку, пожалуйста, выделите ее и нажмите Ctrl+Enter