article-spots
article-carousel-spots
programs
Технології
Сила в даних: Data Practice & Data Analytics Engineering в EPAM
17 лют 2022

Фахівці з Data працювали в EPAM від моменту створення компанії. Згодом, близько десятиліття тому, завдяки виокремленню напряму Big Data сфера обробки даних зазнала докорінних змін. Отже, стало зрозуміло, що необхідно сфокусуватися на цій компетенції, щоб й надалі утримувати провідні позиції на світових ринках. У ЕРАМ дійшли висновку, що традиційні та нові технологічні навички повинні використовуватися разом при роботі на проєктах, і це стало поштовхом до створення Data Practice.

Об'єднання різних відділів в Data Practice відповідало тенденціям на ринку, коли почали говорити про дані в цілому, не поділяючи технології. Нині Data Practice в EPAM об'єднує понад 3300 співробітників з 25+ країн світу та успішно працює над численними проєктами.

З яких дисциплін складається Data Practice? 

Дев'ять основних дисциплін практики відображають Data-сервіси, які затребувані сьогодні на ринку.  

Що пов'язує Data Practice та навчальні програми EPAM? 

Понад 90% усіх Junior-спеціалістів з цього напряму долучаються до EPAM по завершенні наших навчальних програм. Попит на Data-спеціалістів постійно зростає, оскільки кількість проєктів у компанії постійно збільшується. Ми навчаємо фахівців за напрямами Data Software Engineering, Data Analytics Engineering, Data Quality Engineering, Data Science, Data DevOps, які у майбутньому стають висококваліфікованими експертами з роботи з даними.

Чим займаються фахівці з цих напрямів?  

  • Data Software Engineer та Data Analytics Engineer збирають та переробляють дані, запускають процеси та вибудовують сервіси, щоб перетворити ці дані на Data-продукт. 
  • Data Quality Engineer поєднує у своїй роботі інженерні завдання, аналіз даних та елементи тестування. Чому виник цей напрям? Тому що у певний момент стало зрозумілим, що традиційне тестування не може забезпечити необхідний контроль якості даних.
  • Data Science Engineer структурує та аналізує великі об'єми даних та прогнозує події.
  • Data DevOps Engineer працює з розподіленими системами, паралельно обробляє складні дані. Ця професія вимагає пам'ятати дуже багато зв'язків між компонентами систем, аналізувати та усувати проблеми.

Що це за напрям — Data Analytics Engineering? 

Data Analytics Engineering (DAE) — це технології та інструменти для збору, обробки та візуалізації інформації, а також організації сховищ даних. DAE-фахівці допомагають бізнесу аналізувати ключові параметри та приймати рішення на основі даних.

Чим займаються спеціалісти з Data Analytics Engineering? 

Інженер з Data Analytics перетворює дані на інформацію, яку кінцеві користувачі можуть зрозуміти та використати, приміром, за допомогою Excel. Data Analytics Engineer працює на всіх етапах життєвого циклу продукту, включно зі збором, аналізом даних, розробкою та підтримкою продукту.

У Data Analytics Engineering існує чимало типів продуктів та їхніх життєвих циклів. Саме тому існують й різні типи Data-інженерів: 

  • Data Analytics & Visualization — виконують аналіз та візуалізацію даних;  
  • Data Integration, DBA & Cloud Migration за створення ETL pipeline, завантаження у Data Warehouse та роботу з хмарою. 

Що вивчають слухачі на наших програмах?  

Передовсім ми пояснюємо, що таке дані, як з ними працювати, з якими проблемами до нас звертаються замовники та як їх може вирішити фахівець з Data. Під час навчання слухачі засвоюють моделювання баз даних, вчаться аналізувати вихідні дані, очищувати та завантажувати дані у сховище, візуалізувати дані оптимальним чином та знайомляться з хмарними технологіями. 

  1. Warehousing, або розробка-налаштування баз даних. Слухачі досконало вивчають основи моделювання баз даних, вчаться писати складні запити на мові SQL, практикуються у створенні Data Warehouses на одній з реляційних СУБД (Microsoft SQL Server). 
  2. Процеси Exact, Transform, Load. Слухачі вивчають, як збирати та обробляти дані за допомогою різноманітних інструментів, таких як SSIS або Azure Data Factory. 
  3. Reporting & Visualization. Слухачі вчаться аналізувати інформацію та представляти табличні дані в графіках за допомогою PowerBI, Tableau та інших інструментів. 

Які вимоги до кандидатів?  

Ми чекаємо на кандидатів, які: 

  • мають базові знання теорії реляційних СУБД; 
  • володіють SQL на початковому рівні; 
  • знають англійську на рівні B1 (Intermediate) та вище; 
  • можуть приділяти навчанню приблизно 10–15 годин на першому етапі та 20–30 годин — на другому. 


Знання мов програмування Python, JavaScript, C# буде перевагою.

 Для тих, хто вирішив зареєструватися на навчальну програму:  

  • Приділи час матеріалам для самостійної підготовки, які можна знайти в даній статті з нашого блогу. Це перший крок до відповіді на питання "Чи підходить мені робота з даними?" 
  • Об'єктивно оціни свої навички та будь чесним на інтерв'ю. Прогресують тільки наймотивованіші, кому дійсно цікаво навчатися та працювати з даними.  
  • Вчись для себе, а не для інших: підхід "здати та забути" тут не спрацює. Усі знання, отримані програ на програмах, стануть базою для подальшої кар'єри. 


Хочеш розпочати кар'єру в Data Analytics Engineering? Переглянь список навчальних програм від EPAM та реєструйся!