Data elmləri sivilizasiyanın inkişafını, müsbət və mənfi tərəflərini analiz etməyə çalışan istiqamətdir. Azərbaycanda bu elm 20 ilə yaxındır, müxtəlif sferalara tətbiq edilir. Ölkəmizdə data elmlərinin yeni bir sahə kimi tədrisini ilk vaxtlar Data Science Academy başladıb. Peşəkar heyətdən tədris alan çoxsaylı gənclər hal-hazırda Azərbaycanın mühüm funksiyalı dövlət və özəl təşkilatlarında mütəxəssis postlarında çalışırlar.
Sözügedən kursun əməkdaşı olmuş, “Competo” İT və biznes həlləri şirkətində Data Scientist|MLOps Engineer vəzifəsində fəaliyyət göstərən Əziz Nadirov Ritorika.az-a data analitikası mövzusunda müsahibə verib.
1.Süni İntellektin təhlükəsi data analitikləri də düşünməyə vadar edirmi? Yüksək hazırlıqlı mütəxəssislər – “senior”lar onlayn zəka ilə əvəz edilə bilərmi?
Sİ Problemi. Hazırki və yaxın bir neçə il ərzində qarşımıza çıxacaq böyük dil modelləri (bundan sonra LLM-lər) ancaq Junior və qismən Middle səviyyəsində olan analitikləri əvəzləyə biləcək. Nəzərə alsaq ki, LLM-lər generativ modellərdir – onların əsas iş prinsipi ən uyğun sözlər ardıcıllığını tapmaqdır. Yəni, bir növ “məndən tələb olunan nədir” deyil, “necə cavab verim ki, maksimum dərəcədə real cavaba oxşasın” sualının üzərində fokuslanırlar. Keyfiyyəti artırmaq məsqədilə “düşünmə qaabiliyyəti” (thinking models) əlavə edilmişdir, ancaq bu da sadəcə istifadəçi sualının alt-tapşırıqlara bölünüb, hər bir alt-tapşırıq üzərində işləməyi təmin edir. Bu haqda yaxınlarda belə bir məqalə yazılıb:
https://machinelearning.apple.com/research/illusion-of-thinking
Analitiklər adından peşələrə baxış. Zehni əmək tələb edən peşələrin heç də hamısı eyni dərəcədə “zehni-məğzə dalma” tələb edir. Ola bilsin ki, “Anar” adlı şəxsin işi anbara daxil olan malları bir neçə kateqoriyaya ayırıb cədvəllərə yazmaqdan ibarətdir: ofis mebellərini “office.xlsx” faylına əlavə edib, cari tarixi əlavə edir, vəssalam. Bu zaman “Anarın” işini yerinə yetirmək üçün hər hansı xüsusi təlimə ehtiyac yoxdur, bir növ zehni rutin işdir. Digər tərəfdən, “Zamiq” adlı, 30 il iş təcrübəsi olan mühasib var. O domen sahəsinin demək olar ki bütün incəliklərini öyrənib – hansı halda necə davranmaq lazımdır, problemi hansı yolla daha tez və düzgün həll etmək lazımdır və s. Bu cür həqiqi mütəxəssisin işini Sİ ilə əvəzləmək hələki real deyil. Eyni paradiqmanı analitiklərin üzərində tətbiq etsək – gündəlik rutinləri yalnız gələn tapşırığı SQL koduna çevirib hər hansı qrafik formasına gətirməkdən ibarət olan analitikləri elə bu gün əvəzləməyə başlayıblar. Analitik – təhlilçi, biznes problemlərinin təhlili ilə məşğul olan kəsdir. Domendən asılı olaraq, problemlər demək olar ki istənilən tipdə və çətinlikdə ola bilər. Bu nöqteyi-nəzərdən, analitikləri əvəz etmək mümkün olmayacaq.
Əvəzlənmə necə gedir. Onu da başa düşmək lazımdır ki, əvəzləmə, sadəcə,bir insanı sıradan çıxardım yerinə hansısa robot və ya proqramın qoyulması deyil. Bu proses daha çox “əvəzlənən” kontingentin sayının azaldılması, ancaq ən təcrübəli kadrların saxlanılması və məhz bu kadrların Sİ alətlərindən istifadə edərək, öncəki bütün kontingentin işini yerinə yetirməsidir. Yəni, əgər öncələr 5 nəfərlik data analitik komandası vardısa – 2 Sr analitik, 2 Middle və 1 Jr, indi Sİ istifadə edərək 2 Sr analitiklərinə Sİ alətini verərək məsələni həll etmək mümkündür. Odur ki, əmək bazarının başlanğıc pillələrinə qədəm qoymaq çətinləşəcək.
2.Data analitika tədris edən kurslar eyni proqramların tədrisini təklif edir. Bular tam siyahıdır ya iş mühitində kursların bəhs etmədiyi proqramlarla işləmək zərurəti yaranır?
Öncə də dediyim kimi, data analitik – biznes məsələlərini tədqiq, təhlil edən kəsdir. Bu sahəni biznes analitiklə də eyniləşdirmək olar, sadəcə olaraq, data analitiklərin texniki alətləri daha zəngindir, onlar proqramlaşdırma, sorğulama dillərindən istifadə edə bilirlər. Yerli kurslar da məhz bu texniki hissəyə fokuslanıb. Kursun əvvəlindən sonuna qədər: Python, PowerBI, SQL vəssalam. Ən yaxşı halda kursun sonunda məzun bu alətləri yaxşı mənimsəyəcək. Məsələnin “analitik düşünmə” tərəfi isə itəcək. Mənim müşahidələrimə görə, Google, IBM kimi böyük texniki nəhənglərin hazırladığı analitika kurslarında, material yalnız təqribi 30 faizi texniki alətləri əhatə edir və bu məntiqlidir. Bizdə isə tam əksidir və bunun da birbaşa və dolayısı səbəbləri var.
3.Data analitiklə data scientisin fərqini izah edərdiniz.
Bu sual, təqribən, 5 il öncə aktual idi, hazırda isə, data Science özü artıq bir vahid ixtisas olaraq sıradan çıxır. “Data Science” adından da göründüyü kimi, bütün data ətrafı sahələri özündə birləşdirməyə çalışır. Bura elə data analitikanın özü, ML Engineer, MLOps Engineer, Data Engineer və sairə daxildir. Bu günlərdə isə, artıq LLM-lərin peydə olması ilə əlaqədar olaraq, əlavə sahələr də ortaya çıxmışdır – PrompEngineer, LLMOps Engineer və s. Ona görə də, artıq Data Scientist bütün bunlardan bir az bilən bir insanı ehtiva edə bilər, ona görə də, vakansiya başlıqlarında artıq Data Scientist deyil, konkret data sahəsinin peşələrini görmüş oluruq. DA və DS fərqinə gələndə isə, birincisi məhz texniki alətlərlə təhlilə fokuslanır, DS isə ümumi data stekini ehtiva edir.
4.Data analitik daha çox riskləri idarə edən, şirkəti ziyandan qurtara bilən mütəxəssisdir yoxsa mənfəət gətirən?
Hər ikisi bir-birinə bağlıdır və səbəb-nəticə ola bilər. Analitik tədqiqatın nəticəsi həm potensial problemi əvvəlcədən təyin edə bilər, həm də daha effektiv strategiya qurulmasına xidmət edə bilər.
5.Sizcə, cəmiyyətdə data analitiklər üçün “hər şeyi bilən zehin” stereotipi formalaşıbmı? Ümumiyyətlə, belə yanaşmanı düzgün sayırsınızmı?
Fikir düzgün deyil. Hər bir sahə geniş üfüqlüdür. Sona qədər elmə yiyələnmək mümkün olmur. Bu bütün sahələrdə belədir.
6.Data analitikin fəaliyyəti 3 mərhələdədir. Dataların toplanması, vizuallaşdırma və proqnoz. Hansı mərhələ daha çox vaxt aparır və izafi enerji tələb edir?
Deyərdim ki, “datanın toplanması” daha çox DS üzərinə düşən məsələdir və xeyli vaxt alır. Belə ki, datanın toplanmasından sonra təmizləmə və yoxlama prosesi başlayır. Növbəti iki mərhələ isə məsələyə bağlıdır. Nəyi təhlil ediyindən asılı olaraq vizuallaşdırma aparılır.
7.Dataların toplanması və təmizlənməsi zamanı istisna hallara necə yanaşılır? Digər mərhələdə – hər hansı məqamda o sizə lazım olur yoxsa tamamilə silirsiniz?
Hər şey verilmiş məsələdən və datanın özündən asılıdır. Əgər hər hansı modelin tərtibatından söhbət gedirsə, bu zaman “istisna” təşkil edən datanın miqdarına, ümumi dataya təsirinə diqqət ayrılır. Əgər miqdar az, təsir minimaldırsa, müəyyən normallaşdırma fəndlərini tətbiq edib, datanı saxlamaq olar.
Ümimiyyətlə, biznesdə lazımsız data olmur, “hal hazırda istifadə edə bilmədiyimiz” data var, bu cür datanı isə toplayaraq saxlamaq o qədər də resurs tələb etmir.
Cavid Zahidoğlu
Ritorika.az