Исследователь данных сектора аналитики и медиамониторинга

1. Выявление требований заказчика к результатам анализа, определение возможностей применения анализа больших данных в предметной области и конкретных задачах заказчика.

2.    Консультирование заказчика по возможностям имеющейся методологической и технологической инфраструктуры анализа больших данных и результатам применения технологий больших данных к аналогичным задачам.

3.    Согласование с заказчиком и утверждение требований к результатам аналитического исследования.

4.    Разработка, обсуждение и утверждение содержания аналитических работ с использованием технологий больших данных.

5.    Определение состава группы для проведения анализа больших данных.

6.    Определение необходимых ресурсов для проведения аналитических работ.

7.    Разработка, обсуждение и утверждение плана аналитических работ.

8.    Распределение ролей и состава аналитических работ между участниками группы для анализа больших данных.

9.    Определение источников больших данных для анализа, идентификация внешних и внутренних источников данных для проведения аналитических работ.

10. Получение и фильтрация больших объемов данных из гетерогенных источников.

11. Извлечение, проверка и очистка больших объемов данных из гетерогенных источников.

12. Агрегация и разработка представления больших объемов данных из гетерогенных источников.

13. Оценка соответствия набора данных предметной области и задачам аналитических работ.

14. Выбор методов и инструментальных средств анализа больших данных для проведения аналитических работ.

15. Разработка, поверка, оценка используемых моделей больших данных.

16. Адаптация и развертывание моделей больших данных в предметной среде.

17. Выбор средств представления результатов аналитики больших данных.

18. Подготовка отчета по результатам аналитических работ с использованием технологий больших данных.

19. Консультирование заказчика по результатам аналитических работ с применением технологий больших данных.

20. Мониторинг эффективности работы аналитики больших данных.

21. Формирование предложений по использованию результатов анализа больших данных: рассылка, создание приложений, оптимизация процессов.

22.   Формирование предложений по развитию существующей методологической и технологической инфраструктуры анализа больших данных на основе выполненных работ.

График работы устанавливается в соответствии с правилами внутреннего трудового распорядка АНО «Ямал-Медиа».

Заработная плата состоит из оклада, компенсационных и стимулирующих выплат.

Стимулирующие выплаты и их размер не являются гарантированными и обязательными и устанавливаются в соответствии с Положением об оплате труда работников АНО «Ямал-Медиа» по итогам проведения оценки эффективности работы за текущий месяц.

Высшее образование - бакалавриат.

 Рекомендуется дополнительное профессиональное образование - программы повышения квалификации в области методов и инструментальных средств анализа больших данных.

Знать:

- инструменты и методы согласования с заказчиками требований к результатам аналитических исследований с использованием технологий больших данных;

- регламенты организации по оформлению требований к результатам аналитических исследований с использованием технологий больших данных;

- технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии;

- технологии подготовки и проведения презентаций;

- предметная область анализа больших данных в соответствии с требованиями заказчика;

- теоретическую и прикладную информатику;

- теоретические и прикладные основы анализа данных;

- основы бизнес-интеллекта, типы систем бизнес-интеллекта;

- теорию принятия решений;

- математическое моделирование;

- типы анализа больших данных, виды аналитики;

- теорию вероятностей и математическую статистику;

- современные методы и инструментальные средства анализа больших данных;

- стандарты проведения анализа данных;

- методы оценки временных и стоимостных характеристик технологий больших данных;

- источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования;

- современную технологическую инфраструктуру высокопроизводительных и распределенных вычислений;

- методы интерпретации и визуализации больших данных;

- возможности использования свободно распространяемого программного обеспечения для анализа больших данных;

- основы планирования аналитических работ;

- методы и инструментальные средства управления аналитическими проектами по исследованию больших данных;

- содержание и последовательность выполнения этапов аналитического проекта по исследованию больших данных;

- содержание этапов жизненного цикла больших данных;

- теоретические и прикладные основы анализа больших данных;

- методы интерпретации и визуализации анализа больших данных;

- правила деловой переписки;

- предметная область анализа;

- типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные;

- виды источников данных: созданные человеком, созданные машинами;

- методы извлечения информации и знаний из гетерогенных, мультиструктурированных, неструктурированных источников, в том числе при потоковой обработке;

- российские и международные стандарты информационной безопасности;

- режимы получения и обработки данных, поддержка режима реального времени;

- технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной памяти;

- облачные технологии, облачные сервисы;

- содержание и последовательность выполнения этапов аналитического проекта;

- основы управления аналитическими работами;

- основы управления малыми аналитическими группами;

- технологии анализа данных: статистический анализ, семантический анализ, анализ изображений, машинное обучение, методы сравнения средних, частотный анализ, анализ соответствий, кластерный анализ, дискриминантный анализ, факторный анализ, деревья классификации, многомерное шкалирование, моделирование структурными уравнениями, методы анализа выживаемости, временные ряды, планирование экспериментов, карты контроля качества;

- нейронные сети: полносвязные, свёрточные и рекуррентные нейронные сети, методы обучения нейронных сетей, нейросетевые методы понижения размерности;

- статистические модели;

- статистический анализ: метод многовариантного тестирования, корреляционный анализ, регрессионный анализ;

- статистические методы: параметрические, непараметрические, уавляемые, неуправляемые, полууправляемые, кластеризация;

- семантический анализ: обработка естественного языка, сентиментный анализ, анализ текста;

- алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением;

- машинное обучение: классификация, кластеризация, обнаружение выбросов, фильтрация;

- методы и модели классификации: логистическая регрессия, деревья решений, предредукция, постредукция, модели, основанные на правилах, вероятностные классификаторы, усиление энтропии информации;

- фильтрация шумовых выбросов, виды шумовых выбросов: глобальный, контекстуальный, коллективный;

- анализ изображений, анализ сетей, анализ пространственных данных, анализ временных рядов;

- методы идентификации шаблонов;

- методы оценки моделей: оценка качества построенной модели по тестовой выборке и анализ обобщающих способностей алгоритма;

- распределенный анализ данных;

- анализ данных в реальном времени;

- методы разработки отчетной аналитической документации.