Войти

Аналитик по обработке больших данных (общий профиль)

Описание профессии
2521-3*
Аналитик по обработке больших данных (общий профиль)
Профессиональный стандарт
Паспорт профессионального стандарта
Связь с другими профессиями
Карта профессий
Правила признания
Реестр профессий
Описание
Основная цель
Собирает и накапливает данные из разрозненных источников, очищает их, систематизирует, обрабатывает и анализирует для извлечения ценных идей и информации. Аналитик Big Data в строительстве помогает прогнозировать будущие результаты, определить возможные риски, улучшить управление проектом, сократить расходы и время реализации проекта, определять наилучшие стратегии управления компанией, контролировать работу многочисленных подрядчиков. Использование анализа больших данных в строительной отрасли – пока дело будущего, но уже сейчас есть понимание задач, которые поможет решить этот аналитический инструмент. Создание информационных технологий нового поколения, обеспечивающих экономически эффективное извлечение полезной информации из больших объемов разнообразных данных путем высокой скорости их сбора, обработки и анализа, и применение этих технологий в информационно-аналитической деятельности, в системах управления и принятия решений, а также для разработки на их основе новых продуктов и услуг.
Требования к личностным компетенциям
  • Ответственность
  • Самостоятельность и ответственность
  • Стрессоустойчивость
  • Дисциплинированность
  • Способность к обучению и самообучению
Требования к опыту работы
  • Опыт работы от трех лет
Связь с другими профессиями
7 уровень ОРК
Главный дизайнер проекта (в строительстве)
Подробнее
6 уровень ОРК
Инженер проектировщик (зданий)
Подробнее
6 уровень ОРК
Архитектор
Подробнее
6 уровень ОРК
Архитектор проектировщик
Подробнее
6 уровень ОРК
Инженер-озеленитель
Подробнее
5 уровень ОРК
Техник-проектировщик
Подробнее
6 уровень ОРК
Проектировщик с навыком использования генеративного дизайна
Подробнее
6 уровень ОРК
Виртуальный проектировщик
Подробнее
6 уровень ОРК
Проектировщик «умного дома»
Подробнее
6 уровень ОРК
Цифровой проектировщик (специалист BIM)
Подробнее
Уровень 6
высшее образование (бакалавриат, специалитет, ординатура) , 6B073 Архитектура и строительство

Умения
1. Проводить переговоры с целью выявления требований заказчика к результатам анализа, формировать и согласовывать требования к результатам аналитических работ с использованием технологий больших данных;
2. Подготавливать документы, регламентирующие требования к результатам аналитического исследования с использованием технологий больших данных в соответствии с существующими регламентами организации.
Знания
1. Инструменты и методы согласования с заказчиками требований к результатам аналитических исследований с использованием технологий больших данных;
2. Регламенты организации по оформлению требований к результатам аналитических исследований с использованием технологий больших данных;
3. Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии;
4. Технологии подготовки и проведения презентаций;
5. Предметная область анализа больших данных в соответствии с требованиями заказчика;
6. Теория вероятностей и математическая статистика;
7. Современные методы и инструментальные средства анализа больших данных;
8. Стандарты проведения анализа данных;
9. Методы оценки временных и стоимостных характеристик технологий больших данных;
10. Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования
Умения
1. Проводить презентации при консультировании заказчика, согласовании и утверждении требований к результатам аналитических работ с использованием технологий больших данных;
2. Использовать имеющуюся у исполнителя методологическую и технологическую инфраструктуру анализа больших данных для выполнения аналитических работ.
Знания
1. Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных;
2. Современный опыт использования анализа больших данных;
3. Теоретическая и прикладная информатика;
4. Теоретические и прикладные основы анализа данных;
5. Основы бизнес-интеллекта, типы систем бизнес-интеллекта;
6 Теория принятия решений;
7. Математическое моделирование;
8. Типы анализа больших данных, виды аналитики
Умения
1. Проводить сравнительный анализ методов и инструментальных средств анализа больших данных;
2. Проводить анализ больших данных в соответствии с утвержденными требованиями к результатам аналитического исследования.
Знания
1. Современная технологическая инфраструктура высокопроизводительных и распределенных вычислений;
2. Методы интерпретации и визуализации больших данных;
3. Правила деловой переписки;
4. Знания в одной из областей: киберфизические системы, математика, статистика, вычислительная техника, исследование операций, инженерные науки;
5. Обработка, очистка и проверка целостности данных, используемых для анализа;
6. Использование статистических методов анализа больших объемов данных с использованием передовых аналитических методов;
7. Представление аналитических данных с помощью высокоэффективной визуализации.

Умения
1. Проводить переговоры при определении содержания аналитических работ с использованием технологий больших данных;
2. Представлять содержание и результаты работ по анализу больших данных;
3. Вести протоколы мероприятий по анализу больших данных.
Знания
1. Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных;
2.Возможности использования свободно распространяемого программного обеспечения для анализа больших данных;
3. Предметная область анализа больших данных в соответствии с требованиями заказчика;
4. Основы планирования аналитических работ;
5. Стандарты проведения анализа данных.
Умения
1. Планировать аналитические работы с использованием технологий больших данных;
2. Проводить аналитические работы с использованием технологий больших данных.
Знания
1. Методы и инструментальные средства управления аналитическими проектами по исследованию больших данных;
2. Содержание и последовательность выполнения этапов аналитического проекта по исследованию больших данных;
3. Содержание этапов жизненного цикла больших данных;
4. Типы анализа больших данных, виды аналитики;
5. Теоретические и прикладные основы анализа больших данных;
6. Современные методы и инструментальные средства анализа больших данных.
Умения
1. Проводить анализ больших данных;
2. Осуществлять интеграцию и преобразование данных в ходе работ по анализу больших данных.
Знания
1. Теория вероятностей и математическая статистика;
2. Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования;
3. Методы интерпретации и визуализации анализа больших данных;
4. Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии;
5. Технологии подготовки и проведения презентаций
6. Правила деловой переписки.

Умения
1. Определять требования к поставщикам данных из гетерогенных источников;
2. Осуществлять взаимодействие с внутренними и внешними поставщиками данных из гетерогенных источников;
3. Разрабатывать и оценивать модели больших данных.
Знания
1. Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных;
2. Предметная область анализа;
3. Теоретические и прикладные основы анализа больших данных4
4. Современные методы и инструментальные средства анализа больших данных;
5. Современный опыт использования анализа больших данных;
6. Типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные;
7. Виды источников данных: созданные человеком, созданные машинами;
8. Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования.
Умения
1. Использовать инструментальные средства для извлечения, преобразования, хранения и обработки данных из разнородных источников, в том числе в режиме реального времени;
2. Производить очистку данных для проведения аналитических работ;
3. Проводить интеграцию и преобразование больших объемов данных;
4. Оценивать соответствие наборов данных задачам анализа больших данных;
5. Оценивать стоимость данных для проведения аналитических работ.
Знания
1. Методы извлечения информации и знаний из гетерогенных, мультиструктурированных, неструктурированных источников, в том числе при потоковой обработке;
2. Государственные и международные стандарты информационной безопасности;
3. Современная технологическая инфраструктура высокопроизводительных и распределенных вычислений;
4. Режимы получения и обработки данных, поддержка режима реального времени;
5. Технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной памяти;
6. Облачные технологии, облачные сервисы;
7. Методы оценки временных и стоимостных характеристик технологий больших данных;
8. Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии;
9 Правила деловой переписки

Навык 1 Выбор методов и инструментальных средств анализа больших данных для проведения аналитических работ и разработка, поверка, оценка используемых моделей больших данных с адаптацией и развертыванием моделей больших данных в предметной среде Навык 2 Выбор средств представления результатов аналитики больших данных, подготовка отчета по результатам аналитических работ с использованием технологий больших данных и консультирование заказчика по результатам аналитических работ с применением технологий больших данных Навык 3 Мониторинг эффективности работы аналитики больших данных, формирование предложений по использованию результатов анализа больших данных: рассылка, создание приложений, оптимизация процессов, а также формирование предложений по развитию существующей методологической и технологической инфраструктуры анализа больших данных на основе выполненных работ
Умения
1. Планировать аналитические работы с использованием технологий больших данных;
2. Проводить аналитические работы с использованием технологий больших данных, как индивидуально, так и, осуществляя руководство малыми аналитическими группами;
3. Использовать имеющуюся у исполнителя методологическую и технологическую инфраструктуру анализа больших данных для выполнения аналитических работ;
4. Проводить сравнительный анализ методов и инструментальных средств анализа больших данных;
5. Разрабатывать и оценивать модели больших данных.
Знания
1. Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных;
2. Предметная область анализа;
3. Теория принятия решений;
4. Математическое моделирование;
5. Теоретические и прикладные основы анализа больших данных;
6. Современный опыт использования анализа больших данных;
7. 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
Умения
1. Программировать на языках высокого уровня, ориентированных на работу с большими данными: для статистической обработки данных и работы с графикой, для работы с разрозненными фрагментами данных в больших массивах, для работы с базами структурированных и неструктурированных данных;
2. Адаптировать и развертывать модели в предметной среде
Знания
1. Содержание и последовательность выполнения этапов аналитического проекта;
2. Основы управления аналитическими работами;
3. Основы управления малыми аналитическими группами;
4. Нейронные сети: полносвязные, свёрточные и рекуррентные нейронные сети, методы обучения нейронных сетей, нейросетевые методы понижения размерности;
5. Статистические модели;
6. Статистический анализ: метод многовариантного тестирования, корреляционный анализ, регрессионный анализ;
7. Статистические методы: параметрические, непараметрические, управляемые, неуправляемые, полууправляемые, кластеризация;
8. Семантический анализ: обработка естественного языка, сентиментный анализ, анализ текста
Умения
1. Решать задачи классификации, кластеризации, регрессии, прогнозирования, снижения размерности и ранжирования данных;
2. Решать проблемы переобучения и недообучения алгоритма;
3. Формировать предложения по использованию результатов анализа;
4. Оформлять результаты аналитического исследования для представления заказчику;
5. Разъяснять заказчику результаты аналитической работы4
6. Осуществлять поиск информации о новых и перспективных методах анализа больших данных, выполнять сравнительный анализ методов;
Знания
1. Алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением;
2. Машинное обучение: классификация, кластеризация, обнаружение выбросов, фильтрация;
3. Методы и модели классификации: логистическая регрессия, деревья решений, предредукция, постредукция, модели, основанные на правилах, вероятностные классификаторы, усиление энтропии информации;
4. Фильтрация шумовых выбросов, виды шумовых выбросов: глобальный, контекстуальный, коллективный;
5. Анализ изображений, анализ сетей, анализ пространственных данных, анализ временных рядов;
6. Методы идентификации шаблонов;
7. Методы оценки моделей: оценка качества построенной модели по тестовой выборке и анализ обобщающих способностей алгоритма;
8. Распределенный анализ данных;
9. Анализ данных в реальном времени;
10. Правила деловой переписки;
11. Методы разработки отчетной аналитической документации.