Ігор Илюнин: «Замовник попросив зібрати команду, якій не знайшов у Кремнієвій долині»



«Інтернет речей» — напрям, на якому розвиток йде з неймовірною швидкістю, де навіть стратегічні плани доводиться переглядати чи не щороку. Про те, чим живе передній край ІТ, як змінилися підходи до найму і навчання інженерів, які перспективи це відкриває для молодих фахівців, розповів Ігор Илюнин, лідер IoT-практики DataArt.

В. І.: Близько півтора років тому ми зрозуміли, що в області IoT починає дути вітер трохи в іншу сторону. Раніше клієнтів цікавили підключення пристроїв, знання конкретних протоколів обміну даними між ними, різні типи підключення до мережі, побудова інфраструктури на рівні пристроїв. Але в цей момент до нас прийшли відразу кілька замовників – досить великих компаній, причому одним з них був виробник комп'ютерної техніки. Ця компанія збиралася будувати власний IoT-cloud, який би обслуговував всіх їх клієнтів, хотіла забезпечити переміщення даних, самостійно їх обробляти, дозволивши самим клієнтам робити кастомізацію. Тобто створити платформу на всі випадки життя. При цьому вони озвучили список сучасних технологій, якими повинні володіти інженери постачальника, і на той момент у всій компанії ми знайшли лише пару людей, які хоча б частково задовольняли цим вимогам. Треба сказати, що і сам замовник казав: «нам потрібна команда у 3-4 людини, які будуть працювати над нашим проектом — у Кремнієвій долині ми таких не знайшли». Ми побачили у цьому відмінну можливість — тоді з'явився концепт внутрішньої Big Data академії.

— Раз команду потрібних фахівців не могли зібрати в Кремнієвій долині, значить, її просто не існувало?

— Так. Клієнт тоді відразу пояснив: він розуміє, що у нас не може бути експертів, які вже зараз володіють усіма потрібними технологіями, але знає – у нас є грамотні інженери, здатні і бажають навчатися. Після цього ми зібрали команду з трьох чоловік. Одного з них призначили solution-консультантом, на той момент він був найдосвідченішим, знав ландшафт Big Data і міг спілкуватися з клієнтом на одній мові. Потім перші півроку вся команда займалася тим, що вивчала нові технології. На основі отриманих знань вони зробили R&D і бенчмарки, порівнювали і перевіряли, як система працює. В принципі на той момент ми під проект зібрали найбільш підходящих інженерів з усіх, кого могли знайти всередині компанії.

Інший клієнт прийшов зі схожою проблемою. Їх компанія робить розумні ліжка: у ліжко вкладають тонкий матрац, в який вбудовані датчики, підключені до пристрою, що передає всю інформацію в cloud. Це дозволяє відстежувати режим сну, а в лікарнях збирати дані про стан пацієнтів – точність деяких датчиків навіть серцевий ритм дозволяє відстежити. У замовника на момент нашого знайомства було близько десяти тисяч пристроїв, і навіть при цьому кількість системи обробки даних ледь справлялися з обсягом інформації, що надходить. При цьому у бізнесу були плани вийти на рівень в мільйон, а потім і в п'ять мільйонів пристроїв. До нас вони прийшли, подивившись на нашу експертизу у нашій власній платформі DeviceHive. Але як раз після того, як у нас стали з'являтися клієнти з такими великими проектами, ми зрозуміли, що в самому DeviceHive багато потрібно поміняти. І правда, дивитися на власні плани річної давності в IoT зазвичай доводиться з широкою посмішкою.

Замовнику сподобався наш концепт, а ми зрозуміли, для того, щоб масштабувати платформи, консультувати клієнта, задіяти необхідні ресурси, нам потрібно навчитися готувати людей. Зараз смішно згадувати, як ми пробували найняти людину, яка володіє потрібними технологіями, з ринку. Вакансія тоді провисіла чотири тижні без жодного відгуку, вірніше, на неї відгукнулася тільки пара сміливих джуніорів, які, звичайно, не знали нічого з того, про що йшла мова. Ми опинилися в патовій ситуації: нам було дуже цікаво розвивати технологічну експертизу, але займатися цим без потрібної кваліфікації інженерів було неможливо. Тоді стало ясно, що людей треба навчати самостійно.

— Навчати всіх технологій, потрібним у конкретних проектах компанії?

— Big Data — це величезний набір найбільш сучасних інструментів і фреймфорков. Ми вирішили сконцентруватися на деяких з них, оскільки, якщо розумієш, як працюють 3-4 сучасних фреймворку з обробки даних або побудови масштабованих систем, далі набагато простіше знайомитися з іншими.

Ми взяли команди, які працювали на DeviceHive і згаданих комерційних проектах, і зробили невеликий курс лекцій, присвячений Big Data: основними тенденціями та інструментам. Зараз цей курс складається з шести годин відеоматеріалів і практичних завдань, знаходиться він на внутрішньому освітньому порталі. Навколо його підготовки утворилася досить велика група людей, які періодично обговорюють тенденції ринку, новинки — від Amazon до Microsoft — склалася своя технологічна тусовка.

— Курс можна вважати успішним? Ті, хто його прослухав, розібралися в нових технологіях?

— Поки ми записували курс, зібрали невелику тестову аудиторію з семи-восьми слухачів, щоб зрозуміти, наскільки зрозумілою буде подача матеріалу. У підсумку всі вони потрапили в проекти, де потрібні досить серйозні технологічні знання. Хтось із них вже займається консалтингом в проектах, пов'язаних з обробкою даних і побудовою масштабованих систем, хтось- інжинірингом, при цьому всі допомагають з продажами.

— чи ви Плануєте розміщення курсів у відкритому доступі?

— У жовтні ми збираємося запустити тестовий курс для студентів. Я бачу тенденцію — якщо раніше людям було цікаво вивчати Java, C++ і т. д., то зараз їх все більше привертає рішення конкретних складних завдань. Я сам дійшов до цього тільки в процесі роботи, тепер студенти вже в інституті розуміють, що знання підходів до вирішення складних завдань важливіше володіння певною мовою програмування. Спробуємо провести вступний курс IoT і його поєднанню з Big Data, подивимося на відгук. Цікаво було б налагодити контакти з мотивованою групою студентів, готових не тільки приходити до нас самих, але і збирати аудиторії, яким такі завдання цікаві. Пробний захід думаємо зробити у Харкові, де у нас досить велика група учасників Big Data академії. Якщо на виході все буде непогано, продовжимо роботу і в інших містах.

Зараз ми розуміємо, куди направляти співробітників рівня middle або senior, але запросити до себе молодь буває непросто. На вході виходить небагато людей, і ми хочемо злегка розворушити студентів, подивитися, кому дійсно цікаві передові дослідження.

— Наскільки високі початкові вимоги до тих, кого команди IoT-проектів хочуть бачити у себе?

— Нещодавно ми переглянули підхід до запрошення проекти: якщо раніше в центрі був перелік технологій і мов програмування, то зараз головним стає бажання вирішувати конкретні проблеми замовника, уміння переключатися з мови на мову, готовність вчити нові мови, фреймворки та тулзы, інженерний підхід в цілому. Коли ми спілкуємося з людьми, ми дивимося на те, наскільки вони готові вчитися, не лише поглиблюючи, але і розширюючи свої знання. Зараз в наших проектах, судячи по ринку, на якому ми працюємо, ця тенденція буде зберігатися досить тривалий час.

— Всього півтора роки тому стався прорив у розумінні перспектив галузі, і зовсім нові люди вже зайняли серйозні позиції в проектах. Отже, навчання в IoT дає швидкий ріст?

— Так і є. Справа в підході до оцінки фахівців: наприклад, ринок визначає людину як middle developer, але ми бачимо, що він не соромиться ставити питання клієнту, пропонує варіанти вирішення проблеми і, зрештою, отримує результат, для нас він виглядає скоріше як senior. Він може не знати якихось особливостей і тонкощів мови або технології, але при цьому робити конкретні правильні речі.

— Звучить привабливо для всіх, хто не знає тонкощів мов програмування.

— Зазвичай досить швидко стає ясно, на що людина здатна. В принципі гарну можливість отримати потрібні знання дає участь в R&D-проектах, один з яких — наш DeviceHive. Крім того, проекти виникають на етапі продажу, або коли клієнт шукає нову модну технологію, яка буде поєднуватися з тим рішенням, яке він сам спочатку пропонує. Ми любимо залучати до такого роду R&D нових людей. Природно, вони працюють разом з консультантами і більш старшими розробниками, яким ми вже з досвіду довіряємо. І не готові вдосконалюватися кандидати зазвичай відсіваються дуже швидко.

— Швидкі зміни технології і ринку в цілому сильно позначаються на організації продажів? У IoT повинно з'являтися дуже багато дослідницьких проектів?

— Так, за минулий рік у нас було дуже багато таких проектів, саме на R&D витрачається величезна кількість сил і ресурсів. Причому навіть якщо проект не вистрілює, для нас він все одно стає досягненням, адже ми отримуємо досвід, який зможемо використати у подальших продажах.

— Структура самих R&D-проектів змінюється?

— Якщо в першому R&D, який ми робили для клієнта, брало участь дуже багато людей, тому що, по-перше, їм було просто цікаво, а по-друге, у нас було мало досвіду, то в міру його накопичення управляти ресурсами стає простіше. Зараз ми можемо ставити на R&D вже по 1-2 людини. Всі знають, де можна обговорити питання і проблеми, R&D набагато швидше закривається, і у нас з'явилася дуже сильна pre-sales команда, яка вміє не тільки проводити дослідження, але і робити з них висновки. У середньому, наші проекти розраховані на 1,5-2 роки, деякі повинні вкластися і в півроку, але зазвичай вони не пов'язані з новомодними технологіями.

— Як зараз йдуть справи з комерційним проектом, подсказавшим ідею Big Data академії?

— Наша команда домоглася величезного прогресу. Ми робили навантажувальне тестування, навчилися робити інфраструктуру лінійно масштабованої. Ми можемо витримувати навантаження в 100 тисяч пристроїв, наприклад, на кластері з двох віртуальних машин. Перевірили на чотирьох відпрацьовувати 200 тисяч, восьми — 400 тисяч і змогли продемонструвати клієнту лінійну масштабованість – його все влаштувало. Так що зараз при наявності конкретної задачі ми здатні легко привести роботу системи у відповідність з масштабом бізнесу замовника.
Джерело: Хабрахабр

0 коментарів

Тільки зареєстровані та авторизовані користувачі можуть залишати коментарі.