Глава 2. Аналитика и логика
К какой бы исторической эпохе ни принадлежал человек, он нуждается в истине. И первобытные люди, и наши современники, познавая окружающий мир, стремятся ее получить. Обладание истинным знанием одним людям приносит радость и удовлетворение, другим, наоборот,– горе.
Сильных истина зовет на подвиг, у слабых парализует волю, приводит их к пессимизму и растерянности. Но, несмотря, ни на что, все люди стремятся к истине, получению новой информации о мире, в котором они живут. Обладание истиной продвигает всех нас вперед на нелегком пути познания. Но добыть истинное знание, пусть даже неполное, неокончательное, всегда нелегко. Порой это связано с самопожертвованием. Известны подвиги многих выдающихся ученых, отдавших свою жизнь служению людям, добывавшим истину для блага человечества. Итальянский ученый и философ Джордано Бруно, развивавший гелиоцентрическую космологию Коперника и выдвинувший концепцию о бесконечности и бесчисленном множестве миров Вселенной, был обвинен в ереси и сожжен инквизицией в Риме. Ряд ученых#x2011;физиков, изучавших радиоактивность, подверглись радиоактивному облучению. Некоторые ученые#x2011;микробиологи проводили опасные эксперименты на себе.
К сожалению, на сегодняшний день не все научные достижения ставятся на службу человеку. Однако хочется верить, что наступит время, когда добытое с таким трудом истинное знание будет использовано только на благо человеку. Люди хотят познать не только законы природы и сущность общественных явлений, но и тайны человеческого мозга. Еще в XVIIв. английский философ Ф. Бэкон говорил, что знание и могущество человека совпадают. Однако тернист путь к истине. Чтобы расширить возможности познания, человек создал микроскоп и телескоп, радио и телевидение, ЭВМ и космическую ракету, луноход и искусственные спутники планет, которые позволили ему глубже и полнее познавать свойства природных и социальных явлений.
Изобретены различные методы познания, расширяющие возможности разума человека: моделирование и математические методы, в том числе методы теории вероятностей, физический и биологический эксперименты, методы генной инженерии и обработка информации на ЭВМ и др.
Чтобы эффективно пользоваться всеми этими методами и изобретениями, мышление человека должно быть безупречным, логически правильным. Законы развития есть у природы, общества и, конечно же, у самого мышления. Человек с древних времен стремился познать законы правильного мышления, т. е. логические законы. Наука логика помогает познанию этих законов.
Широко известное изречение классической материалистической диалектики: «От живого созерцания к абстрактному мышлению и от него к практике – таков диалектический путь познания истины, познания объективной реальности» – это логические границы человеческого познания, в пределах которых проходит осмысление глубинной сути той или иной проблемы. В тоже время начинающий аналитик может задать вопрос: «А зачем это нужно знать при написании аналитических документов?». Чтобы научиться излагать свои мысли на бумаге, готовить конечный аналитический документ, начинающий специалист должен, хотя бы приблизительно, ознакомиться с некоторыми основными моментами мыслительного процесса, важнейшими понятиями логики. Понимать, как из незнания получается знание, как из разрозненных сведений в результате творческого мыслительного процесса появляется и начинает жить своей жизнью новый, самостоятельный аналитический документ.
Вокруг нас раскинут огромный мир. Человек является частью этого мира, разумным существом (обладающим интеллектом = разумом, умом, рассудком), который познает этот мир. Данный мир существовал до появления на земле человека, т.е. его существование не зависело от появления человека. Поэтому философы#x2011;материалисты говорят, что окружающий нас мир – это объективная реальность, независимая от нашего сознания. Став разумным существом, человек изучал природу, чтобы ориентироваться в ней.
Он переделывал мир, чтобы ему было в нем комфортно жить. Для того чтобы знать, как поступать с теми или иными предметами, как реагировать на природные явления, как получить больше пользы от познания окружающей нас реальности человек сначала созерцал (смотрел на) мир, трудился, а после появления речи, начал активно обозначать словами все то, что он видел. Однако окружающая нас природа и её проявления многогранны и противоречивы, поэтому, чтобы отобразить в сознании какое#x2011;либо явление, оставить его в своей памяти человек начал обобщать все слова, относящиеся к этому явлению. Так появились понятия (показывают существенные стороны и признаки, явлений, процессов) и категории – законы (основные понятия, отражающие наиболее общие и существенные свойства, стороны, отношения явлений действительности и познания).
Мышление человека продукт развития его мозга, реагирующего на окружающий мир (отражающего его). Оно, таким образом, принадлежит субъекту (индивиду), т.е. субъективно по отношению к окружающему его миру. С помощью мышления человек выполняет двуединую задачу:
1. Познает объективный мир, его внутреннюю сущность, познавая, преобразовывает его.
2. Стремится узнать внутренние механизмы мышления, т.е. понять, каким образом он сам познает мир, и для какой цели он это делает.
В природе все эти действия происходят одновременно, диалектически зависимо. Мы специально разделим эти два момента познания и остановимся на втором, поскольку именно он нужен нам для понимания процесса мышления, который протекает в голове аналитика во время работы над документами.
Познание – сложный диалектический процесс, осуществляющийся в различных формах, имеющий свои стадии и ступени, в нем участвуют различные силы и способности человека. Человек начинает познавать вещи с помощью чувственных восприятий – живого созерцания. Вне этого человек не может ориентироваться в окружающей среде. В аналитике это начало ознакомительного процесса с имеющейся информацией.
Изучая полученную информацию, аналитик на этом уровне познания знакомится с её внешними качествами (в каком виде она находится?– на дисках, бумажная, перевод, открытая, конфиденциальная и т.д.). Воспринятые первичные качества, сохраняются в представлениях об информации. Позволяют свободно оперировать с имеющимися предметными сведениями (улавливать связь между ними, сортировать их по внешнему виду), т.е. готовиться к последующей работе с ними. Вместе с тем, чувственная форма познания сама по себе не дает возможность проникнуть в сущность имеющейся информации, понять её внутреннюю структуру, взаимосвязь фактов и т.д.
Обработка и обобщение информации выполняется с помощью познавательной способности человека – «абстрактно#x2011;логического, языкового мышления», которое представляется в форме понятий, суждений, умозаключений. Философы#x2011;логики отмечают, что движение познания имеет определенную направленность. Сначала оно идет от целого (данного непосредственно как исходное в процессе познания) к его частям, т.е. кего расчленению на части. А затем от вычлененных его частей к воссозданию целого в его исходной целостности. Логическая деятельность мышления осуществляется в многообразных формах.
Существует мнение, что человек может правильно мыслить и, не зная точных правил и законов логики, пользуясь ими лишь на интуитивном уровне. Ведь встречаются музыканты, которые играют на каком#x2011;либо музыкальном инструменте, не зная музыкальной (в частности, нотной) грамоты. Но такие музыканты ограничены в своем творчестве: они не могут, ни исполнить произведение, записанное с помощью нот, ни записать сочиненную ими мелодию. Человек, овладевший логикой, мыслит более четко, его аргументация убедительнее, чем у того, кто логики не знает. Он гораздо реже совершает ошибки, заблуждается. А ведь заблуждение, приведшее, например, к простой ошибке в расчетах при проектировании космического корабля, повлечет затем и аварию. Дорого обходятся людям их заблуждения.
Логическое мышление не является врожденным, поэтому его можно и нужно развивать различными способами (методами).
Систематическое изучение науки логики – один из наиболее эффективных способов развития логического абстрактного мышления.
Логика одна из самых старых наук. Ее богатая событиями история началась еще в Древней Греции и насчитывает две с половиной тысячи лет. В конце прошлого начале нынешнего века в логике произошла научная революция, в результате которой в корне изменились стиль рассуждений, методы и наука как бы обрела второе дыхание. Теперь логика одна из наиболее динамичных наук, образец строгости и точности даже для математических теорий. Говорить о логике и легко, и одновременно сложно. Легко потому, что ее законы лежат в основе нашего мышления. Интуитивно они известны каждому. Всякое движение мысли, постигающей истину и добро, опирается на эти законы и без них невозможно. В этом смысле логика общеизвестна.
Один из героев комедии Мольера только случайно обнаружил, что он всю жизнь говорил прозой. Так и с усвоенной нами стихийно логикой. Можно постоянно применять ее законы и притом весьма умело и вместе с тем не иметь ясного представления ни об одном из них. Однако, стихийно сложившиеся навыки логически совершенного мышления и научная теория такого мышления совсем разные вещи. Логическая теория своеобразна. Она высказывает об обычном о человеческом мышлении то, что кажется на первый взгляд необычным и без необходимости усложненным. К тому же основное ее содержание формулируется на особом, созданном специально для этих целей искусственном языке. Отсюда сложность первого знакомства с логикой: на привычное и устоявшееся надо взглянуть новыми глазами и увидеть глубину за тем, что представлялось само собою разумеющимся. Подобно тому, как умение говорить существовало еще задолго до грамматики, так и искусство правильно мыслить существовало до возникновения науки логики. Подавляющее большинство людей и сейчас размышляют и рассуждают, не обращаясь за помощью к особой науке и не рассчитывая на эту помощь. Некоторые склонны даже считать собственное мышление естественным процессом, требующим анализа и контроля не больше, чем, скажем, дыхание или ходьба. Разумеется, это заблуждение. Уже первое знакомство с логикой покажет необоснованность такого чрезмерного оптимизма в отношении наших стихийно сложившихся навыков правильного мышления.
Истина и логика взаимосвязаны, поэтому значение логики невозможно переоценить. Логика помогает доказывать истинные суждения и опровергать ложные, она учит мыслить четко, лаконично, правильно. Логика нужна всем людям, не только аналитикам, но и работникам самых различных профессий. Логика поможет им отделить главное от второстепенного, критически воспринять различную информацию, определения и классификации разнообразных понятий, подобрать формы доказательства своих истинных суждений и формы опровержения ложных.
АНАЛИТИКА
Аналитикою называют иногда такие части какого-нибудь учения или науки, в которых посредством раздробления и разбора составных понятий, выясняют значение самой науки или предмета изучения.
от греч. analytike [techne] — искусство анализа) — искусство расчленения понятий, логика (у Аристотеля). Трансцендентальная аналитика, по Канту, выделяет «элементы чистого рассудочного познания, без которых вообще немыслим ни один предмет».
от греч. analytike (techne) — искусство анализа) — название, данное Аристотелем технике логического анализа. В своих “Аналитиках” Аристотель излагает анализ силлогизма, исследует теорию доказательства и условия получения достоверного знания.
АНАЛИТИКИ (Первая и Вторая)
части «Органона» Аристотеля, в которых изложена его логика, в частности теория дедукции и строгого вывода (силлогизма), причем в этой форме она сохранилась до наших дней. Кант писал, что «после Аристотеля формальная логика не продвинулась ни на шаг».
(Analytik; от греч. analytikë [technë] — «искусство анализа»). — У Аристотеля аналитика — это искусство расчленения понятий, логика. Трансцендентальная аналитика, по Канту, выделяет «элементы чистого рассудочного познания, без которых вообще немыслим ни один предмет». Поэтому она является лишь инструментом суждения, а не средством достижения содержательного познания.
греч. analytike — искусство анализа) — искусство расчленения понятий, начал, элементарных принципов, с помощью которых рассуждения приобретают доказательный характер. Понятием А. Аристотель обозначил раздел логической науки, посвященный строгим силлогистическим рассуждениям. Трансцендентальная А., по И. Канту, суть расчленение самой способности рассудка — выделяет «элементы чистого рассудочного познания, без котороых вообще немыслим ни один предмет».
С.Ю. Солодовников
исследование начал, элементарных принципов, в силу которых рассуждение принимает доказательный характер. В этом значении термин «аналитика» впервые был введен Аристотелем как название раздела логической науки. В отличие от логики науки о словесном выражении, т. е. рассуждении вообще, по Аристотелю, аналитика ограничивается строго силлогистическими, то есть доказательными рассуждениями. Для Канта же аналитика – это часть его трансцендентальной философии, излагающая начала рассудочного знания. При этом аналитика толкуется как расчленение самой способности рассудка, т. е. как гносеологический анализ рассудочного познания.
исследование начал, элементарных принципов, в силу к-рых рассуждение принимает доказательный характер. В этом значении термин «А.» был введен Аристотелем как назв. раздела логич. науки. В «Топике» и «Второй Аналитике» логика (или в широком смысле слова диалектика) выступает как учение о словесном выражении, т. е. рассуждении вообще, тогда как А. ограничивается строгими силлогистич., т. е. доказательными, рассуждениями. У Канта смысл термина изменяется: А. есть часть его трансцендентальной философии, излагающая начала рассудочного знания, при этом А. толкуется как расчленение самой способности рассудка, т. е. как гносеология, анализ рассудочного познания.
«АНАЛИТИКИ», сочинения Аристотеля по логике, входящие в состав «Органона». Каждая из «Аналитик» состоит из двух книг (самим Аристотелем все четыре книги цитируются просто как «Аналитики»), разделением на «Первую Аналитику» и «Вторую Аналитику» мы обязаны, по-видимому, Андронику Родосскому. Однако в тексте имеются указания на то, что сам Аристотель читал эти книги в их сегодняшнем порядке. Очевидно, настоящий текст «А.» состоит из большого числа отдельных сочинений, относящихся к разному времени, и уже в Античности пытались установить их истинный хронологический порядок. «Первая Аналитика» (. . Analyticapriora). Содержание книги составляет ассерторическая и модальная силлогистика, которая исторически является первой дедуктивной теорией, содержащей классификацию основных категорических силлогизмов. Книга преследует практическую цель: научить учеников легко находить посылки к установленному тезису (An. Pr. I, 27, 43а20). Сам термин «силлогизм» (. ) впервые встречается у Платона (Crat. 412a5; Theaet. 186d3). Умозаключать (. по Платону, — это собирать вместе и сводить воедино полученные в ходе обсуждения положения, чтобы из них, как из предпосылок, сделать окончательный вывод. Аристотель определяет силлогизм как «речь, в которой, если нечто предположено, то с необходимостью вытекает нечто отличное от положенного в силу того, что положенное есть» (An. Pr. I, 24b 18-20). Композиция книг (ср. An. Pr. II, 52Ь38-53аЗ): 1) фигуры и посылки силлогизма (гл. 4-26, сюда входят ассерторические и модальные выводы); 2) техника опровержения, обоснования, проведения исследования (гл. 27-31); 3) установление начал для исследования (гл. Ъ2-Л6). Аристотелевский силлогизм представляет собой условное предложение, т. е. посылки в нем, в отличие от заключения, не утверждаются: «Если А высказывается о всем В (принадлежит всему В) и В высказывается о всем С, то А высказывается о всем С». В систематическом изложении силлогистики нет ни одного примера с конкретными терминами (они бывают только при демонстрации неправильных комбинаций посылок) и также нет единичных терминов — только универсальные. Использование переменных вместо конкретных примеров позволяет Аристотелю необычайно сжато описать аналитические действия. Это обстоятельство явилось решающим шагом для развития логики. В «Физике» также много буквенных символов; несомненно, что Аристотель применяет для своих целей методы современной ему геометрии. Аристотель называет термины (. ): больший, меньший и средний. По положению среднего термина (в нашем примере В), встречающегося в посылках и не входящего в заключение, силлогизмы подразделяются на 3 фигуры; модусы отдельных фигур различаются между собой логическими особенностями посылок и заключения: они могут быть общеутвердительными, общеотрицательными, частноутвердительными либо частноотрицательными предложениями. В каждой фигуре возможны 64 комбинации, из которых только 6 являются значимыми силлогизмами. Силлогизмы 1-й фигуры Аристотель называет совершенными (или очевидными), они могут быть верифицированы, т. е. подтверждены с помощью некоторых правил доказательства, и имеют аксиоматический характер. Модусы 2-й и 3-й фигур могут быть «сведены» к силлогизмам 1-й фигуры и таким образом в свою очередь быть доказанными. Таких способов Аристотель называет три: 1) обращение, 2) сведение к невозможному (reductio ad impossibile); 3) выделение (. ), т. е. подстановка понятия, подчиненного данному. В системе Аристотеля отсутствует 4-я силлогистическая фигура, хотя упоминаются некоторые ее модусы (An. Pr. I, 34), квалифицируемые как обращения силлогизмов 1-й фигуры. По мнению Г. Патцига, Аристотель отверг 4-ю фигуру, т. к. ее оказалось невозможно определить посредством используемого им метода. Модальная силлогистика излагается Аристотелем в An. Pr. I, 8-22. В гл. 31 содержится критика диайретического метода Академии как метода доказательства (см. Диэреза). По мнению Г. Чернисса, Аристотель старался препятствовать тому, чтобы его силлогистику ставили в какую-либо связь с диэрезой. An. Pr. I представляет собой один из лучших дошедших до нас учебных текстов, она строго скомпонована и ясно написана. Аристотель развивает в ней одну тему, не отвлекаясь на иные вопросы. В отличие от нее An. Pr. II не представляет собой единого целого; она состоит из различных маленьких статей, которые первоначально не предполагалось делать продолжением An. Pr. I. Соединив их впоследствии вместе, Аристотель предпослал им краткое введение. В тексте An. Pr. II можно различить 3 части: 1) некоторые особенности обращения силлогизмов (гл. 1-15); 2) обсуждение ошибок в построении силлогизмов и средства к избежанию их (гл. 16-21); 3) пять используемых в диалектике форм доказательства, которые могут быть сведены к одной их 3-х фигур (гл. 23-27). «Вторая Аналитика» (. . Analytica posteriora). Аристотель противопоставляет диалектике в качестве более строгого научного метода аналитику — теорию аподиктического (доказывающего) силлогизма, исходящего из необходимых и достоверных посылок и приводящего к точному знанию. An. Post. I содержит теорию доказательства и, шире, теорию аксиоматических наук. Содержание ее тесно связано с теорией силлогизма. Аристотелевская теория доказательства отчасти ведет свое происхождение от геометрического доказательства и заимствует также из геометрии некоторые термины: «доказательство», «аксиома», «начала», «элементы». Почти все примеры в тексте математико-геометрические. An. Post. II формально посвящена теории дефиниции, в действительности представляет собой исследование по основным вопросам научной работы: «Что именно мы исследуем, когда мы занимаемся наукой?» Приводимые примеры показывают, что наряду с написанием этой книги Аристотель начал заниматься натурфилософскими исследованиями. Основной вопрос An. Post. II: познавательно-теоретическое объяснение отношений между всеобщим (универсальным, . ) и частным (единичным, . ´ . ), а также психологического процесса: каким образом можно достичь познания всеобщего. Эпистемологическая проблема познания начал представляет собой альтернативу к теории припоминания Платона (см. Анамнесис): начала научно-философского знания недоказуемы и познаются либо непосредственно разумом, т. е. интеллектуальной интуицией, либо, но лишь отчасти, путем индукции. Единичное, как более близкое к чувственной реальности, является «первым для нас», т. е. легче постижимым, но «вторым по природе», т. е. более удаленным от ее начал. Всеобщее, наоборот, как более далекое от чувственного мира, является «вторичным для нас», труднее постижимым, но первичным по природе. Знать в аристотелевском смысле — это знать первые причины или начала явления, т. е. всеобщее. Собственно научное знание о единичном невозможно. Знание о всеобщем не врожденное, оно достигается постепенно через ощущение, память, опыт, интуицию и науку. Т. обр., наиболее научный характер имеет познание, опирающееся на знание универсалий. Античные комментарии на «?.». Известны следующие авторы, комментировавшие «?.»: Александр Афродисийский (CAG II, 1; для его комментария характерно толкование стоической пропозициональной логики в качестве своеобразной метасистемы по отношению к аристотелевской силлогистике), Фемистий (CAG V, 1; составил парафраз «Второй Аналитики»), Аммоний, сын Термин (CAG IV, 6; в своем комментарии Аммоний подразделяет силлогизмы на категорические, гипотетические и получающиеся посредством присоединения к посылке дополнительного предложения), Иоанн Филопон (CAG XII, 2; в его комментарии, вероятно впервые, для иллюстрации силлогистических закономерностей применяются идеографические средства (незамкнутые дуги); характерна тенденция преодолевать логико-гносеологические трудности за счет семиотико-грам-матических дистинкций), Элий (сохранился небольшой отрывок-сокращение из его комментария на An. Pr. I), Проб (его комментарию принадлежит важная роль в процессе проникновения и распространения «А.» на Востоке). В Западной Европе «А.» стали известны лишь в 12 в., когда был опубликован их перевод на латинский язык. Рус. пер.: ?. ?. Ланге (1891-1894), Б. А. Фохта (1952). Текст и переводы: Aristotelis Organon. Ed. Th. Waitz. Vol. 1-2. Lpz., 1844-1846. Haalen, 19652; Aristotelis Analytica priora et posteriora. Rec. W. D. Ross, praef. L. Minio-Paluello. Oxf., 1964; Aristotle´s Prior and Posterior Analytics. A revised text with Introd. and Comm. by W. D. Ross. Oxf., 1965; Aristotele. Gli Analitici Primi. A cura di M. Mignucci. Nap., 1969; Analitici Secondi. A cura di M. Mignucci. Bologna, 1971; Aristotle s Prior Analytics. Tr. and comm. by R. Smith. Indnp., 1989; Detel W. (?bers., komm.). Aristoteles Analytica Posteriora. Bd. 1-2. В., 1993. Первая Аналитика. Вторая Аналитика. Пер. Б. А. Фохта, -Аристотель. Соч.: В 4 т. Т. 2. М., 1978, с. 117-254; 255-346. Лит.: Becker ?. Die Aristotelische Theorie der M?glichkeitsschl??e. В., 1933; Ebbinghaus К. Ein formales Modell der Syllogistik des Aristoteles. Gott., 1964; Patzig G. Die aristotelische Syllogistik. Logisch-philosophische Untersuchungen ?ber die Buch A der «Ersten Analytiken». Gott., 1969; Barnes J. Aristotle´s Theory of Demonstration, — Phronesis 14, 1969, p. 123-152; Ancient Logic and Its Modern Interpretation. Ed. J. Corcoran. Dordr., 1974; Aristotle on Science. The Posterior Analytics. Proceedings of the VIII Symposium Aristotelicum. Ed. E. Berti. Padua, 1981; McKirahan R. Principles and Proofs: Aristotle´s Theory of Demonstrative Science. Princ, 1995; Patterson R. Aristotle´s Modal Logic: Essence and Entailment in the Organon. Camb., 1995; Charles D. Aristotle on Meaning and Essence. Oxf, 2000; Лукасевич Я. Аристотелевская силлогистика с точки зрения современной формальной логики. М., 1959; Попов И. С, Стяжкин Н. И. Развитие логических идей от античности до эпохи Возрождения. М., 1974; Луканин Р. К. Органон Аристотеля. М., 1984; Бочаров В. А. Аристотель и традиционная логика. М., 1984. Е. Г. ПАРФЕНОВА
Аналитик данных и data scientist: в чем отличие?
На первый взгляд профессии аналитик данных и data scientist могут быть похожи, да и во многих компаниях обязанности этих двух специалистов часто пересекаются. Центр непрерывного образования ФКН поговорил с Сергеем Юдиным, руководителем группы качества discovery-сценария в поиске Яндекса, об особенностях работы в каждой из профессий. В интервью Сергей рассказал о необходимых навыках и перспективах профессий и о том, как сделать беспрецедентным преимуществом свой предыдущий опыт.
Чем ты занимаешься?
Я руковожу группой качества discovery-сценария в поиске Яндекса. Мы занимаемся разработкой поисковых рекомендаций. В этом проекте я уже около двух лет, а в самом Яндексе работаю больше четырёх с половиной. Все мои проекты так или иначе были связаны с аналитикой данных и машинным обучением.
Поисковые рекомендации — это запросы, которые в поисковой выдаче помогают пользователю с его задачей, в нужный момент подсказывая, что еще полезного и интересного можно спросить или как уточнить свой запрос.
Наша задача складывается из большого количества составляющих: машинного обучения, аналитики и анализа действий пользователей. Мы стараемся понять, как данные о том, что люди ищут в Яндексе, превратить в полезный продукт.
Есть две специальности: аналитик данных и data scientist. Расскажи, чем занимаются те и другие.
Во-первых, и те, и другие работают с данными и решают очень похожие задачи. Но если говорить про аналитика, то это определение намного шире, чем data scientist. При этом, если мы говорим именно про data-аналитиков, то стоит упомянуть, что они работают с определёнными типами продуктов. Например, когда у нас есть некоторые пользователи и действия в лог-файлах, которые можно агрегировать и изучать.
Data scientist’ы тоже встречаются там, где есть данные, но важное и необходимое условие появления в команде data scientist’а — это наукоёмкая задача вокруг данных. Необязательно должны быть пользователи, но данные — обязаны быть.
Возьмем, например, такое интересное место, как адронный коллайдер. Там очень много данных, которые нужно анализировать и обрабатывать наукоёмкими методами. Типичный data-аналитик в таком месте с его классическими скиллами скорее не нужен, а вот data scientist там пригодится.
Между этими двумя профессиями нет чёткой грани, это скорее спектр. В Яндексе аналитик-разработчик зачастую является тем же самым data scientist’ом, если он работает с методами математической статистики, машинного обучения или оптимизации. Но аналитик — это очень прикладная специальность. Основная задача любого аналитика данных — получить из этих данных пользу для бизнеса, продукта или людей.
А data scientist в первую очередь scientist, то есть ученый, который должен заниматься исследованиями. Зачастую в классическом понимании data science — это наука о данных, а раз это наука, то можно сказать, что KPI такого человека — это продвижение науки вперёд, например, через написание статей. Data-scientist’ы придумывают новые методы, их применение и рассказывают об этом миру.
Я использую не общепринятую терминологию, как на рынке труда, а некое словарное определение профессии, которое можно очень сильно расширять. Когда я говорю про то, что задача data scientist’а писать статьи — это, естественно, некоторая полярность. Интереснее рассмотреть именно полярности, потому что в реальности есть множество людей, которые одновременно занимаются и задачами аналитика, и тем, что можно назвать data science.
Что ты понимаешь под «наукоемкими методами»?
В практическом применении широкую известность имеют методы машинного обучения. Существует множество прикладных алгоритмов обработки данных. При работе с данными иногда появляются задачи, которые можно назвать научными: они формализованы, для них приняты некоторые допущения, и в таком виде задачу можно решить явно. К примеру, можно доказать, что некоторым алгоритмом задача решается оптимальным образом.
Наукоёмкие методы — это те методы, за которыми стоит некое нетривиальное доказательство, и они работают. Часть из них воспроизводимы на практике и имеют практическую пользу, а некоторые оказываются слишком модельными. В теории метод работает, но на практике он не применим, просто потому. что те допущения, вокруг которых доказывалась математическая или компьютерная задача, не воспроизводимы в реальности.
Можно сказать, что в одному углу стоят как раз исключительно теоретические задачи, не используемые на практике. А в другом — задачи обработки данных, за которыми не стоит особой науки: можно просто взять данные, сгруппировать, посчитать среднее, отсортировать и сделать аналитический вывод. Где-то на стыке и лежат те самые методы, которые называют «наукоёмкими».
Можешь на конкретных примерах рассказать, чем занимаются аналитики?
Аналитик — это тот человек, который может смотреть на данные шире, строить и проверять гипотезы. Задача аналитиков — нести практическую пользу и искать новые знания в данных. Люди анализировали данные еще до возникновения компьютеров.
Так, например, японский инженер и статистик Генити Тагути еще в 1940-х годах разработал концепцию «инжиниринг качества». В рамках этой идеи он статистическими методами анализировал данные производства, проводил эксперименты и значительно уменьшал издержки, повышая при этом качество продукции. Впоследствии его методы были реализованы в оптимизации производства Ford Motor Company.
Приведу один пример задачи аналитика из своей практики. В Яндексе провели эксперимент, добавив в поисковую выдачу новые элементы — картинки в сниппетах. При этом пользователи стали иногда реже кликать и решать свои задачи, метрики ухудшились. Можно было выдвинуть десяток гипотез, почему так произошло.
Сергей Юдин
У нас были логи действия пользователей в этом эксперименте: история запросов, клики и другие взаимодействия. Задача аналитика в данном случае — разобраться в том, что произошло. Правда ли новый элемент ухудшает качество выдачи? В нашем случае выяснилось, что пользователи стали реже кликать именно в тот момент, когда на выдаче был всего лишь один элемент с картинкой. Мы предположили, что одна картинка отпугивает пользователей, потому что выглядит чужеродной. Когда в выдаче картинок несколько пользователям проще визуально её воспринимать.
Мы проверили эту гипотезу, и на данных она подтвердилась. В итоге удалось сделать понятный продуктовый вывод: если элемент один, то его лучше отключить, и показывать только в том случае, когда этих элементов несколько. Пользователи были довольны, так как страница выглядела гармонично.
Какими навыками должны обладать аналитик?
В первую очередь это «умение работать с данными». Любые инструменты, которые этому способствуют, начиная от обработки данных в таких программах как Excel, заканчивая любым языком программирования, который позволяет проводить более сложную обработку и автоматизировать процессы.
Кроме инструментария нужно ещё понимание. То, что в резюме подразумевается под «аналитическим складом ума». Во-первых, это присутствие логики, умение строить выводы. Во-вторых, это способность генерировать гипотезы и умение проверить свои выводы. И последнее, рациональное мышление – отсутствие когнитивных искажений или понимание того, как эти когнитивные искажения работают, и умение им противостоять.
Простой пример когнитивного искажения – эффект привязки. Когда-то два учёных Амос Тверски и Даниэль Канеман провели эксперимент: испытуемых в двух группах просили оценить долю африканских стран в ООН. Только в первой группе вопрос задавали следующим образом: «Доля африканских стран в ООН больше или меньше 65%?» И второй вопрос: «Сколько на самом деле процентов составляет доля африканских стран?». Второй группе задавали аналогичные вопросы, только в первом вместо 65% подставляли 10%. Несмотря на то что второй вопрос не отличался, а группы были случайными, результаты статистически очень сильно различались. Медианный ответ в первой группе составлял 45%, а у второй группы – 25%. Ответ на второй вопрос испытуемые давали под сильным влиянием от формулировки первого.
Это и есть когнитивное искажение. В работе с данными часто встречаются подобные проблемы, и аналитику всегда нужно проверять, не является ли вывод натянутым.
А какими навыками должен обладать хороший data scientist?
Любой data scientist – это аналитик, но не любой аналитик – data scientist, поэтому всё, что мы сейчас сказали, к data scientist’у точно относится. В дополнение, это, конечно же углублённые математическая подготовка и понимание статистических методов, а также всё, что связано с работой этих алгоритмов на практике. Методы компьютерного анализа данных построены на линейной алгебре, математической статистике и компьютерных науках. Должно присутствовать базовое понимание каждой из этих областей.
Данные всегда относятся к конкретной области. В зависимости от того, в какой индустрии человек работает, он должен разбираться в этой сфере. Это могут быть медицинские данные, данные адронного коллайдера или лог-файлы интернет-сервиса. В первом случае нужно всё-таки понимать в медицине, в случае адронного коллайдера – понимать в физике, а в случае интернет-сервисов речь идёт уже о некоторой пользовательской аналитике: нужно понимать, как люди могут себя вести, и какие паттерны поведения могут присутствовать.
В каких компаниях могут работать такие специалисты?
Аналитики могут работать в любой сфере, связанной с интернет-сервисами, приложениями или мобильной разработкой. Везде, где есть данные, пусть их совсем немного, нужны такие специалисты.
Data scientist’ов ищут для решения крупных задач связанных с данными. У таких задач обязательно должно быть одно из свойств: либо бизнес-смысл, либо научная ценность, а также место для применения сложных методов, например, алгоритмов оптимизации машинного обучения.
Также для того, чтобы применение сложных методов себя оправдало, должна быть дополнительная прибыль. Применение таких методов зачастую стоит дорого, но оно может окупиться.
К примеру, у маленького магазина действительно может быть много транзакций. Но в данном случае применять сложные методы нет необходимости. Достаточно просто посмотреть, какие товары хорошо покупают, и сделать базовую аналитику. А для сети с тысячью магазинов увеличение чека даже на 0,1% может окупиться и оправдать внедрение сложного метода обработки данных.
В случае научной ценности важна выгода не столько с точки зрения денег, а с точки зрения понимания устройства этого мира. Если мы говорим про исследование космоса или микро-частиц, то применение сложных методов может окупаться за счёт того, что мы узнаем об этом мире больше.
Насколько перспективны эти профессии?
Потребность как в data-аналитиках, так и в data scientist’ах, растет не арифметически, а геометрически. Впрочем, как и количество данных компаний, мощность и стоимость некоторых кластеров, в которых можно применять сложные методы и хранить данные. Пока что тенденция такова, что геометрический рост продолжится ближайшие несколько лет.
Другое дело, что есть перекос в сторону специалистов с некоторым опытом, чем с джуниор-уровнем. Компании в поисках тех специалистов, которые уже сталкивались с аналогичными задачами и умеют их решать.
Но и специалистам без опыта не стоит сильно переживать. Компании готовы учить работников, поэтому иногда бывает достаточно показать, что кандидат готов осваивать новые знания. Важно не просто прослушивать курсы, а показать, что ты можешь быстро освоиться в методах, и доказать, что ты научился их применять. Таким образом ты покажешь, что от тебя можно ждать больших результатов и через несколько лет.
Есть множество специалистов, которые могут быть новичками именно в профессии аналитика, но у них есть некоторый смежный опыт, и они готовы из этого смежного опыта извлекать выгоду. Например, человек, занимающийся медициной, идёт в аналитику данных в области медицины. Он новичок в анализе данных, но его бэкграунд может быть решающим в таком случае: он будет преуспевающим специалистом, вырастет через год и принесет столько пользы, сколько другой опытный data scientist никогда не принёс бы на этой позиции.
Специалистов, у которых есть опыт и в смежной области и в сложной аналитике, еще меньше, а потребность в них – все больше. Количество данных стремительно растет в узкоспециализированных областях. Поэтому всем начинающим специалистам будет полезно сразу определиться со смежной областью и начинать развивать в ней свои навыки.
Можно войти в профессию с нуля?
Да, про это и был в какой-то мере ответ на прошлый вопрос. Никто не рождается профессионалом. Вопрос можно сформулировать так: какой бэкграунд поможет войти в профессию и какова сложность этого входа?
Для аналитиков она меньше, чем для data scientist’ов. Аналитик может начать решать задачи уже с базовыми знаниями. Для некоторых сложностью может стать то, что до устройства на полный рабочий день возможно придётся пройти стажировку, позаниматься своими собственными pet project’ами и загореться этой индустрией. Настолько загореться, чтобы быть готовым даже самостоятельно, в качестве хобби искать данные и их исследовать. Вот в таком случае с нуля точно можно войти в профессию.
Надо набивать руку на написание кода до выхода на первое место работы, потому что программирование – это третий иностранный язык, который нужно знать. Те же самые pet project’ы или соревнования могут этому очень сильно поспособствовать.
С какими сложностями можно столкнуться в работе?
В этой профессии, даже если ты работаешь уже несколько лет, можно быстро отстать, если перестать учиться. Осваивать новое придется постоянно –– и подходы, и инструментарии, потому что мир вокруг нас быстро меняются. К этому нужно быть готовым.
Аналитик никогда не знает, с какой конкретно сложностью он столкнется в задаче, а непонимание в этой области усугубляет проблему. Например, если при исследовании поведения пользователей в эксперименте, у аналитика обнаруживаются провалы в знании математической статистики, то сделать выводы по данным может быть очень сложно, не говоря уж о построении гипотез.
Другая сложность – это коммуникация. Профессия аналитика и data scientist неотрывно связаны с общением с людьми. Data scientist может работать в вакууме с отдельной задачей, которую он будет решать полгода, а потом представить результат. Но зачастую и у людей, занимающихся, например, практическими применениями алгоритмов, возникает потребность общаться с той частью, у которой они будут брать данные. Сейчас есть тенденция разделения на тех, кто исследует что-то и проверяет гипотезы, и тех, кто это потом встраивает. И нужно объяснить, как это всё встроить и разработать.
Аналитику обязательно придется много общаться с другими сотрудниками: доказывать свою точку зрения, убеждать, качественно аргументировать своё мнение и слушать оппонента. Однако не менее важно уметь менять своё мнение, если оно оказалось неправильным. Проверяя гипотезы, нужно уметь смотреть на данные с холодной головой.
Подводя итог, какие ключевые различия между аналитиком данных и data scientist’ом?
Аналитик данных – человек, который из данных получает практическую пользу. Data scientist – это человек, который умеет применять сложные методы обработки данных и понимает, как они устроены. Во многих компаниях эти профессии очень сильно пересекаются.
Если задаться целью освоить конкретную профессию, то в зависимости от бэкграунда можно пойти или в аналитику, или в data science. Если у вас технико-математический бэкграунд, то попробуйте себя в практическом применении тех методов, которые вы уже знаете, и теорем, которые вы уже доказывали. Если ваш бэкграунд больше из конкретной отрасли, то стоит начать с аналитики данных, и постепенно, в зависимости от потребности и от вашего интереса, наметить вектор дальнейшего развития. Сложные методы могут быть и не нужны в той области, которая вам будет интересна.
Изучить базы данных и язык SQL, язык Python, его применения для сбора, визуализации и анализа данных, статистику и машинное обучение, а также аналитические и продуктовые подходы для работы над реальными задачами можно на программе профессиональной переподготовки «Аналитик данных».
На программе «Специалист по Data Science» вы погрузитесь в современный анализ данных и машинное обучение: от изучения программирования и базовых разделов математики до глубинного обучения, прикладной статистики и работы с большими данными.
Логика и аналитические способности — как проверить?
Коллеги, нужны тесты, кейсы, задачи и т.п. инстументарий, чтобы проверить у человека логику и аналитические способности не только в ходе интервью, а именно с помощью каких-то специальных тестов/заданий. Кандидаты на должность финансового аналитика. Очень прошу комментарии по типу «опять бойан» и «зачем вам это надо?» не писать. Ситуация такова, что действительно нужны конкретные инструменты, которые можно использовать, а не лирика и беспредметные рассуждения по теме. Прошу конкретной помощи у тех, что это использовал. Если можно — пришлите ссылки или варианты заданий. Желательно, чтобы тестоые задания можно было использовать без привлечения профессионального психолога, а результаты потом предъявить заказчику ))
Можно на почту elinapo@mail.ru
Заранее спасибо всем откликнувшимся.
Расскажите коллегам:
Оценить : 0
Комментарии
+6567 Валерий Овсий Researcher, Москва 29 октября 2009, 19:58
Элина Полухина, Что писать, куда писать и как писать я определяю САМ 👿 Правила я не нарушал, а то, что глупость называю ГЛУПОСТЬЮ … не провоцируйте 🙂 . Если к Вам пришли 286 соискателей, то это свидетельствует о том, что требования к кандидату выставлены НЕ ПРАВИЛЬНО. Что так же Вас, как HR характеризует… 😀 А сайт читают разные люди. Моя предыдущая записка не Вам, напрасно старались 😉 . Вот интересующимся, молодым, жаждущим, реальным и потенциальным менеджерам полезно знать работу HR и оценивать реальную полезность компании. Вам помогать не хочу, а вот великий В.И.Ленин хочет (знаете такого? 😉 Он всем помогает! 😀 ), он говорил: «Учиться, учиться и еще раз учиться!».
Тимур Беставишвили Директор по развитию, Санкт-Петербург 29 октября 2009, 20:16
Алексей Матюшин пишет: сорри забыл спросить — так как нащет sin(x)=Pi ?
Будем письками мерятся? Ну, тогда берегитесь 8) Итак, чтобы ответить на Ваш вопрос, мне нужно просто вспомнить кое что из кое чего, то есть залезть в инструментальную кладовую ( а математика, при всём уважении, не более, чем инструмент) и что-то взять с полки. Это — не сложно, не хуже меня знаете. Давайте лучше тогда мозгами шевелить, а не напрягать память, не правда ли? Я отвечу на Ваш вопрос, и даже изображу, что разбираюсь в этом вопросе хорошо, однако предлагаю Вам другой: почему у Змея Горыныча изо рта идёт дым? Никакой подколки. Чистая физика, на уровне средней школы. И вспоминать ничего не надо, нужно просто подумать.
+3350 Элина Полухина HR-директор, Москва 29 октября 2009, 21:36
Валерий Овсий пишет: Вам помогать не хочу,
Раньше у нас все, кому не лень, считали себя специалистами в воспитании детей и в финансах. теперь к этому добавился еще рекрутинг. Все, кому не лень, пытаются научить бедных эйчаров:)) Спасибо, конечно, но любой совет нужен, важен и будет услышан только в том случае, если вас о нем попросили. А в конкретно Вашей помощи я не нуждаюсь)) В конце концов заказчику все равно — каким путем, в результате каких манипуляций и процедур был выполнен заказ и найдет нужный кандидат. Результат есть? Есть. Качество устаривает? Устаривает. А сколько при этом сил, времени и трудоресурсов затратил эйчар; какие отборочные задания, тесты, кейсы использовал или не использовал; сколько кандидатов пригласил и прособеседовал — 100 или 10 — заказчика не волнует. И это правильно. Важен результат. Бессмысленное препирательство с Вами, Валерий, на этом предлагаю закончить. Каждый из нас остается при своем мнении. При этом мнение данной конкретной противоположной стороны абсолютно не интересует. Имеем право))
+165 Елена Корнюшонкова Менеджер, Тверь 29 октября 2009, 21:43
Тимур Беставишвили пишет: почему у Змея Горыныча изо рта идёт дым?
Тимур, заинтриговали! Мои варианты: 1. Змей курит 2. Змей — муляж на карнавал, и у него во рту дымовая шашка 3. У него во рту — «сухой лед» (из чего он там сделан — углекислота?) 4. Змей наелся торфа, и он (торф) самовозгорелся. все, фонтан иссяк. 😀
+165 Елена Корнюшонкова Менеджер, Тверь 29 октября 2009, 21:45
кстати, а где все фотки сообщников сообщества? уж не в «Делах» ли? 😀
+242 Владимир Ромашов Аналитик, Екатеринбург 30 октября 2009, 07:22
Элина Полухина пишет: . пригласить на собеседование сразу и непосредственно к финансовому директору компании всех 286 человек, приславших свое резюме на данную вакансию.
😀 😀 😀 Может и не в тему, но 286 откликов на объявление, из которых требуется многоэтапный выбор на должность фин/аналитика — действительно перебор (тут г-н Овсий прав, хотя он и «язва»). Я не для ответа пишу, а для — задуматься над качеством объявления о вакансии — 3-5 откликов от только нужных — это профессионально. Остальное — слишком затратно.
+242 Владимир Ромашов Аналитик, Екатеринбург 30 октября 2009, 07:25
Елена Корнюшонкова пишет: кстати, а где все фотки сообщников.
Моя уже давно «в деле», а Вашу, Елена, похоже на выставку во Франкфурт отправили 🙂
+3350 Элина Полухина HR-директор, Москва 30 октября 2009, 09:48
Владимир Ромашов пишет: Может и не в тему, но 286 откликов на объявление, из которых требуется многоэтапный выбор на должность фин/аналитика — действительно перебор
Владимир, в очередной раз повторю — при всем моем к Вам уважении я вас очень прошу не комментировать и не давать советов — как организовывать систему рекрутинга в компании. Я же Вам не советую как эффективнее советы раздавать )) Для справки — полтора года назад практически на любую вакансию любого качества описания приходило в среднем 30-40 откликов в виде резюме. Из них только 10-15 соответствовали заявленным в описании требованиям. Остальные — рассчитанные на » авось прокатит и пригласят». С наступлением кризиса количество откликов на качественном составленную вакансию любого уровня (специалиста, не топа) — увеличилось и сейчас составляет от 150 до 250 резюме. При этом процент соответствия заявленным требованиям остался тот же — на 50 откликов примерно 10 соответствуют, остальное не колеблясь можно назвать спамом. Таким образом, обработав 250 откликов мы получаем примерно 50 более или менее подходящих резюме. Связавшись с кандидатами и выяснив (по телефону или имейлу) необходимые подробности отсеиваются по разным причинам еще 10-15. Остальных можно приглашать и делать первичный отбор уже в ходе собеседования. При этом еще процентов 30% отсеятся по мотивации к работе (в данной компании например, на данной вакансии, с данными имеющимися перспективами/или их отсутствием на данной вакансии) и прочим причинам. Итого — «сухой остаток» от 250 присланныхз резюме — 10-20 реальных кандидатов из которых можно выбирать. Еще момент — в июне этого года помогала коллеге разобрать присланные резюме кандидатов. Должности — директор по логистике и закупкам и директор по маркетингу (с качественным описание вакансий). На директора по логистике было прислано более 250 откликов. На директора по маркетингу — около 100. Видимо топов развелось немеряно в Москве. 😐 Как говорит г-н Беставишвили в таких случаях — чем еще будем меряться? 😉
Владимир Ромашов пишет: 3-5 откликов от только нужных — это профессионально. Остальное — слишком затратно.
Улыбнули…)) Удалось))
+848 Сергей Колесников Директор по маркетингу, Москва 30 октября 2009, 13:32
Алексей Матюшин пишет: на самом деле, все приведенные Вами ответы являются правильными. Один из них является Вашим любимым, не более того.
Алексей, не поленился найти первоисточник 🙂 : Эдвард де Боно. Имя этого замечательного английского психолога в России почти неизвестно. Между тем именно он создал и разработал в семидесятые-восьмидесятые годы нашего(теперь прошлого) столетия систему упражнений, позволяющих человеку максимально развить у себя способность мыслить нестандартно. Де Боно предложил концепцию «латерального» мышления (от латинского lateralis — «расположенный сбоку, удаленный от середины») — одной из многих противоположностей мышления логического. Сам де Боно полагал, что лучше всего проиллюстрировать понятие латерального мышления можно следующей историей. «Представьте себе, — начинал он , — как семья червяков — папа, мама и сынишка — отправляется погулять. Они подходят (вернее, подползают) к небольшой песчаной насыпи. Каждый из них проползает сквозь насыпь, и вот они уже снова вместе. Вдруг червяк-сын оглядывается назад и говорит: «Ой как странно, а там всего ДВЕ дыры! — На какое-то время де Боно с заговорщическим видом замолкает. — Ну обычно люди говорят, что, может быть, одну дыру уже засыпало песком или что два червяка могли проползти через одну и ту же дыру, и все такое. А на самом деле. — де Боно смеется, — на самом деле червяк-сын просто не умел считать . » В отличие от мышления логического («вертикального», как называл его де Боно) латеральное мышление предполагает прежде всего эффект неожиданности. Способность понять, что принятый большинством взгляд на вещи — лишь один из очень многих возможных.
+377 Борис Зверев Консультант, Москва 30 октября 2009, 14:05
Алексей Матюшин пишет: как нащет sin(x)=Pi ?
Ответ: значит, наступило военное время или объявлено чрезвычайное положение 🙂 «В мирное время значение синуса по модулю, как правило, не превышает 1, но в военное время или при объявлении ЧП — может достигать четырёх» (с) 😀 😀 😀
+196 Алексей Матюшин Нач. отдела, зам. руководителя, Москва 30 октября 2009, 14:44
Борис Зверев пишет: Ответ: значит, наступило военное время
Радостно, что еще не все потеряли чувство юмора. Т.Г вон посчитал, что я выложил что-то на стол для измерения :).
+196 Алексей Матюшин Нач. отдела, зам. руководителя, Москва 30 октября 2009, 14:56
Сергей Колесников пишет: Алексей, не поленился найти первоисточник : Эдвард де Боно.
Сергей, в первоисточнике немного не такой акцент. Там говорится, что среди типовых ответов может не быть того, что *было на самом деле*. Демонстрация другого взгляда на вещи. Это совсем не то же самое, что сказать:
Сергей Колесников пишет: Вариантов ответа может быть несколько (один прополз сверху, один за другим, обсыпался выход и т.д.) а правильный ответ только один:
Извините за занудство. 8) И заранее еще раз пардон за резкость, но получилось как в том анекдоте про любимого поручика: — Кучер, мне скучно. Расскажи-ка, братец, новый каламбур! — Извольте: Адам Еву прижал к древу… Древо трещит, Ева пищит. В пересказе поручика: — Господа, новый каламбур! В общем… один мужик прижал бабу к забору. Ну он, натурально, ее [финтифлюхнул]… Да-с… Но в стихах, знаете ли, это звучит великолепно!
+848 Сергей Колесников Директор по маркетингу, Москва 30 октября 2009, 17:51
Алексей Матюшин пишет: Извините за занудство. И заранее еще раз пардон за резкость, но получилось как в том анекдоте про любимого поручика: — Кучер, мне скучно. Расскажи-ка, братец, новый каламбур! — Извольте: Адам Еву прижал к древу… Древо трещит, Ева пищит. В пересказе поручика: — Господа, новый каламбур! В общем… один мужик прижал бабу к забору. Ну он, натурально, ее [финтифлюхнул]… Да-с… Но в стихах, знаете ли, это звучит великолепно!
🙂 «А на самом деле. — де Боно смеется, — на самом деле червяк-сын просто не умел считать . » Я как бы попытался воспроизвести цитату и только.
Алексей Матюшин пишет: Сергей, в первоисточнике немного не такой акцент.
Видимо я не нашел первоисточник первоисточника 🙂
+160 Максим Артамохин IT-менеджер, Москва 30 октября 2009, 19:49
Элина Полухина пишет: С наступлением кризиса количество откликов на качественном составленную вакансию любого уровня (специалиста, не топа) — увеличилось и сейчас составляет от 150 до 250 резюме.