Вакансії спеціалістів з обробки даних на сьогодні є гарячими. У нещодавньому звіті CompTIA «Стан технічної робочої сили» передбачено, що кількість вакансій для науковців з обробки даних (разом з аналітиками даних) зросте на 5,5 відсотка протягом наступних 12 місяців.
Це припущення вірне, адже в останньому звіті Dice Tech Salary Report середня зарплата спеціаліста з обробки даних становить 117241 долар США, зменшившись на 2,8 відсотка між 2021 і 2022 роками. Це зниження не є мінусом. Більше компаній, які використовують Data Science – науку про дані, заохочує більше людей приєднуватися до цієї професії, щоб скористатися новими можливостями, допомагаючи зменшити попит (і трохи знизити винагороду).
Конкретні приклади
У деяких компаніях спеціалісти з обробки даних можуть легко отримати шестизначну суму зарплати, бонуси і опціони на акції. Levels.fyi , який краудсорсингує дані про винагороди від ряду технологічних компаній, має розбивку найбільш високооплачуваних компаній для науковців з даних:
Те, що Netflix очолює цей список, не повинно викликати подиву. Компанія має солідну репутацію в тому, що платить своїм технічним фахівцям значні суми грошей, сподіваючись, що ці працівники забезпечать високу продуктивність.
Інші компанії в цьому списку, від Airbnb до Instacart і Lyft, як правило, мають найбільші проблеми з великими даними, які, у свою чергу, вимагають науковців із обробки даних із зразковими навичками. Іншими словами: якщо фахівець із обробки даних, якому доручено зробити загальнонаціональну логістику більш ефективною, не заробляє шестизначних цифр на рік, щось тут дуже не так.
Що треба зробити
Якщо ви хочете проникнути в Data Science й отримати потенційно прибуткову зарплату, вам потрібно вивчити базовий набір основних навичок. За даними Lightcast, які збирають і аналізують мільйони оголошень про роботу, деякі з основних технічних навичок спеціалістів із обробки даних включають:
- Статистичний аналіз;
- Обробка даних;
- Візуалізація даних;
- Зберігання даних;
- Мови програмування (Python, R тощо);
- Машинне навчання;
- Штучний інтелект.
Почніть з безкоштовних курсів
Науковці, які займаються основними даними, також можуть використовувати свою інтуїцію, щоб отримати важливу інформацію з безладних або неповних наборів даних, але для повного розвитку цієї навички часто потрібні роки. Якщо ви зацікавлені в дослідженні науки про дані як професії, почніть з цих безкоштовних ресурсів:
- Google — Прискорений курс машинного навчання
- CalTech: навчання з даних
- Посібники та аналітика Codementor Data Science
- Підручники KDNuggets
- Посібник R-bloggers: Data Science за допомогою SQL Server R Services
- Магістр науки з відкритих вихідних даних
- Просто статистика
На щастя, є кілька шляхів, щоб стати науковцем даних. Вивчіть свої варіанти, щоб визначити, що вам найкраще підходить, і якщо ви опануєте необхідні навички, ви зможете розпочати потенційно прибуткову кар’єру.
