A Big Data korának egyik legjobban fizető szakmája
Lassan hozzászokunk, hogy egyre több szakma „keletkezik” napjainkban. Az is egyre többször fordul elő, hogy a szülők nem tudják, mivel foglalkozik a gyerekük – hiszen az a szakterület néhány éve még nem is létezett. Megtörténhet ez olyan népszerű szakmával is, mint az adattudós, akiket gyakran kevernek össze az elemzőkkel vagy a programozókkal.
Egy jó adattudóstól hasonló dolgokat vár el a piac, mint egy programozótól vagy egy elemzőtől, a fizetés (és a munka értéke) azonban jóval magasabb. Ez azért van, mert az adattudósnak jól kell értenie a rokonterületekhez is, miközben egyre inkább elmélyed az elemzés rejtelmeiben. A Forbes adatai alapján az adattudósok világszerte átlagosan 36%-kal keresnek jobban, mint az adatelemzők. A bérük nem emelkedik rohamosan, de a mesterséges intelligenciában szerzett több tapasztalat magasabb értéket is jelent – a tapasztalatszerzés pedig szinte korlátlanul bővíthető. Ráadásul az elemzőkkel ellentétben az adattudósnak nem kell menedzseri szintre felküzdenie magát ahhoz, hogy jól keressen.
- Hirdetés -
A folyamatos önképzésre azonban jóval nagyobb hangsúlyt kell fektetnie. A doktori fokozat például sok cégnél elvárás. A legmagasabb keresetre a technológiai területeken dolgozó adattudósok számíthatnak, azonban a különbség egyre csökken – ami annak is köszönhető, hogy ma már minden iparág technológiai iparág is egyben.
Az adattudós tehát olyan elemző szakember, aki nemcsak egy adott területhez (például közgazdaságtan) ért, hanem rugalmasan képes feldolgozni a legkülönfélébb adatokat. A folyamat nem áll meg itt, egy jó adattudós ismeri a legfontosabb adatbáziskezelő-rendszereket, rendelkezik programozási ismeretekkel, hogy precízen tudja irányítani azokat, majd a jó kommunikációs képességeinek köszönhetően egymaga képes vizualizálni és elmagyarázni is a saját maga által talált eredményeket.
Mik az elvárások?
A piac egészen pontosan a következő kvalitásokat várja el az adattudósoktól, az Interesting Engineering szakcikke alapján: folyamatos tanulás, a Python programnyelv ismerete, a Hadoop platform ismerete, az SQL adatbázisok ismerete, az Apache Spark ismerete, a gépi tanulással és a mesterséges intelligenciával kapcsolatos tapasztalatok, adatvizualizációban szerzett jártasság, természetes kíváncsiság és a rendszerezetlen adatok átlátásának képessége, üzleti beállítottság, kiváló kommunikációs képesség, csapatmunka.
Az összes feltételnek nagyon nehéz egyszerre megfelelni – szinte már azokra az álláshirdetésekre emlékeztetnek a felsoroltak, amikor két ember pozícióját próbálják meg betöltetni egyetlen új munkatárssal. Ebben az esetben azonban nem erről van szó. Az adatokkal való munka teljes folyamatát felosztani és a részfeladatokat különböző típusú, tudású és beállítottságú embereknek odaadni kockázatos dolog, ráadásul sokkal drágább is, mint ha az egészet egy kivételes képességű koordinátor látja el.
Míg egy elemző a kapott adatokból próbál egy adott problémára választ találni, az adattudósnak sok esetben magának kell megoldania az adatok beszerzését, a probléma definiálását, a megoldási struktúra felépítését és a megfelelő eszközök kiválasztását is. Ezután a nyert adatok segítségével fel kell állítania a lehetséges megoldási javaslatokat, és ezt olyan formában kommunikálni az üzletvezetés felé, hogy az abban résztvevő, különböző területekről érkező vezetők is könnyen megértsék.
A Dataconomy adatai alapján az adattudósokra egyre nagyobb igény van, miközben nehéz megfelelő szakembert találni. Mivel a legtöbb, a szakmához tartozó feladat inkább projektekhez kapcsolódik, ráadásul a jó szaktudás ára magas, a legtöbb cég nem akar arra költeni, hogy valakit főállásban alkalmazzon a pozícióra, így az adattudósok általában nem töltenek egy-két évnél több időt egy cégnél, sőt a legtöbben inkább vállalkozóként érvényesülnek.
Hegyi Heni, NEW technology magazin
- Hirdetés -