Tendenze nel mercato del lavoro di Data Science 2022

il scienza dei dati il mercato del lavoro sta crescendo più velocemente della maggior parte degli altri, poiché le aziende di ogni forma e dimensione cercano professionisti per risolvere i loro problemi di dati.

Che si tratti di modellazione e analisi di set di dati o preparare i dati per apprendimento automatico (ML) progetti, le aziende hanno bisogno di più talenti nella scienza dei dati e stanno affinando le proprie strategie di reclutamento e fidelizzazione in tale area.

Continua a leggere per saperne di più sulle tendenze che gli esperti stanno vedendo, sia dal punto di vista del reclutatore che del candidato, nel mercato del lavoro della scienza dei dati:

5 principali tendenze del mercato del lavoro e della carriera di Data Science

  1. Riqualificazione e formazione continua come n. 1 priorità
  2. Specialisti di data science preferiti rispetto ai generalisti
  3. Candidati in cerca di una forte missione aziendale
  4. Aziende mal preparate per assunzioni e progetti di data science
  5. Completare i team di data science per la trasformazione digitale

Leggi anche: Le 50 migliori aziende che assumono per ruoli di data science

1. Riqualificazione e formazione continua come n. 1 priorità

Molti candidati alla scienza dei dati stanno diventando sempre più interessati alle opportunità educative che un potenziale datore di lavoro può offrire loro.

Scott Hoch, responsabile dei dati presso Entrate.iomomento intelligenza artificiale (IA)Il fornitore di piattaforme RevOps potenziato, ritiene che molti professionisti dei dati meno esperti sperano di trovare un’azienda che fornirà tutoraggio di supporto e opportunità di apprendimento mentre cercano di espandere le proprie competenze.

“Quando parlo con le persone in questa comunità, che escono dai campi di addestramento o che stanno passando alla scienza dei dati, cercano sempre di imparare”, ha affermato Hoch.

“Per queste persone all’inizio della loro carriera, stanno cercando tutoraggio, stanno cercando di crescere e stanno cercando di capire come la scienza dei dati si inserisce in un progetto del mondo reale”.

David Sweenor, direttore senior del marketing di prodotto presso Alteryxuna società di analisi e scienza dei dati, ha affermato che i candidati desiderano tenersi al passo con le ultime tendenze del mercato e lavorare per un’azienda che consenta loro di applicare tale apprendimento ai propri progetti.

“I candidati alla scienza dei dati stanno cercando di utilizzare alcune delle ultime innovazioni e tecniche di apprendimento automatico per risolvere i problemi aziendali del mondo reale”, ha affermato Sweenor.

“Vogliono diventare un consulente fidato per i leader aziendali e vogliono problemi interessanti da risolvere. Non vogliono diventare esecutori di ordini per i team BI”.

Molte aziende stanno ascoltando i desideri dei candidati per un’istruzione aggiuntiva e stanno trovando modi per incorporare lo sviluppo delle competenze attraverso partnership nel settore dell’istruzione e risorse di apprendimento.

Sunil Senan, vicepresidente del DNA presso infosysun servizio IT globale e trasformazione digitale company, ha spiegato come le aziende stanno trovando nuovi modi per investire nel talento esistente attraverso un mix di certificazioni e corsi per dipendenti non tecnici.

“Una tendenza chiave nel mercato del lavoro della scienza dei dati include le imprese che investono presto nella pipeline dei talenti attraverso partnership con istituzioni educative, programmi di formazione e miglioramento delle competenze dall’interno”, ha affermato Senan.

“Le aziende stanno collaborando con le istituzioni per garantire che le corrette opportunità educative vengano implementate nelle università, oltre a creare solidi programmi di formazione per le carriere digitali.

“Ad esempio, Salesforce ha lanciato una piattaforma di apprendimento online gratuita, Trailhead, in cui gli aspiranti professionisti della tecnologia possono ottenere certificazioni per la creazione di curriculum e competenze tecniche. Abbiamo recentemente annunciatoD un nuovo programma con Trailhead per offrire a 500 persone in cerca di lavoro l’opportunità di completare un corso di diploma online certificato da Salesforce, a seguito di un test attitudinale che li abbini a ruoli tecnologici di livello base presso Infosys.

“Piattaforme di formazione come queste stanno costruendo forti candidati tecnologici, offrendo ai professionisti non tecnologici l’opportunità di acquisire maggiori competenze in campi come la scienza dei dati, che a sua volta aiuta le aziende a migliorare le competenze dei dipendenti non tecnologici dall’interno”.

Continua la tua formazione sulla scienza dei dati: 10 migliori certificazioni di scienza dei dati

2. Specialisti di data science preferiti rispetto ai generalisti

Quando molti data scientist escono per la prima volta da un corso di laurea o di certificazione, sanno come programmare e generalmente perseguono progetti di scienza dei dati, ma potrebbero non portare sempre sul tavolo competenze ed esperienze specializzate.

Le aziende sono ora alla ricerca di specialisti della scienza dei dati in grado di applicare rapidamente le proprie competenze esistenti a un problema specifico che l’azienda deve affrontare.

Kevin Pursel, vicepresidente del reclutamento presso Domauna società di soluzioni tecnologiche immobiliari, ha condiviso il motivo per cui la sua azienda e altri simili cercano specialisti di scienza dei dati piuttosto che generalisti.

“Invece di assumere uno statistico in grado di scrivere poche righe di codice, ora stiamo cercando set di competenze molto più di nicchia, come ingegneri del deep learning, ingegneri NLP, ingegneri della visione artificiale, scienziati dei dati del rischio, ingegneri dell’apprendimento automatico, ingegneri e persino ingegneri delle operazioni di apprendimento automatico”, ha affermato Pursel.

“Sta diventando sempre più difficile crescere come generalista della scienza dei dati. Le aziende vogliono assumere persone specializzate in grado di potenziare le capacità dei loro prodotti e organizzazioni”.

Sebbene molti altri siano d’accordo sul fatto che gli specialisti abbiano un potenziale di guadagno e di crescita maggiore rispetto ai generalisti nell’attuale mercato del lavoro della scienza dei dati, è importante notare che i generalisti potrebbero avere maggiori opportunità nelle aziende più piccole o in quelle che stanno appena iniziando a concentrarsi sulla scienza dei dati.

Hoch di Revenue.io ha spiegato come le aziende grandi e piccole abbiano aspettative diverse per il loro talento nella scienza dei dati:

“C’è un divario tra ciò che le grandi aziende cercano nei data scientist e ciò che cercano le aziende più piccole e le startup”, ha affermato Hoch.

“Quel divario sta crescendo. Nelle aziende più grandi, dispongono già di molte infrastrutture per gestire i propri dati e ripulirli. Stanno cercando data scientist e ricercatori che entrino e approfondiscano i problemi della scienza dei dati.

“Mentre le startup e le aziende più piccole potrebbero non disporre di tutta la scienza dei dati e l’infrastruttura dei dati. Stanno cercando tuttofare che possono iniziare a ottenere informazioni sulla produzione e lavorare su più stack. Quindi molte persone stanno entrando nella scienza dei dati e il divario e le esigenze tra aziende più grandi e più piccole sembrano crescere”.

Leggi anche: Tendenze chiave dell’apprendimento automatico (ML).

3. Candidati in cerca di una forte missione aziendale

Le carriere nella scienza dei dati non sono certo limitate alle aziende tecnologiche o alla “Fortune 500”; aziende di diverse dimensioni, sedi e background industriali stanno assumendo talenti dei dati su tutta la linea.

I candidati alla scienza dei dati riconoscono di essere molto richiesti in questo momento e, di conseguenza, molti sono alla ricerca di aziende con missioni in linea con i loro interessi e valori personali.

Stuart Davie, vicepresidente della scienza dei dati presso piccouna società di intelligence decisionale, ha affermato che ciò che rappresenta un’azienda può essere un’enorme attrazione per i candidati alla scienza dei dati.

“Gli scienziati dei dati in generale sono pensatori relativamente profondi e sono spesso motivati ​​da argomenti come l’etica e la sostenibilità”, ha affermato Davie.

“Anche se queste non sono solitamente le cose principali che cercano in un ruolo, le iniziative di etica e sostenibilità in cui possono essere coinvolti i data scientist possono aiutare a distinguere la tua azienda dalla concorrenza o presentare opportunità utili che aumentano la soddisfazione (e la fidelizzazione).”

Jeff Kindred, PHR, reclutatore tecnico senior presso Scaffale motoreun’azienda specializzata nell’automazione di informazioni dettagliate sulle catene di approvvigionamento e sui rifiuti di generi alimentari, ha visto personalmente come i candidati alla scienza dei dati siano obbligati a unirsi a organizzazioni con missioni che ritengono di poter realizzare.

“Quando parlo ai candidati del motivo per cui stanno considerando Shelf Engine come il loro potenziale prossimo datore di lavoro, sento quasi sempre che la nostra missione, ‘Ridurre lo spreco alimentare attraverso l’automazione’, ha attirato la loro attenzione. Hanno quindi iniziato a ricercare maggiormente la nostra organizzazione ed erano molto interessati a conoscere noi e le nostre opportunità di scienza dei dati”.

Consulenza sulla leadership e sulla cultura di TechRepublic: I 10 segnali di pericolo di una cultura del lavoro disfunzionale

4. Aziende mal preparate per assunzioni e progetti di data science

Molte aziende sanno di volere e di aver bisogno di talenti nella scienza dei dati per una varietà di progetti aziendali, ma molte stanno assumendo per questi ruoli prima di realizzare l’esatta portata dei loro progetti.

Quando le aziende avanzano con obiettivi di dati disorganizzati, scoprono che i professionisti della scienza dei dati diventano frustrati e si spostano rapidamente verso nuove opportunità.

Hoch di Revenue.io ha condiviso due casi tipici in cui le aziende assumono data talent prima di aver pianificato attentamente il lavoro per loro.

“Un feedback che sento spesso quando le persone cercano nuovi ruoli: sono stati assunti per fare scienza dei dati in un’azienda che era troppo giovane, e hanno dovuto fare tutto questo altro lavoro di ingegneria dei dati, ed è stato” Non va bene,” disse Hoch.

“L’altro di cui sento parlare molto è che le grandi aziende cercheranno di affrontare progetti di machine learning davvero grandi e difficili in cui non capiscono tutto ciò che è necessario per affrontarlo: il budget, il lavoro, tutto.

“Questi data scientist verranno coinvolti per lavorare su progetti dal suono davvero interessante, ma l’azienda non è ancora pronta per l’esecuzione. Questo lascia questi ingegneri in una posizione difficile”.

Theresa Kushner, responsabile della pratica di dati e analisi presso Servizi NTT DATAuna società di gestione dei servizi IT, ritiene che non sia solo importante che l’azienda stabilisca progetti e obiettivi chiari per i talenti della scienza dei dati, ma crei anche un ambiente favorevole in cui gli altri dipartimenti comprendano e collaborino bene sui progetti di dati.

“Nell’ambiente odierno, [data scientists] anche partire alla ricerca di progetti più significativi con aziende che ne comprendano le capacità”, ha affermato Kushner.

“Uno degli ambienti più frustranti in cui lavorare per un data scientist è all’interno di un’azienda in cui sono poche le persone che capiscono il valore che possono offrire. I data scientist potrebbero non capire sempre le attività che supportano, ma capiscono i dati e come manipolarli per ottenere valore.

“Il rapporto di data scientist con lo sponsor aziendale del lavoro o del progetto è una chiave per mantenere un data scientist o assumerne uno in primo luogo. … Nel complesso, i data scientist vogliono che un lavoro significativo venga svolto in un ambiente comprensivo e di supporto”.

Thiago da Costa, amministratore delegato di Toricoun dato e business intelligence (BI) azienda, ritiene che molte aziende deludono i loro data scientist quando non forniscono loro i team e gli strumenti giusti per gestire efficacemente i progetti di dati.

“Un data scientist può essere produttivo solo se lavora in un team con ingegneri di dati, analisti di dati, sviluppatori di software, operazioni e altri ruoli relativi ai dati”, ha affermato da Costa.

“Anche se è in qualche modo facile ottenere un lavoro, è anche facile fallire perché le aziende non sono ben preparate, attrezzate e organizzate per far sì che questa persona abbia successo. Di conseguenza, stiamo vedendo molte persone cambiare lavoro rapidamente e insoddisfatte nelle organizzazioni che assumono troppo per il ruolo o non sono disposte a dare la priorità ai dati”.

Leggi anche: Sette KPI per i team AIOps

5. Completare i team di data science per la trasformazione digitale

Che si tratti di risorse mal preparate o di team che non includono talenti a tutto tondo, molte aziende stanno rispondendo alle inefficienze tra i team di data science con nuovi ruoli che mantengono la trasformazione digitale in prima linea.

Cindi Howson, Chief Data Strategy Officer presso Punto del pensierouna grande azienda di analisi dei dati, ritiene che gli ingegneri di analisi diventeranno presto importanti nei team di data science.

“Negli ultimi anni, la scienza dei dati è stata la mania per le aziende che cercano di trarre vantaggio dalle iniziative di trasformazione digitale”, ha affermato Howson.

“Tuttavia, il ruolo del data scientist da allora ha perso il suo splendore nella memoria recente poiché le aziende non sono riuscite a rendere operativi i modelli e le università e i programmi di certificazione hanno sfornato programmatori che non possono applicare le loro conoscenze nel mondo degli affari. Gli scienziati dei dati trascorrono innumerevoli ore nella fatica di gestire dati disordinati e disparati, tutto ciò ha offuscato la lucentezza della scienza dei dati.

“Quest’anno mi aspetto di vedere l’ascesa di un nuovo ruolo nel settore che sostituirà i data scientist: l’ingegnere analitico. Insieme alla possibilità di eseguire trasformazioni all’interno di piattaforme cloud su tutti i dati, gli ingegneri analitici saranno essenziali per controllare la logica di trasformazione e sfruttare tutte le capacità del moderno stack di dati”.

Scopri di più su come stabilire la tua carriera nella scienza dei dati qui: Il mercato del lavoro di Data Science di oggi

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *