Bild vom Autor

Ich habe einmal mit einem Mann gesprochen, der damit prahlte, dass er es nur mit einigen kostenlosen LinkedIn-Kursen und einem veralteten College-Kurs „Einführung in SQL“ geschafft hatte, einen sechsstelligen Job in der Datenwissenschaft zu ergattern. Heutzutage sind sich die meisten Menschen, die Schwierigkeiten haben, einen guten Job im Bereich Datenwissenschaft zu finden, einig, dass dies unwahrscheinlich ist. Bedeutet das, dass die Berufskategorie Data Science eine geplatzte Blase ist – oder schlimmer noch, dass sie noch nicht geplatzt ist, sondern kurz davor steht?

Kurz gesagt, nein. Was passiert ist, ist, dass Data Science früher ein untersättigt Feld, in das Sie leicht gelangen, wenn Sie in Ihrem Lebenslauf die richtigen Schlüsselwörter verwendet haben. Heutzutage sind Arbeitgeber etwas anspruchsvoller und haben oft spezifische Fähigkeiten im Blick, nach denen sie suchen.

Die Bootcamps, kostenlosen Kurse und „Hello World“-Projekte reichen nicht mehr aus. Sie müssen spezifisches Fachwissen nachweisen und Ihr Data-Science-Interview auf den Punkt bringen, nicht nur Schlagworte fallen lassen. Darüber hinaus hat der Glanz des „Datenwissenschaftlers“ ein wenig nachgelassen. Lange Zeit war es der sexieste Job überhaupt. Jetzt? Andere Bereiche wie KI und maschinelles Lernen sind etwas attraktiver.

Dennoch gibt es in der Datenwissenschaft immer noch mehr offene Stellen als Bewerber, und verlässliche Indikatoren deuten darauf hin, dass der Bereich wächst und nicht schrumpft.

Nicht überzeugt? Schauen wir uns die Daten an.

The Big Picture

Im Laufe dieses Artikels werde ich auf mehrere Grafiken, Diagramme, Zahlen und Prozentsätze eingehen. Aber beginnen wir mit nur einem Prozentsatz aus einer äußerst seriösen Quelle: dem Bureau of Labor Statistics.

Die BLS prognostiziert dass es von 35 bis 2022 zu einer 2032-prozentigen Veränderung der Beschäftigung von Datenwissenschaftlern kommen wird. Kurz gesagt: Im Jahr 2032 wird es in der Datenwissenschaft etwa ein Drittel mehr Arbeitsplätze geben als im Jahr 2022. Zum Vergleich: Die durchschnittliche Wachstumsrate aller Arbeitsplätze beträgt 3 Prozent. Behalten Sie diese Zahl im Hinterkopf, wenn Sie den Rest dieses Artikels durchgehen.

Die BLS glaubt nicht, dass die Datenwissenschaft eine Blase ist, die nur darauf wartet, zu platzen.

Die Entlassungen

Jetzt können wir uns ein wenig an das Wesentliche wagen. Die ersten Anzeichen, auf die die Leute als Anzeichen für ein Platzen oder drohendes Platzen einer Blase hinweisen, sind die Massenentlassungen in der Datenwissenschaft.

Es stimmt, dass die Zahlen nicht gut aussehen. Ab 2022 und bis 2024 der Technologiesektor im Allgemeinen erfahrensten 430 Entlassungen. Es ist schwierig, aus diesen Zahlen datenwissenschaftsspezifische Daten herauszuarbeiten, aber die besten Schätzungen gehen davon aus, dass rund 30 Prozent davon aus den Bereichen Datenwissenschaft und -technik stammten.

Quelle: https://techcrunch.com/2024/04/05/tech-layoffs-2023-list/

Allerdings handelt es sich hierbei nicht um eine geplatzte Blase der Datenwissenschaft. Der Umfang ist etwas kleiner – es ist ein Pandemie Blase platzt. Im Jahr 2020, als mehr Menschen zu Hause blieben, die Gewinne stiegen und das Geld billig war, stellten FAANG und an FAANG angrenzende Unternehmen eine Rekordzahl an Technikern ein, nur um nur wenige Jahre später viele von ihnen zu entlassen.

Wenn Sie herauszoomen und sich das Gesamtbild der Neueinstellungen und Entlassungen ansehen, werden Sie erkennen, dass der Einbruch nach der Pandemie ein Rückgang in einer insgesamt steigenden Linie ist, die sich jetzt sogar wieder zu erholen beginnt:

Quelle: https://www.statista.com/

Sie können deutlich den enormen Rückgang der Entlassungen im Technologiebereich im Jahr 2020 erkennen, als sich der Markt verschärfte, und dann den enormen Anstieg ab dem ersten Quartal 1, als die Entlassungen begannen. Jetzt, im Jahr 2022, ist die Zahl der Entlassungen geringer als im Jahr 2024.

Die Stellenangebote

Eine weitere beängstigende Statistik, die oft angepriesen wird, ist, dass FAANG-Unternehmen ihre Stellenangebote um 90 % oder mehr geschlossen haben. Auch dies ist vor allem eine Reaktion auf die sehr hohe Zahl offener Stellen während der Pandemie.

Allerdings sind die offenen Stellen im Technologiesektor immer noch geringer als vor der Pandemie. Unten sehen Sie ein angepasstes Diagramm, das die Nachfrage nach Tech-Jobs im Vergleich zum Februar 2020 zeigt. Es ist deutlich zu erkennen, dass der Tech-Sektor einen Schlag erlitten hat, von dem er sich in absehbarer Zeit nicht erholen wird.

Quelle: https://www.hiringlab.org/2024/02/20/labor-market-update-tech-jobs-below-pre-pandemic-levels/

Schauen wir uns jedoch einige reale Zahlen etwas genauer an. Wenn man sich die Grafik unten ansieht, sind die Stellenangebote zwar zweifellos unter ihrem Höchststand im Jahr 2022 gesunken, die Gesamtzahl der offenen Stellen nimmt jedoch tatsächlich zu – ein Plus von 32.4 % gegenüber dem Tiefpunkt.

Quelle: https://www.trueup.io/job-trend

Die Erzählung

Wenn Sie sich die Arbeits- und Nachrichtenberichte im Internet ansehen, werden Sie feststellen, dass es derzeit eine gewisse Gegenreaktion gegen die Fernbedienung und die Technologie gibt. Meta, Google und andere FAANG-Unternehmen, verängstigt von der Verhandlungsmacht, die die Mitarbeiter während des Höhepunkts der Pandemie hatten, drängen nun auf Mandate für die Rückkehr ins Büro (Datenwissenschaftsjobs und andere Tech-Jobs sind oft abgelegen) und entlassen große Mengen von ihnen Mitarbeiter etwas unnötig, gemessen an ihren Umsatz- und Gewinnberichten.

Um nur ein Beispiel zu nennen: Googles Muttergesellschaft Alphabet entlassen im Laufe des Jahres 12,000 über 2023 Mitarbeiter, trotz Wachstum in den Bereichen Werbung, Cloud und Services.

Dies ist nur ein Aspekt, mit dem man die Daten untersuchen kann, aber ein Grund dafür, dass Unternehmen diese Entlassungen vornehmen, ist eher die Zufriedenheit des Vorstands und nicht der geringere Bedarf an Datenwissenschaftlern.

Die Nachfrage

Ich finde, dass die Leute, die glauben, dass wir uns in einer Datenwissenschaftsblase befinden, meistens diejenigen sind, die nicht wirklich wissen, was Datenwissenschaftler tun. Denken Sie an diese BLS-Statistik und fragen Sie sich: Warum glaubt diese gut informierte Regierungsbehörde, dass es in diesem Sektor ein starkes Wachstum gibt?

Es ist, weil die technische Denn Datenwissenschaftler können nicht verschwinden. Während die Namen möglicherweise geändert werden – KI-Experte oder ML-Cloud-Spezialist statt Data Scientist – können die Fähigkeiten und Aufgaben, die Datenwissenschaftler ausführen, nicht ausgelagert, weggelassen, verringert oder automatisiert werden.

Vorhersagemodelle sind beispielsweise für Unternehmen unerlässlich, um Umsätze zu prognostizieren, das Kundenverhalten vorherzusagen, Lagerbestände zu verwalten und Markttrends zu antizipieren. Dies ermöglicht es Unternehmen, fundierte Entscheidungen zu treffen, strategisch für die Zukunft zu planen und Wettbewerbsvorteile zu wahren.

Im Finanzsektor spielt die Datenwissenschaft eine entscheidende Rolle bei der Identifizierung verdächtiger Aktivitäten, der Betrugsprävention und der Risikominderung. Fortschrittliche Algorithmen analysieren Transaktionsmuster, um Anomalien zu erkennen, die auf Betrug hinweisen könnten, und tragen so zum Schutz von Unternehmen und Verbrauchern gleichermaßen bei.

NLP ermöglicht es Maschinen, menschliche Sprache zu verstehen und zu interpretieren, und ermöglicht so Anwendungen wie Chatbots, Stimmungsanalysen und Sprachübersetzungsdienste. Dies ist von entscheidender Bedeutung für die Verbesserung des Kundenservice, die Analyse der Stimmung in den sozialen Medien und die Erleichterung der globalen Kommunikation.

Ich könnte Dutzende weitere Beispiele aufzählen, die zeigen, dass Data Science keine Modeerscheinung ist und Data Scientists immer gefragt sein werden.

Warum fühlt es sich an, als wären wir in einer Blase?

Um meine Anekdote von vorhin noch einmal Revue passieren zu lassen: Einer der Gründe dafür, dass es sich so anfühlt, als ob wir uns in einer Blase befinden, die entweder platzt oder bald platzen wird, ist die Wahrnehmung von Datenwissenschaft als Beruf.

Bereits im Jahr 2011 bezeichnete die Harvard Business Review ihn als den „sexiest job of the century“. In der Zwischenzeit stellten Unternehmen mehr „Datenwissenschaftler“ ein, als sie zu tun wussten, und waren sich oft nicht sicher, was Datenwissenschaftler tatsächlich taten.

Jetzt, anderthalb Jahrzehnte später, ist die Branche etwas klüger. Arbeitgeber verstehen, dass Data Science ein weites Feld ist, und sind eher daran interessiert, Spezialisten für maschinelles Lernen, Datenpipeline-Ingenieure, Cloud-Ingenieure, Statistiker und andere Fachgebiete einzustellen, die im Großen und Ganzen unter den Bereich Data Science fallen, aber spezialisierter sind.

Dies hilft auch zu erklären, warum diese Idee, direkt nach dem Bachelor-Abschluss einen Job im sechsstelligen Bereich zu ergattern, früher üblich war – da die Arbeitgeber es nicht besser wussten –, heute aber nicht mehr umsetzbar ist. Der Mangel an „einfachen“ Data-Science-Jobs vermittelt den Eindruck, dass der Markt angespannter ist. Es ist nicht; Daten zeigen, dass es immer noch viele offene Stellen gibt und die Nachfrage nach Absolventen mit entsprechenden Abschlüssen immer noch größer ist. Aber Arbeitgeber sind anspruchsvoller und nicht bereit, bei unerprobten Hochschulabsolventen ohne nachgewiesene Erfahrung ein Risiko einzugehen.

Der Bedarf an Data Science ist weder geringer noch wurde er ersetzt

Abschließend können Sie einen Blick auf die Aufgaben werfen, die Datenwissenschaftler erledigen, und sich fragen, was Unternehmen tun würden, wenn diese Aufgaben nicht erledigt würden.

Wenn Sie nicht viel über Data Science wissen, könnten Sie vermuten, dass Unternehmen diese Arbeit einfach „automatisieren“ oder sogar darauf verzichten können. Wenn Sie jedoch etwas über die eigentlichen Aufgaben von Datenwissenschaftlern wissen, wissen Sie, dass der Job derzeit unersetzlich ist.

Denken Sie daran, wie die Dinge in den 2010er-Jahren waren: Der Typ, von dem ich gesprochen habe, der nur über ein grundlegendes Verständnis von Datentools verfügte, katapultierte sich in eine lukrative Karriere. Das ist nicht mehr so, aber diese Neuausrichtung ist kein Zeichen einer platzenden Blase, wie manche glauben. Stattdessen reift der Bereich der Datenwissenschaft heran. Der Bereich der Datenwissenschaft für Einsteiger mag übersättigt sein, aber für diejenigen mit speziellen Fähigkeiten, fundiertem Wissen und praktischer Erfahrung ist das Feld weit offen.

Darüber hinaus beruht dieses Narrativ einer „Blase“ auf einem Missverständnis darüber, was eine Blase eigentlich darstellt. Eine Blase entsteht, wenn der Wert einer Sache (in diesem Fall eines Berufszweigs) durch Spekulation und nicht durch den tatsächlichen inneren Wert bestimmt wird. Wie bereits erwähnt, ist das Wertversprechen der Datenwissenschaft jedoch greifbar und messbar. Unternehmen brauchen schlicht und einfach Datenwissenschaftler. Da gibt es keine Spekulationen.

Es gibt auch viel Sensationsgier in den Medien rund um die Entlassungen in großen Technologiekonzernen. Obwohl diese Entlassungen erheblich sind, spiegeln sie eher breitere Marktkräfte wider als einen grundlegenden Fehler in der Datenwissenschaftsdisziplin. Lassen Sie sich nicht von den Schlagzeilen einfangen.

Schließlich ist es auch erwähnenswert, dass die Wahrnehmung einer Blase möglicherweise darauf zurückzuführen ist, wie sich die Datenwissenschaft selbst verändert. Je reifer das Fachgebiet wird, desto ausgeprägter wird die Differenzierung zwischen den Rollen. Berufsbezeichnungen B. Data Engineering, Datenanalyse, Business Intelligence, Machine Learning Engineering und Data Science, sind spezifischer und erfordern eher Nischenkompetenzen. Diese Entwicklung kann dazu führen, dass der Arbeitsmarkt im Bereich Data Science volatiler erscheint, als er tatsächlich ist. In Wirklichkeit haben Unternehmen jedoch lediglich ein besseres Verständnis für ihre Anforderungen im Bereich Data Science und können Mitarbeiter für ihre Fachgebiete rekrutieren.

Abschließende Überlegungen

Wenn Sie einen Job in der Datenwissenschaft suchen, dann entscheiden Sie sich dafür. Die Wahrscheinlichkeit, dass wir uns tatsächlich in einer Blase befinden, ist sehr gering. Das Beste, was Sie tun können, ist, wie ich bereits angedeutet habe, Ihr Spezialgebiet auszuwählen und Ihre Fähigkeiten in diesem Bereich zu entwickeln. Datenwissenschaft ist ein weites Feld, das sich auf verschiedene Branchen, Sprachen, Berufsbezeichnungen, Verantwortlichkeiten und Dienstalter erstreckt. Wählen Sie ein Fachgebiet aus, trainieren Sie die Fähigkeiten, bereiten Sie sich auf das Vorstellungsgespräch vor und sichern Sie sich den Job.

Nate Rosidi ist Datenwissenschaftler und in der Produktstrategie tätig. Er ist außerdem außerordentlicher Professor für Analytik und Gründer von StrataScratch, einer Plattform, die Datenwissenschaftlern hilft, sich mit echten Interviewfragen von Top-Unternehmen auf ihre Interviews vorzubereiten. Nate schreibt über die neuesten Trends auf dem Karrieremarkt, gibt Ratschläge zu Vorstellungsgesprächen, stellt Data-Science-Projekte vor und behandelt alles rund um SQL.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://www.kdnuggets.com/is-data-science-a-bubble-waiting-to-burst?utm_source=rss&utm_medium=rss&utm_campaign=is-data-science-a-bubble-waiting-to-burst