著者による画像
以前、LinkedIn の無料コースと大学の時代遅れの SQL 入門コースだけを武器に、データ サイエンスで 6 桁の仕事を手に入れたと自慢していた男性と話したことがあります。現在、データサイエンスに関する良い仕事に就くのに苦労しているほとんどの人は、それが実現する可能性は低いことに同意するでしょう。それは、データ サイエンスの職種がはじけたバブル、あるいはさらに悪いことに、まだはじけていないが、これからはじけるということを意味するのでしょうか?
要するに、いいえ。何が起こったのかというと、データサイエンスはかつては 飽和していない 履歴書で適切なキーワードを使用していれば、簡単に入力できるフィールドです。最近では、雇用主はもう少し目が肥えていて、求めている特定のスキルセットを念頭に置いていることがよくあります。
ブートキャンプ、無料コース、「Hello World」プロジェクトでは、もう役に立ちません。流行語を単にドロップするだけではなく、特定の専門知識を証明し、データ サイエンスの面接を成功させる必要があります。それだけではなく、「データサイエンティスト」の輝きも少し薄れてきました。長い間、それは世の中で最もセクシーな仕事でした。今？ AI や機械学習などの他の分野は、もう少し魅力的です。
そうは言っても、データ サイエンスには志願者よりも多くの求人があり、信頼できる指標によれば、この分野は縮小するのではなく成長していると言えます。
納得できませんか？データを見てみましょう。
全体像
この記事では、複数のグラフ、チャート、数値、パーセンテージを詳しく掘り下げていきます。しかし、労働統計局という非常に信頼できる情報源からの 1 パーセントだけから始めましょう。
BLS 予測 35 年から 2022 年にかけてデータ サイエンティストの雇用は 2032% 変化すると予想されています。つまり、2032 年には、データ サイエンスの仕事が 2022 年に比べて約 3 分の XNUMX 増えることになります。比較のために、すべての仕事の平均成長率は XNUMX% です。この記事の残りの部分を読み進めるときは、この数字を念頭に置いてください。
BLS は、データ サイエンスがはじけるのを待っているバブルだとは考えていません。
レイオフ
ここからは、いよいよ核心的な部分に入っていきます。バブルが弾けた、または差し迫ったバブルの兆候として人々が最初に指摘するのは、データサイエンス分野での大量解雇です。
数字が良くないのは事実です。 2022 年から 2024 年まで続き、テクノロジー分野全般が 経験豊かな 430万人の解雇。これらの数字からデータ サイエンスに特化したデータを導き出すのは困難ですが、最も推測するに、そのうちの約 30% がデータ サイエンスとエンジニアリングの分野のものであると考えられます。
情報源： https://techcrunch.com/2024/04/05/tech-layoffs-2023-list/
ただし、これはデータ サイエンスのバブルの崩壊ではありません。それよりも少し範囲が狭いですが、 パンデミック 泡がはじける。 2020年、家に留まる人が増え、利益が増加し、お金が安くなったことで、FAANGとFAANGに隣接する企業は記録的な数のハイテク労働者を集めたが、その多くはわずか数年後に解雇された。
ズームアウトして雇用と一時解雇の全体像を見てみると、パンデミック後の不況が全体的な上昇ラインのくぼみであり、現在でも回復し始めていることがわかります。
情報源： https://www.statista.com/
2020 年に市場が逼迫したことで技術者解雇が大幅に減少し、その後、解雇が始まった 1 年の第 2022 四半期から大幅に急増したことがはっきりとわかります。 2024 年の現在、解雇数は 2023 年よりも減少しています。
求人情報
よく宣伝されるもう 90 つの恐ろしい統計は、FAANG 企業が求人を XNUMX% 以上閉鎖したということです。繰り返しますが、これはパンデミック中に広く求人数が増加したことへの最も大きな反動です。
そうは言っても、テクノロジー業界の求人数は依然としてパンデミック前よりも少ないです。以下は、2020 年 XNUMX 月と比較したテクノロジー関連の仕事への需要を示す調整されたグラフです。テクノロジー セクターが打撃を受け、すぐには回復できないことがわかります。
情報源： https://www.hiringlab.org/2024/02/20/labor-market-update-tech-jobs-below-pre-pandemic-levels/
ただし、実際の数字をもう少し詳しく見てみましょう。以下のグラフを見ると、求人数は 2022 年のピークから明らかに減少していますが、求人数全体は実際には増加しており、最低点から 32.4% 増加しています。
情報源： https://www.trueup.io/job-trend
物語
ネット上の労働報道やニュースを見てみると、現在反リモート、反テクノロジーのちょっとした反発が起きていることがわかるだろう。 Meta、Google、その他のFAANG企業は、パンデミックの絶頂期に従業員が享受していた交渉力に怯え、現在、オフィスへの復帰義務（データサイエンスの仕事やその他のテクノロジー関連の仕事は遠隔地であることが多い）を求め、大量の人員削減を進めている。収益と利益の報告書から判断すると、従業員の雇用はやや不必要です。
一例を挙げると、Google の親会社である Alphabet 解雇 広告、クラウド、サービス部門全体の成長にも関わらず、12,000 年中に従業員数は 2023 名を超えています。
これはデータを調査するための 1 つの側面にすぎませんが、企業がこのような人員削減を行う理由の 1 つは、データ サイエンティストの必要性の減少ではなく、取締役会を満足させることに関係しています。
需要
私たちがデータ サイエンス バブルに陥っていると信じている人は、ほとんどの場合、データ サイエンティストが何をしているのかをよく知らない人であることがわかりました。 BLS の統計を考えて自問してみてください。なぜこの知識豊富な政府機関が、この分野で大きな成長があると信じているのでしょうか?
それは 必要 データサイエンティストがいなくなることはできないからです。データ サイエンティストではなく AI エキスパートまたは ML クラウド スペシャリストなど、名前は変更される可能性がありますが、データ サイエンティストが実行するスキルやタスクを外部委託したり、省略したり、削減したり、自動化したりすることはできません。
たとえば、予測モデルは、企業が売上を予測し、顧客の行動を予測し、在庫を管理し、市場動向を予測するために不可欠です。これにより、企業は情報に基づいた意思決定を行い、将来に向けて戦略的に計画を立て、競争上の優位性を維持することができます。
金融分野では、データ サイエンスは、不審なアクティビティの特定、詐欺の防止、リスクの軽減において重要な役割を果たしています。高度なアルゴリズムが取引パターンを分析して詐欺を示す可能性のある異常を検出し、企業と消費者の両方を保護します。
NLP により、機械が人間の言語を理解して解釈できるようになり、チャットボット、感情分析、言語翻訳サービスなどのアプリケーションが強化されます。これは、顧客サービスを向上させ、ソーシャルメディアの感情を分析し、グローバルコミュニケーションを促進するために非常に重要です。
データ サイエンスが一時的な流行ではなく、データ サイエンティストが常に需要があることを示す例は、他にも数十個挙げることができます。
バブルの中にいるように感じるのはなぜですか?
先ほどの私の逸話をもう一度思い出してみると、私たちが今、はじけつつある、あるいははじけそうなバブルの中にいるように感じる理由の 1 つは、データ サイエンスがキャリアとして認識されていることにあります。
2011 年にハーバード ビジネス レビューがこの仕事をこの XNUMX 年間で最もセクシーな仕事と呼んだのは有名です。それまでの数年間、企業は自社が何をすべきかを知っている以上に多くの「データ サイエンティスト」を雇用しましたが、多くの場合、データ サイエンティストが実際に何をしているのかがわかりませんでした。
10 年半が経った今、この分野は少し賢くなっています。雇用主は、データ サイエンスが幅広い分野であることを理解しており、機械学習スペシャリスト、データ パイプライン エンジニア、クラウド エンジニア、統計学者、およびデータ サイエンスの範疇に広く該当するがより専門性の高いその他の専門分野の人材を雇用することに関心を持っています。
これは、学士号を取得してすぐに 6 桁の仕事に就くというこの考えが、雇用主がよくわかっていなかったため、かつてはそうであったのに、現在ではそれが不可能になっている理由を説明するのにも役立ちます。 「楽な」データ サイエンスの仕事が不足しているため、市場は逼迫しているように感じられます。そうではありません;データによると、求人は依然として多く、適切な学位を取得して卒業する卒業生よりも需要が依然として大きいことが示されています。しかし、雇用主はより洞察力があり、実証された経験のない大学卒業生にチャンスを与えることに消極的です。
データサイエンスの必要性は減少していないか、代替されていない
最後に、データ サイエンティストが行っているタスクを見て、それらのタスクが完了していなかったら企業は何をするだろうかと自問できます。
データ サイエンスについてあまり詳しくない場合は、企業がこの作業を単純に「自動化」できるか、あるいは省略してもよいのではないかと推測するかもしれません。しかし、データ サイエンティストの実際の業務について少しでも知っていれば、この仕事が現時点では代替不可能であることが理解できるでしょう。
2010 年代の状況を考えてみましょう。私が話したあの男は、データ ツールの基本的な理解だけで、高収入のキャリアに飛び込みました。状況はもうそのようなものではありませんが、この再調整は一部の人が信じているようなバブル崩壊の兆候ではありません。むしろ、データ サイエンスの分野が成熟しています。入門レベルのデータ サイエンス分野は飽和状態にあるかもしれませんが、専門的なスキル、深い知識、実務経験を持つ人にとっては、この分野は幅広く開かれています。
さらに、この「バブル」の物語は、バブルが実際に何を表しているのかについての誤解によって煽られています。バブルは、何か (この場合はキャリア分野) の価値が、実際の本質的な価値ではなく、投機によって動かされるときに発生します。ただし、これまでに説明したように、データ サイエンスの価値提案は具体的で測定可能です。企業は単純明快なデータサイエンティストを必要としています。そこには憶測はありません。
大手テクノロジー企業の人員削減を巡るメディアのセンセーショナルな報道も多い。これらの人員削減は重大ではありますが、データ サイエンス分野の根本的な欠陥ではなく、より広範な市場の力を反映しています。見出しにとらわれないでください。
最後に、バブルの認識はデータ サイエンス自体の変化に起因する可能性があることも注目に値します。この分野が成熟するにつれて、役割間の差異がより顕著になります。 役職 データ エンジニアリング、データ分析、ビジネス インテリジェンス、機械学習エンジニアリング、データ サイエンスなどはより具体的であり、より専門的なスキル セットが必要です。この進化により、データ サイエンスの雇用市場が実際よりも不安定になっているように見える可能性がありますが、実際には、企業はデータ サイエンスのニーズをよりよく理解し、専門分野に合わせて採用できるだけです。
最終的な考え
データサイエンスの仕事に就きたい場合は、それに取り組んでください。私たちが実際にバブルに陥っている可能性はほとんどありません。あなたができる最善のことは、私が示したように、自分の専門分野を選択し、その分野でスキルを伸ばすことです。データ サイエンスは幅広い分野であり、さまざまな業界、言語、役職、責任、年功序列に広がります。専門分野を選択し、スキルをトレーニングし、面接の準備をして、仕事を確保します。
ネイト・ロシディ データサイエンティストであり、製品戦略に携わっています。彼は分析学を教える非常勤教授でもあり、トップ企業からの実際の面接の質問を提供してデータ サイエンティストが面接の準備を支援するプラットフォーム StrataScratch の創設者でもあります。 Nate は、キャリア市場の最新トレンドについて執筆し、面接のアドバイスを提供し、データ サイエンス プロジェクトを共有し、SQL のすべてをカバーしています。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源： 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
