ചിത്രം രചയിതാവ്

ചില സൗജന്യ ലിങ്ക്ഡ്ഇൻ കോഴ്‌സുകളും കാലഹരണപ്പെട്ട കോളേജ് ഇൻട്രോ ടു എസ്‌ക്യുഎൽ കോഴ്‌സും മാത്രം ഉപയോഗിച്ച് സായുധരായ ഒരാളുമായി ഞാൻ ഒരിക്കൽ സംസാരിച്ചു, ഡാറ്റാ സയൻസിൽ ആറ് അക്ക ജോലി നേടാൻ അദ്ദേഹത്തിന് കഴിഞ്ഞു. ഇക്കാലത്ത്, ഒരു നല്ല ഡാറ്റ സയൻസ് ജോലി ലഭിക്കാൻ പാടുപെടുന്ന മിക്ക ആളുകളും അത് സംഭവിക്കാൻ സാധ്യതയില്ലെന്ന് സമ്മതിക്കും. അതിനർത്ഥം ഡാറ്റാ സയൻസ് ജോബ് വിഭാഗം ഒരു പൊട്ടിത്തെറിച്ച കുമിളയാണോ - അല്ലെങ്കിൽ അതിലും മോശം, അത് ഇതുവരെ പൊട്ടിത്തെറിച്ചിട്ടില്ല, പക്ഷേ ഉടൻ തന്നെ?

ചുരുക്കത്തിൽ, ഇല്ല. സംഭവിച്ചത് ഡാറ്റാ സയൻസ് ആയിരുന്നു അപൂരിത ഫീൽഡ്, നിങ്ങളുടെ ബയോഡാറ്റയിൽ ശരിയായ കീവേഡുകൾ ഉപയോഗിച്ചാൽ പ്രവേശിക്കാൻ എളുപ്പമാണ്. ഇക്കാലത്ത്, തൊഴിലുടമകൾ കുറച്ചുകൂടി വിവേചനബുദ്ധിയുള്ളവരാണ്, അവർ തിരയുന്ന പ്രത്യേക വൈദഗ്ധ്യം മനസ്സിൽ പലപ്പോഴും ഉണ്ടായിരിക്കും.

ബൂട്ട്‌ക്യാമ്പുകളും സൗജന്യ കോഴ്‌സുകളും 'ഹലോ വേൾഡ്' പ്രോജക്‌ടുകളും ഇനി അതിനെ വെട്ടിക്കുറയ്ക്കില്ല. നിങ്ങൾ പ്രത്യേക വൈദഗ്ദ്ധ്യം തെളിയിക്കുകയും നിങ്ങളുടെ ഡാറ്റാ സയൻസ് അഭിമുഖം നടത്തുകയും ചെയ്യേണ്ടതുണ്ട്, കേവലം ബസ്‌വേഡുകൾ ഇടരുത്. മാത്രവുമല്ല, "ഡാറ്റ സയൻ്റിസ്റ്റ്" ൻ്റെ തിളക്കം അൽപ്പം കുറഞ്ഞു. വളരെക്കാലമായി, അത് അവിടെയുള്ള ഏറ്റവും സെക്സിയായ ജോലിയായിരുന്നു. ഇപ്പോൾ? AI, മെഷീൻ ലേണിംഗ് പോലുള്ള മറ്റ് മേഖലകൾ അൽപ്പം സെക്‌സിയാണ്.

എല്ലാത്തിനുമുപരി, ഡാറ്റാ സയൻസിൽ അപേക്ഷകരേക്കാൾ കൂടുതൽ ഓപ്പണിംഗുകൾ ഇപ്പോഴും ഉണ്ട്, വിശ്വസനീയമായ സൂചകങ്ങൾ പറയുന്നത് ഫീൽഡ് വളരുകയാണെന്നാണ്, ചുരുങ്ങുകയല്ല.

ബോധ്യപ്പെട്ടില്ലേ? ഡാറ്റ നോക്കാം.

വലിയ ചിത്രം

ഈ ലേഖനത്തിൽ, ഞാൻ ഒന്നിലധികം ഗ്രാഫുകൾ, ചാർട്ടുകൾ, കണക്കുകൾ, ശതമാനങ്ങൾ എന്നിവയിലേക്ക് തുളച്ചുകയറുന്നു. പക്ഷേ, ഒരു മികച്ച പ്രശസ്തമായ ഉറവിടത്തിൽ നിന്നുള്ള ഒരു ശതമാനത്തിൽ നിന്ന് നമുക്ക് ആരംഭിക്കാം: ബ്യൂറോ ഓഫ് ലേബർ സ്റ്റാറ്റിസ്റ്റിക്സ്.

BLS പ്രവചിക്കുന്നത് ഡാറ്റാ സയൻ്റിസ്റ്റുകളുടെ തൊഴിലിൽ 35 മുതൽ 2022 വരെ 2032 ശതമാനം മാറ്റമുണ്ടാകുമെന്ന്. ചുരുക്കത്തിൽ, 2032-ൽ ഉണ്ടായിരുന്നതിനേക്കാൾ 2022-ൽ, ഡാറ്റാ സയൻസിൽ ഏകദേശം മൂന്നിലൊന്ന് കൂടുതൽ ജോലികൾ ഉണ്ടാകും. താരതമ്യപ്പെടുത്തുമ്പോൾ, എല്ലാ ജോലികളുടെയും ശരാശരി വളർച്ചാ നിരക്ക് 3 ശതമാനമാണ്. ഈ ലേഖനത്തിൻ്റെ ബാക്കി ഭാഗങ്ങളിലൂടെ കടന്നുപോകുമ്പോൾ ആ നമ്പർ മനസ്സിൽ വയ്ക്കുക.

ഡാറ്റാ സയൻസ് പൊട്ടിത്തെറിക്കാൻ കാത്തിരിക്കുന്ന ഒരു കുമിളയാണെന്ന് BLS കരുതുന്നില്ല.

പിരിച്ചുവിടലുകൾ

ഇപ്പോൾ നമുക്ക് അൽപ്പം നൈറ്റി ഗ്രിറ്റിയിലേക്ക് കടക്കാൻ തുടങ്ങാം. ഒരു പോപ്പ് അല്ലെങ്കിൽ വരാനിരിക്കുന്ന ബബിൾ പോപ്പിൻ്റെ അടയാളങ്ങളായി ആളുകൾ ചൂണ്ടിക്കാണിക്കുന്ന ആദ്യ സൂചനകൾ ഡാറ്റാ സയൻസിലെ കൂട്ട പിരിച്ചുവിടലുകളാണ്.

കണക്കുകൾ അത്ര നല്ലതല്ല എന്നത് ശരിയാണ്. 2022 മുതൽ 2024 വരെ തുടരും, പൊതുവെ ടെക് മേഖല പരിചയസമ്പന്നരായ 430 പിരിച്ചുവിടലുകൾ. ആ നമ്പറുകളിൽ നിന്ന് ഡാറ്റ സയൻസ്-നിർദ്ദിഷ്‌ട ഡാറ്റയെ കളിയാക്കുന്നത് ബുദ്ധിമുട്ടാണ്, എന്നാൽ അതിൽ 30 ശതമാനവും ഡാറ്റ സയൻസിലും എഞ്ചിനീയറിംഗിലും ആയിരുന്നു എന്നതാണ് ഏറ്റവും മികച്ച അനുമാനം.

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

എന്നിരുന്നാലും, അത് ഡാറ്റാ സയൻസിൻ്റെ ഒരു പൊട്ടിത്തെറി ബബിൾ അല്ല. അതിനെക്കാൾ വ്യാപ്തിയിൽ ഇത് അൽപ്പം ചെറുതാണ് - അത് എ പാൻഡെമിക് കുമിള പൊട്ടുന്നു. 2020-ൽ, കൂടുതൽ ആളുകൾ വീട്ടിലിരുന്നതിനാൽ, ലാഭം ഉയർന്നു, പണം വിലകുറഞ്ഞതിനാൽ, FAANG, FAANG-അടുത്തുള്ള കമ്പനികൾ റെക്കോർഡ് എണ്ണം ടെക് തൊഴിലാളികളെ ശേഖരിച്ചു, കുറച്ച് വർഷങ്ങൾക്ക് ശേഷം അവരിൽ പലരെയും പിരിച്ചുവിട്ടു.

നിങ്ങൾ സൂം ഔട്ട് ചെയ്‌ത് നിയമനങ്ങളുടെയും പിരിച്ചുവിടലുകളുടെയും വിശാലമായ ചിത്രം നോക്കുകയാണെങ്കിൽ, പാൻഡെമിക്കിന് ശേഷമുള്ള മാന്ദ്യം മൊത്തത്തിലുള്ള ഉയരുന്ന നിരയിലെ ഒരു ഇടിവാണെന്ന് നിങ്ങൾക്ക് കാണാൻ കഴിയും, അത് ഇപ്പോൾ വീണ്ടെടുക്കാൻ തുടങ്ങിയിരിക്കുന്നു:

അവലംബം: https://www.statista.com/

2020-ലെ സാങ്കേതിക പിരിച്ചുവിടലുകളിലെ വൻ ഇടിവ് നിങ്ങൾക്ക് വ്യക്തമായി കാണാൻ കഴിയും, വിപണി ശക്തമാകുമ്പോൾ, പിരിച്ചുവിടലുകൾ ആരംഭിച്ചതോടെ 1 ലെ Q2022-ൽ ആരംഭിക്കുന്ന വൻ കുതിപ്പ്. ഇപ്പോൾ, 2024 ൽ, പിരിച്ചുവിടലുകളുടെ എണ്ണം 2023 നെ അപേക്ഷിച്ച് കുറവാണ്.

തൊഴിൽ അവസരങ്ങൾ

FAANG കമ്പനികൾ അവരുടെ തൊഴിലവസരങ്ങൾ 90% അല്ലെങ്കിൽ അതിൽ കൂടുതലായി അടച്ചുപൂട്ടി എന്നതാണ് ഭയപ്പെടുത്തുന്ന മറ്റൊരു സ്ഥിതിവിവരക്കണക്ക്. വീണ്ടും, ഇത് പാൻഡെമിക് സമയത്ത് വ്യാപകമായി ഉയർന്ന തൊഴിൽ അവസരങ്ങളോടുള്ള പ്രതികരണമാണ്.

പറഞ്ഞുവരുന്നത്, സാങ്കേതിക മേഖലയിലെ തൊഴിലവസരങ്ങൾ ഇപ്പോഴും പകർച്ചവ്യാധിക്ക് മുമ്പുള്ളതിനേക്കാൾ കുറവാണ്. 2020 ഫെബ്രുവരിയെ അപേക്ഷിച്ച് ടെക് ജോലികൾക്കായുള്ള ഡിമാൻഡ് കാണിക്കുന്ന ക്രമീകരിച്ച ചാർട്ട് നിങ്ങൾക്ക് ചുവടെ കാണാം. ടെക് മേഖലയ്ക്ക് തിരിച്ചടിയേറ്റത് ഉടൻ തന്നെ വീണ്ടെടുക്കാൻ കഴിയില്ലെന്ന് വ്യക്തമാണ്.

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

എന്നിരുന്നാലും, ചില യഥാർത്ഥ സംഖ്യകളിലേക്ക് കുറച്ചുകൂടി അടുത്ത് നോക്കാം. ചുവടെയുള്ള ചാർട്ട് നോക്കുമ്പോൾ, തൊഴിൽ അവസരങ്ങൾ 2022 ലെ ഏറ്റവും ഉയർന്ന നിലയിൽ നിന്ന് നിസ്സംശയമായും കുറവാണെങ്കിലും, മൊത്തത്തിലുള്ള ഓപ്പണിംഗുകളുടെ എണ്ണം യഥാർത്ഥത്തിൽ വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ് - ഏറ്റവും താഴ്ന്ന പോയിൻ്റിൽ നിന്ന് 32.4% വർധന.

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

ആഖ്യാനം

നിങ്ങൾ ഓൺലൈനിൽ ഏതെങ്കിലും ലേബർ, വാർത്താ റിപ്പോർട്ടുകൾ നോക്കുകയാണെങ്കിൽ, ഇപ്പോൾ അവിടെ ഒരു ആൻ്റി റിമോട്ട്, ആൻ്റി-ടെക് തിരിച്ചടികൾ നടക്കുന്നതായി നിങ്ങൾ കാണും. മെറ്റാ, ഗൂഗിൾ, മറ്റ് FAANG കമ്പനികൾ, പാൻഡെമിക് കൊടുമുടിയുടെ സമയത്ത് ജീവനക്കാർ ആസ്വദിച്ച വിലപേശൽ ശക്തിയിൽ ഭയന്ന്, ഇപ്പോൾ ഓഫീസിലേക്ക് മടങ്ങാനുള്ള ഉത്തരവുകൾക്കായി (ഡാറ്റ സയൻസ് ജോലികളും മറ്റ് ടെക് ജോലികളും പലപ്പോഴും വിദൂരമാണ്) വലിയ അളവിൽ പിരിച്ചുവിടുന്നു. ജീവനക്കാർ അവരുടെ വരുമാനവും ലാഭ റിപ്പോർട്ടും അനുസരിച്ച് കുറച്ച് അനാവശ്യമായി.

ഒരു ഉദാഹരണം പറയാം, ഗൂഗിളിൻ്റെ മാതൃ കമ്പനിയായ ആൽഫബെറ്റ് കിടന്നു പരസ്യം, ക്ലൗഡ്, സേവന വിഭാഗങ്ങളിൽ ഉടനീളം വളർച്ചയുണ്ടായിട്ടും 12,000-ൽ 2023-ത്തിലധികം ജീവനക്കാർ.

ഇത് ഡാറ്റ പരിശോധിക്കുന്നതിനുള്ള ഒരു വശം മാത്രമാണ്, എന്നാൽ കമ്പനികൾ ഈ പിരിച്ചുവിടലുകൾ നടത്തുന്നതിൻ്റെ ഒരു ഭാഗം ഡാറ്റാ സയൻ്റിസ്റ്റുകളുടെ ആവശ്യകത കുറയുന്നതിന് പകരം ബോർഡിനെ സന്തോഷിപ്പിക്കുക എന്നതാണ്.

ആവശ്യം

നമ്മൾ ഒരു ഡാറ്റാ സയൻസ് ബബിളിലാണെന്ന് വിശ്വസിക്കുന്ന ആളുകൾ മിക്കപ്പോഴും ഡാറ്റാ ശാസ്ത്രജ്ഞർ എന്താണ് ചെയ്യുന്നതെന്ന് ശരിക്കും അറിയാത്തവരാണെന്ന് ഞാൻ കണ്ടെത്തി. ആ BLS സ്ഥിതിവിവരക്കണക്കിനെക്കുറിച്ച് ചിന്തിച്ച് സ്വയം ചോദിക്കുക: ഈ മേഖലയിൽ ശക്തമായ വളർച്ചയുണ്ടെന്ന് നന്നായി അറിയാവുന്ന ഈ സർക്കാർ ഏജൻസി വിശ്വസിക്കുന്നത് എന്തുകൊണ്ട്?

കാരണം ആവശ്യം ഡാറ്റ ശാസ്ത്രജ്ഞർക്ക് പോകാൻ കഴിയില്ല. പേരുകൾ മാറ്റപ്പെടുമെങ്കിലും - ഡാറ്റാ സയൻ്റിസ്റ്റിന് പകരം AI വിദഗ്ധൻ അല്ലെങ്കിൽ ML ക്ലൗഡ് സ്പെഷ്യലിസ്റ്റ് - ഡാറ്റാ സയൻ്റിസ്റ്റുകൾ ചെയ്യുന്ന കഴിവുകളും ടാസ്ക്കുകളും ഔട്ട്സോഴ്സ് ചെയ്യാനോ ഉപേക്ഷിക്കാനോ കുറയ്ക്കാനോ ഓട്ടോമേറ്റ് ചെയ്യാനോ കഴിയില്ല.

ഉദാഹരണത്തിന്, വിൽപ്പന പ്രവചിക്കുന്നതിനും ഉപഭോക്തൃ പെരുമാറ്റം പ്രവചിക്കുന്നതിനും ഇൻവെൻ്ററി നിയന്ത്രിക്കുന്നതിനും വിപണി പ്രവണതകൾ മുൻകൂട്ടി അറിയുന്നതിനും ബിസിനസുകൾക്ക് പ്രവചന മാതൃകകൾ അത്യന്താപേക്ഷിതമാണ്. വിവരമുള്ള തീരുമാനങ്ങൾ എടുക്കാനും ഭാവിയിൽ തന്ത്രപരമായി ആസൂത്രണം ചെയ്യാനും മത്സര നേട്ടങ്ങൾ നിലനിർത്താനും ഇത് കമ്പനികളെ പ്രാപ്തരാക്കുന്നു.

സാമ്പത്തിക മേഖലയിൽ, സംശയാസ്പദമായ പ്രവർത്തനങ്ങൾ തിരിച്ചറിയുന്നതിലും വഞ്ചന തടയുന്നതിലും അപകടസാധ്യതകൾ ലഘൂകരിക്കുന്നതിലും ഡാറ്റ സയൻസ് നിർണായക പങ്ക് വഹിക്കുന്നു. വഞ്ചനയെ സൂചിപ്പിക്കുന്ന അപാകതകൾ കണ്ടെത്തുന്നതിന് വിപുലമായ അൽഗോരിതങ്ങൾ ഇടപാട് പാറ്റേണുകൾ വിശകലനം ചെയ്യുന്നു, ഇത് ബിസിനസുകളെയും ഉപഭോക്താക്കളെയും ഒരുപോലെ സംരക്ഷിക്കാൻ സഹായിക്കുന്നു.

മനുഷ്യ ഭാഷ മനസ്സിലാക്കാനും വ്യാഖ്യാനിക്കാനും NLP യന്ത്രങ്ങളെ പ്രാപ്‌തമാക്കുന്നു, ചാറ്റ്‌ബോട്ടുകൾ, വികാര വിശകലനം, ഭാഷാ വിവർത്തന സേവനങ്ങൾ തുടങ്ങിയ ആപ്ലിക്കേഷനുകളെ ശക്തിപ്പെടുത്തുന്നു. ഉപഭോക്തൃ സേവനം മെച്ചപ്പെടുത്തുന്നതിനും സോഷ്യൽ മീഡിയ വികാരം വിശകലനം ചെയ്യുന്നതിനും ആഗോള ആശയവിനിമയം സുഗമമാക്കുന്നതിനും ഇത് നിർണായകമാണ്.

ഡാറ്റാ സയൻസ് ഒരു ഫാഷനല്ലെന്ന് തെളിയിക്കുന്ന ഡസൻ കണക്കിന് ഉദാഹരണങ്ങൾ എനിക്ക് പട്ടികപ്പെടുത്താൻ കഴിയും, കൂടാതെ ഡാറ്റാ സയൻ്റിസ്റ്റുകൾക്ക് എല്ലായ്പ്പോഴും ആവശ്യക്കാരുണ്ടാകും.

എന്തുകൊണ്ടാണ് നമ്മൾ ഒരു കുമിളയിലാണെന്ന് തോന്നുന്നത്?

മുമ്പത്തെ എൻ്റെ വർത്തമാനം പുനഃപരിശോധിക്കുമ്പോൾ, നമ്മൾ ഒരു കുമിളയിലാണെന്ന് തോന്നുന്നതിൻ്റെ ഒരു കാരണം, അത് പൊട്ടിത്തെറിക്കുന്നതോ പൊട്ടിത്തെറിക്കാൻ പോകുന്നതോ ആയ ഒരു കരിയർ എന്ന നിലയിലുള്ള ഡാറ്റാ സയൻസിൻ്റെ ധാരണയാണ്.

2011-ൽ, ഹാർവാർഡ് ബിസിനസ് റിവ്യൂ ഇതിനെ ഈ ദശാബ്ദത്തിലെ ഏറ്റവും സെക്‌സി ജോബ് എന്ന് വിശേഷിപ്പിച്ചു. ഇടക്കാല വർഷങ്ങളിൽ, കമ്പനികൾ എന്തുചെയ്യണമെന്ന് അറിയുന്നതിനേക്കാൾ കൂടുതൽ "ഡാറ്റ ശാസ്ത്രജ്ഞരെ" നിയമിച്ചു, ഡാറ്റ ശാസ്ത്രജ്ഞർ യഥാർത്ഥത്തിൽ എന്താണ് ചെയ്തതെന്ന് പലപ്പോഴും ഉറപ്പില്ല.

ഇപ്പോൾ, ഒന്നര പതിറ്റാണ്ടിനുശേഷം, ഈ ഫീൽഡ് അൽപ്പം ബുദ്ധിമാനാണ്. ഡാറ്റാ സയൻസ് ഒരു വിശാലമായ മേഖലയാണെന്ന് തൊഴിലുടമകൾ മനസ്സിലാക്കുന്നു, കൂടാതെ മെഷീൻ ലേണിംഗ് സ്പെഷ്യലിസ്റ്റുകൾ, ഡാറ്റാ പൈപ്പ്‌ലൈൻ എഞ്ചിനീയർമാർ, ക്ലൗഡ് എഞ്ചിനീയർമാർ, സ്ഥിതിവിവരക്കണക്കുകൾ, കൂടാതെ ഡാറ്റാ സയൻസ് തൊപ്പിയുടെ പരിധിയിൽ വരുന്നതും എന്നാൽ കൂടുതൽ സ്പെഷ്യലൈസ് ചെയ്തതുമായ മറ്റ് സ്പെഷ്യാലിറ്റികൾ എന്നിവരെ നിയമിക്കുന്നതിൽ കൂടുതൽ താൽപ്പര്യമുണ്ട്.

ഒരു ബാച്ചിലേഴ്സ് ബിരുദം കഴിഞ്ഞ് നേരിട്ട് ആറ് ഫിഗർ ജോലികളിലേക്ക് നടക്കുക എന്ന ഈ ആശയം മുമ്പ് നിലനിന്നിരുന്നത് എന്തുകൊണ്ടാണെന്ന് വിശദീകരിക്കാൻ ഇത് സഹായിക്കുന്നു - തൊഴിലുടമകൾക്ക് നന്നായി അറിയില്ലായിരുന്നു - എന്നാൽ ഇപ്പോൾ അത് അസാധ്യമാണ്. "എളുപ്പമുള്ള" ഡാറ്റാ സയൻസ് ജോലികളുടെ അഭാവം മാർക്കറ്റ് കടുപ്പമേറിയതാണെന്ന് തോന്നിപ്പിക്കുന്നു. ഇതല്ല; തൊഴിലവസരങ്ങൾ ഇപ്പോഴും ഉയർന്നതാണെന്നും ഉചിതമായ ബിരുദങ്ങളുമായി പുറത്തുവരുന്ന ബിരുദധാരികളേക്കാൾ ഡിമാൻഡ് ഇപ്പോഴും കൂടുതലാണെന്നും ഡാറ്റ കാണിക്കുന്നു. എന്നാൽ തൊഴിൽദാതാക്കൾ കൂടുതൽ വിവേചനബുദ്ധിയുള്ളവരും പ്രകടമായ അനുഭവപരിചയമില്ലാതെ പരീക്ഷിക്കാത്ത കോളേജ് ബിരുദധാരികൾക്ക് അവസരം നൽകാൻ തയ്യാറല്ലാത്തവരുമാണ്.

ഡാറ്റാ സയൻസിൻ്റെ ആവശ്യകത കുറയുകയോ മാറ്റിസ്ഥാപിക്കുകയോ ചെയ്തിട്ടില്ല

അവസാനമായി, ഡാറ്റാ സയൻ്റിസ്റ്റുകൾ ചെയ്യുന്ന ജോലികൾ നിങ്ങൾക്ക് നോക്കാം, ആ ജോലികൾ ചെയ്യാതെ കമ്പനികൾ എന്തുചെയ്യുമെന്ന് സ്വയം ചോദിക്കുക.

നിങ്ങൾക്ക് ഡാറ്റാ സയൻസിനെക്കുറിച്ച് കൂടുതൽ അറിയില്ലെങ്കിൽ, കമ്പനികൾക്ക് ഈ ജോലി "ഓട്ടോമേറ്റ്" ചെയ്യാനോ അല്ലെങ്കിൽ അത് ഇല്ലാതെ തന്നെ പോകാനോ കഴിയുമെന്ന് നിങ്ങൾ ഊഹിച്ചേക്കാം. എന്നാൽ ഡാറ്റ ശാസ്ത്രജ്ഞർ ചെയ്യുന്ന യഥാർത്ഥ ജോലികളെക്കുറിച്ച് നിങ്ങൾക്ക് എന്തെങ്കിലും അറിയാമെങ്കിൽ, ആ ജോലി നിലവിൽ മാറ്റാനാകാത്തതാണെന്ന് നിങ്ങൾ മനസ്സിലാക്കുന്നു.

2010-കളിലെ കാര്യങ്ങൾ എങ്ങനെയായിരുന്നുവെന്ന് ചിന്തിക്കുക: ഞാൻ സംസാരിച്ച ആ വ്യക്തി, ഡാറ്റ ടൂളുകളെക്കുറിച്ചുള്ള അടിസ്ഥാന ധാരണയോടെ, സ്വയം ഒരു ലാഭകരമായ കരിയറിലേക്ക് നയിച്ചു. കാര്യങ്ങൾ ഇനി അങ്ങനെയല്ല, എന്നാൽ ചിലർ വിശ്വസിക്കുന്നതുപോലെ ഈ പുനർനിർണയം ഒരു കുമിള പൊട്ടിയതിൻ്റെ ലക്ഷണമല്ല. പകരം, ഇത് ഡാറ്റാ സയൻസ് പക്വത പ്രാപിക്കുന്ന മേഖലയാണ്. എൻട്രി ലെവൽ ഡാറ്റാ സയൻസ് ഫീൽഡ് ഓവർസാച്ചുറേറ്റഡ് ആയിരിക്കാം, എന്നാൽ പ്രത്യേക വൈദഗ്ധ്യവും ആഴത്തിലുള്ള അറിവും പ്രായോഗിക അനുഭവവും ഉള്ളവർക്ക് ഈ ഫീൽഡ് വിശാലമാണ്.

കൂടാതെ, "കുമിള" യുടെ ഈ വിവരണം ഒരു കുമിള യഥാർത്ഥത്തിൽ പ്രതിനിധാനം ചെയ്യുന്നതിനെക്കുറിച്ചുള്ള ഒരു തെറ്റിദ്ധാരണ മൂലമാണ്. ഒരു കുമിള സംഭവിക്കുന്നത് എന്തിൻ്റെയെങ്കിലും മൂല്യം (ഈ സാഹചര്യത്തിൽ, ഒരു തൊഴിൽ മേഖല) യഥാർത്ഥ ആന്തരിക മൂല്യത്തേക്കാൾ ഊഹക്കച്ചവടത്താൽ നയിക്കപ്പെടുമ്പോഴാണ്. എന്നിരുന്നാലും, ഞങ്ങൾ വിവരിച്ചതുപോലെ, ഡാറ്റാ സയൻസിൻ്റെ മൂല്യനിർദ്ദേശം മൂർത്തവും അളക്കാവുന്നതുമാണ്. കമ്പനികൾക്ക് ലളിതവും ലളിതവുമായ ഡാറ്റാ സയൻ്റിസ്റ്റുകളെ ആവശ്യമുണ്ട്. അവിടെ ഊഹാപോഹങ്ങളൊന്നുമില്ല.

വലിയ സാങ്കേതികവിദ്യയിലെ പിരിച്ചുവിടലുകളെ ചുറ്റിപ്പറ്റിയുള്ള ധാരാളം മീഡിയ സെൻസേഷണലിസവും ഉണ്ട്. ഈ പിരിച്ചുവിടലുകൾ പ്രാധാന്യമർഹിക്കുന്നതാണെങ്കിലും, ഡാറ്റാ സയൻസ് അച്ചടക്കത്തിലെ അടിസ്ഥാനപരമായ പിഴവുകളേക്കാൾ വിശാലമായ വിപണി ശക്തികളെ അവ പ്രതിഫലിപ്പിക്കുന്നു. തലക്കെട്ടുകളിൽ കുടുങ്ങരുത്.

അവസാനമായി, ഒരു കുമിളയെക്കുറിച്ചുള്ള ധാരണ ഡാറ്റാ സയൻസ് തന്നെ എങ്ങനെ മാറുന്നു എന്നതിൽ നിന്ന് ഉരുത്തിരിഞ്ഞേക്കാം എന്നതും ശ്രദ്ധിക്കേണ്ടതാണ്. ഫീൽഡ് പക്വത പ്രാപിക്കുമ്പോൾ, റോളുകൾ തമ്മിലുള്ള വ്യത്യാസം കൂടുതൽ വ്യക്തമാകും. തൊഴിൽ ശീർഷകങ്ങൾ ഡാറ്റാ എഞ്ചിനീയറിംഗ്, ഡാറ്റാ അനാലിസിസ്, ബിസിനസ് ഇൻ്റലിജൻസ്, മെഷീൻ ലേണിംഗ് എഞ്ചിനീയറിംഗ്, ഡാറ്റ സയൻസ് എന്നിവ കൂടുതൽ വ്യക്തമാണ്, കൂടാതെ കൂടുതൽ നൈപുണ്യ സെറ്റ് ആവശ്യമാണ്. ഈ പരിണാമത്തിന് ഡാറ്റാ സയൻസ് തൊഴിൽ വിപണിയെ അതിനെക്കാൾ അസ്ഥിരമായി ദൃശ്യമാക്കാൻ കഴിയും, എന്നാൽ വാസ്തവത്തിൽ, കമ്പനികൾക്ക് അവരുടെ ഡാറ്റാ സയൻസ് ആവശ്യങ്ങളെക്കുറിച്ച് നന്നായി മനസ്സിലാക്കാനും അവരുടെ സ്പെഷ്യാലിറ്റികൾക്കായി റിക്രൂട്ട് ചെയ്യാനും കഴിയും.

ഫൈനൽ ചിന്തകൾ

നിങ്ങൾക്ക് ഡാറ്റ സയൻസിൽ ജോലി വേണമെങ്കിൽ, അതിനായി പോകുക. നമ്മൾ യഥാർത്ഥത്തിൽ ഒരു കുമിളയിലായിരിക്കാനുള്ള സാധ്യത വളരെ കുറവാണ്. നിങ്ങൾക്ക് ചെയ്യാൻ കഴിയുന്ന ഏറ്റവും മികച്ച കാര്യം, ഞാൻ സൂചിപ്പിച്ചതുപോലെ, നിങ്ങളുടെ സ്പെഷ്യാലിറ്റി തിരഞ്ഞെടുത്ത് ആ മേഖലയിൽ നിങ്ങളുടെ കഴിവുകൾ വികസിപ്പിക്കുക എന്നതാണ്. വിവിധ വ്യവസായങ്ങൾ, ഭാഷകൾ, ജോലി ശീർഷകങ്ങൾ, ഉത്തരവാദിത്തങ്ങൾ, സീനിയോറിറ്റികൾ എന്നിവയിലേക്ക് വ്യാപിക്കുന്ന വിശാലമായ ഒരു മേഖലയാണ് ഡാറ്റാ സയൻസ്. ഒരു സ്പെഷ്യാലിറ്റി തിരഞ്ഞെടുക്കുക, കഴിവുകൾ പരിശീലിപ്പിക്കുക, അഭിമുഖത്തിന് തയ്യാറെടുക്കുക, ജോലി സുരക്ഷിതമാക്കുക.

നേറ്റ് റോസിഡി ഒരു ഡാറ്റാ സയൻ്റിസ്റ്റും ഉൽപ്പന്ന തന്ത്രവുമാണ്. അദ്ദേഹം അനലിറ്റിക്‌സ് പഠിപ്പിക്കുന്ന ഒരു അനുബന്ധ പ്രൊഫസർ കൂടിയാണ്, കൂടാതെ മുൻനിര കമ്പനികളിൽ നിന്നുള്ള യഥാർത്ഥ ഇൻ്റർവ്യൂ ചോദ്യങ്ങളുമായി അവരുടെ അഭിമുഖങ്ങൾക്ക് തയ്യാറെടുക്കാൻ ഡാറ്റാ ശാസ്ത്രജ്ഞരെ സഹായിക്കുന്ന ഒരു പ്ലാറ്റ്‌ഫോമായ സ്ട്രാറ്റസ്‌ക്രാച്ചിൻ്റെ സ്ഥാപകനാണ് അദ്ദേഹം. കരിയർ മാർക്കറ്റിലെ ഏറ്റവും പുതിയ ട്രെൻഡുകളെക്കുറിച്ച് നേറ്റ് എഴുതുന്നു, അഭിമുഖ ഉപദേശങ്ങൾ നൽകുന്നു, ഡാറ്റ സയൻസ് പ്രോജക്റ്റുകൾ പങ്കിടുന്നു, കൂടാതെ എല്ലാം SQL കവർ ചെയ്യുന്നു.

• SEO പവർ ചെയ്ത ഉള്ളടക്കവും PR വിതരണവും. ഇന്ന് ആംപ്ലിഫൈഡ് നേടുക.
• PlatoData.Network ലംബ ജനറേറ്റീവ് Ai. സ്വയം ശാക്തീകരിക്കുക. ഇവിടെ പ്രവേശിക്കുക.
• PlatoAiStream. Web3 ഇന്റലിജൻസ്. വിജ്ഞാനം വർധിപ്പിച്ചു. ഇവിടെ പ്രവേശിക്കുക.
• പ്ലേറ്റോഇഎസ്ജി. കാർബൺ, ക്ലീൻ ടെക്, ഊർജ്ജം, പരിസ്ഥിതി, സോളാർ, മാലിന്യ സംസ്കരണം. ഇവിടെ പ്രവേശിക്കുക.
• പ്ലേറ്റോ ഹെൽത്ത്. ബയോടെക് ആൻഡ് ക്ലിനിക്കൽ ട്രയൽസ് ഇന്റലിജൻസ്. ഇവിടെ പ്രവേശിക്കുക.
• അവലംബം: 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