Gorączka złota XXI wieku. Oto jeden z najbardziej przyszłościowych zawodów

Dziś generujemy dane na każdym kroku - każdą interakcją z urządzeniem podłączonym do sieci. Karmimy nimi algorytmy. Te pokazują nam nowe rzeczy, skłaniające do pozostawienia jeszcze więcej danych. Każde otwarcie Facebooka, każde użycie filtru na Instagramie to całe wiersze danych zapisanych w serwerze gdzieś na świecie, trafiające do dalszej analizy. Najbardziej "danożernymi" aplikacjami - według raportu firmy Clario - są Facebook, Instagram, Tinder, Grindr, Uber. Dane to doprawdy złoto XXI wieku, jak powiedział przed laty Michael Dell.

Jak wskazują badacze Data Literacy Project, tylko 21 proc. osób pomiędzy 16. a 24. rokiem życia potrafi korzystać z danych. Wśród pracowników na całym świecie nie jest lepiej, zaledwie 24 proc. z nich jest w pełni zaznajomiona z tym obszarem. Z badania firmy Forrester wynika, że w już w najbliższych latach od większości pracowników będzie wymagana umiejętność analizy danych w jakimś zakresie. Zapotrzebowanie na korzystanie i interpretację danych, nie tylko w obszarze konsumenckim, ale i pracowniczym, będzie rosło.

- Luka kompetencyjna wśród pracowników w obszarze pracy z danymi jest coraz większym problemem. W różnych branżach zapotrzebowanie na analizy oparte na danych stale rośnie, a podaż pracowników o odpowiednich kompetencjach nie nadąża za tempem popytu - mówi dr Olha Zadorozhna z Zakładu Ekonomicznych Analiz Empirycznych Akademii Leona Koźmińskiego.

Jak dodaje, tempo rozwoju świata IT jest tak intensywne, że już działającym w nim profesjonalistom czasem trudno nadążyć. Tym, którzy uczą się od zera, też łatwo nie jest w związku z wysokim kosztem programów edukacyjnych skrojonych pod analizę wielkich zbiorów danych (Big Data). To może uczelnia? To jest jakiś pomysł, lecz jak wskazuje dr Zadorozhna, oferta jest ograniczona w związku z niedoborami (o ironio) wykładowców od analizy danych. Specjaliści, którzy mogliby uczyć, znacznie więcej zarobią w sektorze prywatnym biznesu.

Tomasz Wija, dyrektor odpowiedzialny za wzrost w No Fluff Jobs nie do końca zgadza się z luką kompetencyjną. - Z roku na rok rośnie liczba ogłoszeń w kategorii big data, a w 2022 r. pojawiło się u nas o 39 proc. więcej ogłoszeń z tej specjalizacji niż rok wcześniej - mówi.

I zwraca uwagę, czego rynek w tym momencie rozwoju potrzebuje najbardziej. - Nadal nie możemy jednak mówić, że jest to jedna z czołowych kategorii IT - ogłoszeń tutaj jest znacząco mniej niż choćby w backendzie, frontendzie, fullstacku, ale też w testowaniu czy zarządzaniu projektem - mówi.

 - Trudno w tej sytuacji mówić o brakach kadrowych, zwłaszcza że sporo umiejętności, które są wymagane na stanowiskach big data, to umiejętności poszukiwane także w innych kategoriach. Mowa choćby o SQL i Pythonie, które jako główne wymagania znajdujemy także w ogłoszeniach backendowych czy testerskich, a których znajomość jest z roku na rok coraz częstszym oczekiwaniem pracodawców - przekonuje.

Programista i analityk zbiorów danych, choć obie te płaszczyzny na siebie nachodzą i mają wspólne kompetencje, nie są tym samym. Jak tłumaczy dr Olha Zadorozhna, główna różnica polega na tym, na czym skupia się ich praca. - Analitycy danych zwykle koncentrują się na wykorzystaniu danych do podejmowania decyzji biznesowych, podczas gdy programiści koncentrują się na pisaniu i utrzymywaniu oprogramowania - tłumaczy.

- Analitycy danych często łączą umiejętności techniczne i biznesowe, w tym doświadczenie w pracy z danymi, analizę statystyczną i wizualizację danych, a także wiedzę o określonych branżach lub obszarach dziedzinowych. Z drugiej strony programiści zwykle skupiają się bardziej na kwestiach technicznych, dysponując doświadczeniem w językach programowania i tworzeniu oprogramowania - doprecyzowuje dr Zadorozhna.

Można nazywać to luką lub nie, wspólny mianownik jest ten sam. Sektor IT, biorąc pod uwagę tempo i kierunek rozwoju, jaki obrał, będzie potrzebować coraz więcej specjalistów, których ta lawina danych współczesnego świata nie przerazi i nie przysypie. Branża w ten czy inny sposób zgłasza zapotrzebowanie i próbuje temu przeciwdziałać.

Firma Dynatrace w komunikacie pisze, jakie powinny być kompetencje przyszłości w świecie IT. Programista ma ewoluować, nie zajmować się określonymi, wąskimi "taskami" [zadaniami - red.], lecz zdobywać coraz więcej kompetencji z zakresu inżynierii oprogramowania, czyli szerszego spojrzenia na dany program, zastosowanie, implementację. Wśród tych kompetencji przyszłości pada także analiza danych.

"Wraz z rosnącą lawinowo ilością danych, jaką na co dzień zarządzają firmy, umiejętność ich analizy i wizualizacji staje się ważnym atutem. HRForecast na podstawie danych PwC przewiduje, że do 2023 roku już 69 proc. pracodawców będzie wolało zatrudnić pracowników ze znajomością data science niż tych, którzy jej nie mają - czytamy w komunikacie Dynatrace. 

Wiele. Nie tylko w rozumieniu wysokości pensji, ale i przewidywalności zatrudnienia, w kontekście bycia potrzebnym w szybko zmieniającym się świecie. Wiadomo bowiem, że uzależnienie nowoczesnych gospodarek od danych szybko się nie zmieni. Aby ustalić jednak wysokość zarobków, trzeba zwrócić się do ekspertów od zatrudniania w świecie IT.

- Z roku na rok obserwujemy wzrost wynagrodzeń podawanych w ogłoszeniach z kategorii Big Data. Analitycy pracujący na B2B (na jednoosobowej działalności gospodarczej - przyp. red.) mogli liczyć w 2022 r. na zarobki rzędu 19,6-26,7 tys. zł netto (+VAT), a pracujący w oparciu o umowę o pracę na kwoty 15-21 tys. zł brutto - mówi Tomasz Wija.

- To pensje wyższe o ponad 20 proc. w porównaniu z 2021 r., do tego są to wynagrodzenia na poziomie kategorii DevOps, Security czy AI, czyli tych najlepiej opłacanych w branży IT - kontynuuje Tomasz Wija.

- Te wzrosty pokazują nam mocną tendencję rynkową - jest coraz więcej firm napędzanych danymi, bazowanie na dużych wolumenach danych staje się standardem, a osoby pracujące w big data są rozchwytywane przez pracodawców - kwituje.

Pewnym odwiecznym paradoksem świata technologii jest czynnik ludzki w tym równaniu. Big data to ogromne zbiory danych, nie do ogarnięcia przez nasze biologiczne uwarunkowania. Skoro budujemy coraz lepsze narzędzia do obróbki i analizy danych, to po co człowiek?

- Choć maszyny mogą szybko i dokładnie przetwarzać ogromne ilości danych, brakuje im zdolności zrozumienia kontekstu i ich znaczenia - wskazuje dr Olha Zadorozhna. - Ponadto ludzie wnoszą unikalne umiejętności i perspektywy, takie jak zdolność do identyfikowania wzorców i tworzenia połączeń, których maszyny nie zauważają, a także zdolność do interpretowania i komunikowania wyników analizy innym osobom w sposób, który jest łatwo zrozumiały - dodaje ekspertka.

- Specjaliści pracujący w dziedzinach takich jak matematyka, statystyka, informatyka i inżynieria mogą stosunkowo łatwo przejść do obszaru związanego z data science, uczenia maszynowego i sztucznej inteligencji. Doświadczenie w tych dziedzinach często zapewnia solidne podstawy w zakresie pojęć matematycznych i obliczeniowych, a także umiejętność pracy z danymi oraz przy użyciu języków programowania i narzędzi, które są powszechnie stosowane w data science - mówi dr Zadorozhna.

- Osoby z doświadczeniem w takich dziedzinach jak ekonomia, finanse, marketing i operacje również wnieść cenne umiejętności i perspektywy do zespołów zajmujących się analizą danych, ponieważ potrafią dogłębnie zrozumieć problem i poprawnie zbudować odpowiedni model - dodaje.

Rynek jest powiązany wieloma zależnościami i nieustannie ewoluuje. Dlatego trudno nakreślić jedną, przykładową ścieżkę do przyszłościowej pracy. Od programistów wymagało się i wymagać będzie ciągłego doskonalenia i specjalizowania się w dominujących trendach jak sztuczna inteligencja. Jednocześnie bardziej holistycznego spojrzenia na zadanie, niż program działa-nie działa. Wreszcie, zaczyna wymagać się też kompetencjo miękkich.

Niekoniecznie analityk danych musi mieć dokładnie takie przeszkolenie, jak programista, niekoniecznie musi nawet kończyć studia w tym zakresie. Pewna wiedza techniczna będzie potrzebna, ale nie do końca zbieżna z tradycyjnym programowaniem. Jedno jest pewne - głód danych będzie tylko większy.

Autorem tekstu jest Krzysztof Majdan, dziennikarz money.pl