بازنشر افلاطون

دنبال: 0

حقوق دانشمند داده در مقابل مهندس داده

= پست قبلی

پست بعدی =>

برچسب ها: مشاوره شغلی, مهندس اطلاعات, دانشمند داده ها, حقوق

تفاوت بین این دو نقش فناوری محبوب چیست؟

نظرات

By متیو پرزیبیلا، دانشمند ارشد داده در Favor Delivery

عکس رایان کوئینتال on می Unsplash [1].

فهرست مندرجات

معرفی
دانشمند داده ها
مهندس اطلاعات
خلاصه
منابع

معرفی

توجه داشته باشید: این مقاله سومین مقاله است، بخشی از یک سری ادامه دار در مورد حقوق های گزارش شده بین نقش های محبوب داده/فناوری. من دو مورد دیگر را در پایان این مقاله پیوند خواهم داد.

هدف این مقاله مقایسه نقش‌ها نیست که انگار شخص مستحق پول بیشتر است یا نه، بلکه در عوض راهنمایی است که به متخصصان این دو حوزه اجازه می‌دهد نسبت به حقوق فعلی خود ارزیابی کنند. هر چند کلیشه ای، یادآوری این دو نکته هنگام درخواست حقوق بیشتر مهم است: درخواست کردن ضرری ندارد و گاهی اوقات چیزی را که نمی خواهید به دست نمی آورید. لطفاً در نظر داشته باشید که این آمار کلی تر است، همانطور که می توانید آن طور که می خواهید مشخص باشید تا ببینید حقوق شما چقدر باید باشد. در عوض، این مقادیر به جای آن یک راهنمای جهت برای استفاده شما هستند.

دانشمندان داده و مهندسان داده مهارت‌ها و تجربیات خاصی را با یکدیگر به اشتراک می‌گذارند، با این حال، تفاوت‌های کلیدی وجود دارد و می‌تواند منجر به دستمزدهای متفاوت شود. با این گفته، بیایید به چند نمونه دستمزد برای هر دوی این نقش ها در زیر از داده های واقعی بپردازیم.

دانشمند داده ها

عکس کوپرنیکو on می Unsplash [2].

از آنجایی که قبلاً چند مقاله در مورد حقوق و دستمزد علم داده نوشته ام، مهمترین اطلاعات را به همراه چند مثال مختلف در اینجا قرار خواهم داد.

در اینجا برخی از عناوین مورد انتظار شما به عنوان یک دانشمند داده وجود دارد که ممکن است تغییر قابل توجهی در حقوق نیز داشته باشد:

دانشمند داده سطح ورودی → دانشمند داده → دانشمند ارشد داده

دانشمند ارشد داده - مدیر علم داده - مدیر علم داده

علاوه بر این عناوین، برخی از سطوح ارشد مانند I، II و III نیز وجود دارد.

در زیر، من محدوده حقوق ها را بر اساس عنوان با سال های مربوطه مورد نیاز یا مورد انتظار نشان می دهم.

به خاطر داشته باشید که این نقش ها بر اساس میانگین ایالات متحده (بر اساس PayScale [3]):

میانگین کلی دانشمند داده → $96,455
دانشمند داده میانگین سطح ورودی → $85,312 (1 سال)
میانگین دانشمند داده های اولیه شغلی → $95,121 (1-4 سال)
دانشمند داده متوسط در اواسط شغلی → $109,696 (5-9 سال)
دانشمند داده با تجربه متوسط → $136,051 (10-19 سال)

آیا من با این اعداد موافقم؟

شماره

اگر مقاله‌های قبلی را خوانده‌اید، در زیر، حقوق‌های گزارش‌شده در شهرهای مختلف را به همراه مجموعه مهارت‌های مختلف درج می‌کنم.

آن آربر، میشیگان → $88,197
کمبریج، ماساچوست → $110,213
دنور، کلرادو → $92,924

در اینجا شهرها و مهارت های خاص آورده شده است:

شارلوت، کارولینای شمالی + پردازش زبان طبیعی (NLP) → $70,000
شارلوت، کارولینای شمالی + نرم افزار تابلو → $79,096
آتلانتا، جورجیا + جاوا → $80,000

به نظر می رسد متوسط حقوق شهرها با واقعیت هماهنگ تر است، در حالی که مهارت های خاص مرتبط با شهرها بسیار پایین به نظر می رسد. من معتقدم دلیل این امر این است که وقتی شما بر اساس مهارت خاصی فیلتر می کنید، تمام مهارت های دیگر را از بین می برید. بنابراین، یک راه حل ممکن است یافتن میانگین حقوق شهر و سپس مقایسه تفاوت بین مهارت های بالا برای به دست آوردن تخمین واقعی تر حقوق باشد.

من فکر می کنم جالب است که مهارت NLP از Tableau درآمد کمتری دارد، با این حال، من فکر می کنم NLP شاید خیلی خاص باشد و شاید کمتر سوء تفاهم شده باشد، در حالی که Tableau به طور گسترده درک شده است، و اکثر دانشمندان داده فکر نمی کنند که آن را به رزومه خود اضافه کنند. بیشتر تحلیلگر داده است - این یادداشت ممکن است چیزی باشد که باید هنگام دریافت حقوق یا ویرایش رزومه خود به خاطر بسپارید - به طور خلاصه، فرضیات خود را انجام ندهید و به نظر می رسد که با مهارت خود منحصر به فرد باشید.

من دانشمندان داده زیادی را نمی‌شناسم که از جاوا استفاده می‌کنند، اما فکر می‌کنم جالب است که داده‌های موجود در این گزارش‌ها این مهارت را به‌عنوان یک گزینه دارند، بنابراین شاید بازاری برای جاوا وجود داشته باشد به دلیلی که من مطمئن نیستم. (شاید، مهندسان نرم افزار در حال انتقال به دانشمندان داده هستند).

مهندس اطلاعات

عکس فوتیس فوتوپولوس on می Unsplash [4].

اکنون که حس خوبی از حقوق و دستمزد علم داده از جمله عوامل مختلف مانند موقعیت مکانی و مهارت‌ها داریم، بیایید عمیق‌تر به این بپردازیم که حقوق مهندس داده خاص‌تر چگونه به نظر می‌رسد.

از میان همه این مقایسه‌های حقوق، مهندسان داده و دانشمندان داده به نظر می‌رسد که محدوده مشابه‌تری دارند، همانطور که در زیر خواهیم دید.

در اینجا برخی از عناوین مورد انتظاری که می توانید به عنوان یک مهندس داده مشاهده کنید، وجود دارد که ممکن است تغییر قابل توجهی در حقوق نیز داشته باشند:

مهندس داده → مهندس ارشد داده → مدیر مهندسی داده

مهندس ارشد نرم افزار - دانشمند داده (بله، با تخصص در مهندسی داده)

علاوه بر این عناوین، برخی از سطوح ارشد مانند I، II و III نیز وجود دارد.

در زیر، من محدوده حقوق ها را بر اساس عنوان با سال های مربوطه مورد نیاز یا مورد انتظار نشان می دهم.

به خاطر داشته باشید که این نقش ها بر اساس میانگین ایالات متحده (بر اساس PayScale [5]):

میانگین کلی مهندس داده → $92,519
مهندس داده های سطح ورودی متوسط → $77,350 (1 سال)
میانگین مهندس داده های اولیه شغلی → $87,851 (1-4 سال)
مهندس داده متوسط در اواسط شغلی → $103,467 (5-9 سال)
مهندس داده با تجربه متوسط → $117,918 (10-19 سال)

آیا من با این اعداد موافقم؟

شماره

من فکر می‌کنم که هر عنوان باید حداقل یک بار جابجا شود، زیرا در ابتدای کار باید حقوق یک مهندس داده در اواسط حرفه یا باتجربه باشد، بسته به محل زندگی شما نیز - پس بیایید عمیق‌تر به میانگین‌های مکانی خاص بپردازیم.

نیویورک، نیویورک → $104,615
سیاتل، واشنگتن → $105,076
سانفرانسیسکو، کالیفرنیا → $123,859
آستین، تگزاس → $96,290

این میانگین‌های شهری نسبت به میانگین‌های کلی منطقی‌تر هستند. جالب ترین تفاوت سانفرانسیسکو است، با این حال هنوز هم انتظار می رود، زیرا هزینه های زندگی در آنجا فوق العاده بالا است.

اکنون، بیایید به مهارت های خاص این شهرها نگاه کنیم:

نیویورک، نیویورک + اسکالا → $121,755
سیاتل، واشنگتن + تجزیه و تحلیل داده های بزرگ → $107,442
سانفرانسیسکو، کالیفرنیا + Apache Hadoop Skills → $123,672
آستین، تگزاس + خدمات وب آمازون (AWS) → $97,436

از بین تمام این حقوق ها، شهر سانفرانسیسکو در هنگام اضافه کردن یک مهارت شاهد کاهش حقوق بود - این بیانیه تکرار می کند که ممکن است بخواهید همه مهارت های خود را اضافه کنید و نه فقط یک مورد را، هنگام بررسی گزارش شخصی خود. نیویورک بزرگترین پرش را با اسکالا دید، که شخصاً با آن موافقم، زیرا مهارت بسیار خوبی است و تسلط بر آن بسیار دشوار است.

خلاصه

حقوق دارای چندین ویژگی است که می تواند باعث افزایش یا کاهش آن شود. ما فقط در مورد دو عامل صحبت کردیم، سالها تجربه، مکان (شهرستان) و مهارت ها. عوامل دیگری نیز وجود دارد که باید در نظر گرفته شوند، از جمله، اما نه محدود به: خود مصاحبه، خود رزومه، مهارت های مذاکره، پاداش ها، سهام، تحصیلات و گواهینامه ها.

به طور خلاصه، در اینجا برخی از نکات کلیدی حقوق دانشمند داده در مقابل مهندس داده آورده شده است:

* Average US data scientist salary $96,455
* Average US data engineer salary $92,519
* These two roles share perhaps the most similar salary ranges
* Data scientists focus more on creating models from existing, packaged machine learning algorithms in Python, while data engineers focus more on utilizing SQL for ETL/ELT with regards to data
* Several factors contribute to salary, the most important most likely being seniority, city, and skills

امیدوارم مقاله من برای شما جالب و مفید بوده باشد. لطفاً در صورت موافقت یا مخالفت با این مقایسه حقوق، در زیر نظر دهید. چرا و چرا نه؟ به نظر شما چه فاکتورهای دیگری در رابطه با حقوق باید ذکر شود؟ مطمئناً می‌توان این موارد را حتی بیشتر روشن کرد، اما امیدوارم بتوانم تفاوت‌های بین حقوق دانشمندان داده و مهندس داده را روشن کنم.

در نهایت، می‌توانم دوباره همین سوال را بپرسم، چگونه می‌بینید که حقوق‌ها تحت تأثیر موقعیت‌های دوردست قرار می‌گیرد، به‌خصوص وقتی که شهر عامل بزرگی در تعیین حقوق است؟

با تشکر از شما برای خواندن!

من به هیچ یک از این شرکت ها وابسته نیستم.

لطفا به پروفایل من سر بزنید،

مت پرزیبیلا, و مقالات دیگر، و همچنین مشترک شدن برای دریافت اعلان‌های ایمیل برای وبلاگ‌های من با دنبال کردن پیوند زیر، یا توسط با کلیک بر روی نماد اشتراک در بالای صفحه توسط نماد دنبال کنیدو اگر سوال یا نظری دارید در لینکدین با من تماس بگیرید.

لینک اشتراک: https://datascience2.medium.com/subscribe

من همچنین مقاله مشابهی را در مورد حقوق مهندسان یادگیری ماشین در مقابل حقوق دانشمندان داده نوشته ام اینجا کلیک نمایید [6]، و همچنین تفاوت بین دستمزد دانشمندان داده و تحلیلگران داده اینجا کلیک نمایید [7]. این مقاله ویژگی های مشابه هر یک از حقوق مربوطه را تشریح و برجسته می کند. به خاطر داشته باشید که برای هر دوی این مقاله، اینها حقوق من نیست و توسط PayScale و سایر دانشمندان داده واقعی، مهندسان داده، تحلیلگران داده و مهندسان یادگیری ماشین گزارش شده است. بنابراین، این مقالات به نوبه خود بحث هایی در مورد داده های واقعی هستند و برای شما در نظر گرفته شده اند تا درک بهتری از آنچه نقش را ایجاد می کند (در عمومی) افزایش یا کاهش میزان حقوق بر اساس عوامل خاصی.

یک بار دیگر، این داده های حقوق و دستمزد از PayScale جمع آوری شده است، و اگر می خواهید برآورد دقیق تری داشته باشید، می توانید از بررسی حقوق و دستمزد [8].