By Matthew Przybyla, Senior Data Scientist, Favor Delivery

Kuva Ryan Quintal on Unsplash [1].

Sisällysluettelo

 
 

1. esittely
2. Tiedon tutkija
3. Data Engineer
4. Yhteenveto
5. Viitteet

esittely

 
 

Huomautus: Tämä artikkeli on kolmas, osa jatkuvaa sarjaa, jossa käsitellään suosittujen data-/teknologiaroolien raportoituja palkkoja. Linkitän kaksi muuta tämän artikkelin lopussa.

Tämän artikkelin tarkoituksena ei ole vertailla rooleja ikään kuin ansaitseeko joku enemmän rahaa vai ei, vaan se on sen sijaan opas, jonka avulla näiden kahden alan ammattilaiset voivat arvioida nykyistä palkkaansa. Mutta kuinka kliseisesti tahansa, nämä kaksi asiaa on silti tärkeää muistaa korkeampaa palkkaa pyydettäessä: pyytää ei haittaa, ja joskus ei saa sitä mitä ei pyydä. Muista, että nämä ovat yleisempiä tilastoja, koska voit olla täsmällinen ja täsmällinen nähdäksesi, mikä palkkasi pitäisi olla. Sen sijaan nämä arvot ovat suuntaohjeita, joita voit käyttää.

Datatieteilijät ja tietoinsinöörit jakavat tiettyjä taitoja ja kokemuksia keskenään, mutta keskeisiä eroja on kuitenkin, ja ne voivat johtaa erilaisiin palkoihin. Tästä huolimatta siirrytään alla oleviin palkkaesimerkkeihin molemmille rooleille todellisista tiedoista.

Tiedon tutkija

 
 

Kuva Kopernikus on Unsplash [2].

 

Koska olen jo kirjoittanut muutaman artikkelin datatieteen palkoista, laitan tähän tärkeimmät tiedot muutaman erilaisen esimerkin kanssa.

Tässä on joitain odotettuja titteleitä, joita voit nähdä datatieteilijänä ja joilla saattaa olla myös merkittävä muutos palkassa:

Entry Level Data Scientist → Data Scientist → Senior Data Scientist

Johtava datatieteilijä — Data Science Manager — Data Science johtaja

Näiden nimikkeiden lisäksi on myös joitain virka-asteita, kuten I, II ja III.

Alla näytän palkkojen vaihteluvälin nimikkeittäin sekä vaaditut tai odotetut vuodet.

Muista, että nämä roolit perustuvat Yhdysvaltojen keskiarvoon (perustuu Maksuskaala [3]):

• Keskimääräinen yleistietotutkija → $96,455
• Average Entry Level Data Scientist → $85,312 (1 vuosi)
• Keskimääräinen varhaisen uran tietotutkija → $95,121 (1-4 vuotta)
• Keskimääräinen uran keskimääräinen tietotutkija → $109,696 (5-9 vuotta)
• Keskimääräinen kokenut datatieteilijä → $136,051 (10-19 vuotta)

Olenko samaa mieltä näiden lukujen kanssa?

Ei.

Jos olet lukenut aiempia artikkeleita, sisällytän alla ilmoitetut palkat eri kaupungeissa sekä myös erilaiset taidot.

• Ann Arbor, Michigan → $88,197
• Cambridge, Massachusetts → $110,213
• Denver, Colorado → $92,924

Tässä on tiettyjä kaupunkeja ja taitoja:

• Charlotte, North Carolina + Natural Language Processing (NLP) → $70,000
• Charlotte, North Carolina + Tableau Software → $79,096
• Atlanta, Georgia + Java → $80,000

Kaupunkien keskipalkat näyttävät olevan enemmän todellisuuden mukaisia, kun taas kaupunkeihin liittyvät erityistaidot vaikuttavat liian alhaisilta. Uskon, että syy siihen on se, että kun suodatat tietyn taidon perusteella, poistat kaikki muut taidot. Joten kiertotapa voisi olla löytää kaupungin keskipalkka ja sitten vertailla yllä olevien taitojen eroa realistisemman palkkaarvion saamiseksi.

Mielestäni on mielenkiintoista, että NLP-taito on vähemmän tuottoisa kuin Tableau, mutta mielestäni NLP on ehkä liian spesifinen ja ehkä vähemmän väärinymmärretty, kun taas Tableau ymmärretään laajalti, eivätkä useimmat datatieteilijät aio lisätä sitä ansioluetteloonsa, koska se on enemmän data-analyytikkolähtöinen – tämä huomautus saattaa olla jotain, joka kannattaa pitää mielessä, kun ymmärrät palkkaasi tai muokkaat ansioluetteloasi – lyhyt tarina, älä tee olettamuksia ja näytä ainutlaatuiselta osaamisesi kanssa.

En tunne monia Javaa käyttäviä datatieteilijöitä, mutta mielestäni oli mielenkiintoista, että näihin raportteihin sisältyvissä tiedoissa oli tämä taito vaihtoehtona, joten ehkä Javalle on olemassa markkinat syystä, josta en ole varma. (ehkä ohjelmistosuunnittelijat ovat siirtymässä datatieteilijöiksi).

Data Engineer

 
 

Kuva Fotis Fotopoulos on Unsplash [4].

 

Nyt kun meillä on hyvä käsitys datatieteen palkoista, mukaan lukien erilaiset tekijät, kuten sijainti ja taidot, sukeltakaamme syvemmälle siihen, miltä tarkempi datainsinöörin palkka näyttää.

Kaikista näistä palkkavertailuista data-insinööreillä ja datatieteilijöillä näyttää olevan samanlainen vaihteluväli, kuten alla nähdään.

Tässä on joitain odotetuista nimikkeistä, jotka voit nähdä tietosuunnittelijana ja joiden palkka muuttuu myös merkittävästi:

Tietosuunnittelija → Senior Data Engineer → Data Engineering Manager

Johtava ohjelmistosuunnittelija – tietotieteilijä (kyllä, erikoistunut tietotekniikkaan)

Näiden nimikkeiden lisäksi on myös joitain virka-asteita, kuten I, II ja III.

Alla näytän palkkojen vaihteluvälin nimikkeittäin sekä vaaditut tai odotetut vuodet.

Muista, että nämä roolit perustuvat Yhdysvaltojen keskiarvoon (perustuu Maksuskaala [5]):

• Keskimääräinen kokonaistietosuunnittelija → $92,519
• Keskimääräinen aloitustason tietosuunnittelija → $77,350 (1 vuosi)
• Keskimääräinen varhaisen uran tietoinsinööri → $87,851 (1-4 vuotta)
• Keskimääräinen uran keskimääräinen tietoinsinööri → $103,467 (5-9 vuotta)
• Keskimääräinen kokenut tietoinsinööri → $117,918 (10-19 vuotta)

Olenko samaa mieltä näiden lukujen kanssa?

Ei.

Mielestäni jokaista titteliä tulisi vaihtaa ainakin kerran, sillä uran alkuvaiheessa palkan pitäisi olla myös uran puolivälin tai kokeneen datainsinöörin palkka asuinpaikastasi riippuen – joten sukeltakaamme syvemmälle tiettyjen sijaintien keskiarvoihin.

• New York, New York → $104,615
• Seattle, Washington → $105,076
• San Francisco, Kalifornia → $123,859
• Austin, Texas → $96,290

Nämä kaupunkien keskiarvot ovat järkevämpiä kuin yleiset keskiarvot. Mielenkiintoisin on San Franciscon ero, joka on kuitenkin edelleen odotettavissa, sillä elinkustannukset ovat siellä uskomattoman korkeat.

Tarkastellaan nyt näiden kaupunkien erityisiä taitoja:

• New York, New York + Scala → $121,755
• Seattle, Washington + Big Data Analytics → $107,442
• San Francisco, Kalifornia+ Apache Hadoop Skills → $123,672
• Austin, Texas + Amazon Web Services (AWS) → $97,436

Kaikista näistä palkoista San Franciscon kaupungin palkka laski taidon lisäämisen yhteydessä – tämä lausunto toistaa, että sinun kannattaa lisätä kaikki taitosi, ei vain yksi, kun tarkastelet henkilökohtaista raporttiasi. New York näki suurimman hypyn Scalan kanssa, josta olen henkilökohtaisesti samaa mieltä, koska se on hieno taito ja melko vaikea hallita.

Yhteenveto

 
 
Palkassa on useita ominaisuuksia, jotka voivat joko nostaa tai laskea. Puhuimme juuri kahdesta tekijästä, vuosien kokemuksesta, sijainnista (kaupunki) ja taidot. On myös muita huomioitavia tekijöitä, mukaan lukien, mutta ei rajoittuen: itse haastattelu, itse ansioluettelo, neuvottelutaidot, bonukset, osakkeet, koulutus ja sertifioinnit.

Yhteenvetona voidaan todeta, että tässä on joitain keskeisiä poimintoja datatieteilijöiden ja datainsinöörien palkoista:

Toivon, että artikkelini oli kiinnostava ja hyödyllinen. Kommentoi alle, jos olet samaa tai eri mieltä näistä palkkavertailuista. Miksi tai miksi ei? Mitä muita tekijöitä on mielestäsi tärkeää huomioida palkan osalta? Näitä voidaan varmasti selventää vielä enemmän, mutta toivon, että pystyin valaisemaan datatieteilijöiden ja tietoinsinöörien palkkojen eroja.

Lopuksi voin kysyä uudelleen saman kysymyksen, kuinka näet syrjäisten tehtävien vaikuttavan palkkoihin, varsinkin kun kaupunki on niin iso tekijä palkan määräämisessä?

Kiitos, että luit!

En ole sidoksissa yhteenkään näistä yrityksistä.

Ole hyvä ja tutustu profiiliini, 

Matt Przybyla, ja muita artikkeleita sekä tilata sähköposti-ilmoituksia blogeistani seuraamalla alla olevaa linkkiä tai napsauttamalla tilauskuvaketta näytön yläosassa seuraa-kuvakkeen vieressä, ja ota yhteyttä minuun LinkedInissä, jos sinulla on kysyttävää tai kommentteja.

Tilaa linkki: https://datascience2.medium.com/subscribe

Olen myös kirjoittanut samanlaisen artikkelin, jossa käsitellään koneoppimisinsinöörien palkkoja verrattuna datatieteilijöiden palkoihin tätä [6] sekä datatieteilijöiden ja data-analyytikkojen palkkojen erot tätä [7]. Tässä artikkelissa hahmotellaan ja korostetaan kunkin vastaavan palkan samanlaisia ​​ominaisuuksia. Muista, että nämä molemmat artikkelit eivät ole minun palkkojani, ja PayScale ja muut todelliset datatutkijat, tietosuunnittelijat, dataanalyytikot ja koneoppimisinsinöörit raportoivat niistä. Joten nämä artikkelit ovat puolestaan ​​​​keskusteluja todellisista tiedoista, ja ne on tarkoitettu ymmärtämään paremmin, mikä tekee roolista (yleisesti), palkan määrän korotus tai lasku tiettyjen tekijöiden perusteella.

Jälleen kerran nämä palkkatiedot on kerätty PayScalesta, ja jos haluat tarkemman arvion, voit käyttää palkkatutkimus [8].

Viitteet

 
 
[1] Kuvaaja Ryan Quintal on Unsplash(2019)

[2] Kuvaaja Kopernikus on Unsplash(2020)

[3] PayScale, Tietotutkijan palkka(2021)

[4] Kuvaaja Fotis Fotopoulos on Unsplash(2018)

[5] PayScale, Tietotekniikan insinöörin palkka(2021)

[6] M. Przybyla, Data Scientist vs Machine Learning Engineer palkka(2021)

[7] M. Przybyla, Data Scientist vs Data Analyst -palkka(2021)

[8] PayScale, PayScalen palkkatutkimus(2021)

 
Bio: Matthew Przybyla on Favor Deliveryn vanhempi tietotutkija ja freelance-tekninen kirjoittaja, erityisesti tietotieteessä.

Alkuperäinen. Postitettu luvalla.

Related:

• Emme tarvitse datatieteilijöitä, me tarvitsemme tietotekniikkaa
• Datatieteilijät, joilla ei ole tietotekniikkataitoja, kohtaavat ankaran totuuden
• Datatieteilijä, tietotekniikkasuunnittelija ja muu dataura, selitetty