By Matthew Przybyla, Senior Data Scientist hos Favor Delivery

Photo by Ryan Quintal on Unsplash [1].

Innholdsfortegnelse

 
 

1. Introduksjon
2. Dataforsker
3. Data Engineer
4. Oppsummering
5. Referanser

Introduksjon

 
 

OBS: Denne artikkelen er den tredje, en del av en kontinuerlig serie om rapporterte lønninger mellom populære data-/teknologiroller. Jeg vil koble til de to andre på slutten av denne artikkelen.

Denne artikkelen tar sikte på ikke å sammenligne roller som om man fortjener mer penger eller ikke, men er i stedet en veiledning som lar fagfolk innen disse to feltene vurdere mot gjeldende lønn. Uansett klisjé, er det fortsatt viktig å huske disse to tingene når du ber om høyere lønn: det skader ikke å spørre, og noen ganger vil du ikke få det du ikke ber om. Vær oppmerksom på at dette er mer generell statistikk, som du kan være spesifikk som du ønsker å være for å se hva lønnen din skal være. I stedet er disse verdiene en veiledning som du kan bruke.

Dataforskere og dataingeniører deler visse ferdigheter og erfaringer med hverandre, men det er noen viktige forskjeller, og de kan føre til ulike lønninger. Når det er sagt, la oss hoppe rett inn i noen lønnseksempler for begge disse rollene nedenfor fra ekte data.

Dataforsker

 
 

Photo by Copernicus on Unsplash [2].

 

Siden jeg allerede har skrevet noen artikler om datavitenskapelig lønn, vil jeg inkludere den viktigste informasjonen her, sammen med noen forskjellige eksempler.

Her er noen av de forventede titlene du kan se som dataforsker som også kan ha en betydelig endring i lønn:

Entry Level Data Scientist → Data Scientist → Senior Data Scientist

Lead Data Scientist – Data Science Manager – Data Science Director

I tillegg til disse titlene er det også noen ansiennitetsnivåer som I, II og III.

Nedenfor vil jeg vise lønnsutvalget etter tittel med de respektive årene som kreves eller forventes.

Husk at disse rollene er basert på et amerikansk gjennomsnitt (basert på PayScale [3]):

• Gjennomsnittlig samlet dataforsker → $96,455
• Gjennomsnittlig dataforsker på inngangsnivå → $85,312 (1 år)
• Gjennomsnittlig dataforsker i tidlig karriere → $95,121 (1–4 år)
• Gjennomsnittlig mid-karriere dataforsker → $109,696 (5–9 år)
• Gjennomsnittlig erfaren dataforsker → $136,051 (10–19 år)

Er jeg enig i disse tallene?

Nei.

Hvis du har lest tidligere artikler, nedenfor, vil jeg inkludere rapporterte lønn rundt forskjellige byer, sammen med forskjellige ferdigheter også.

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

Her er spesifikke byer og ferdigheter:

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

Gjennomsnittlig bylønn i seg selv virker mer på linje med virkeligheten, mens de spesifikke ferdighetene knyttet til byer virker for lave. Jeg tror at grunnen er at når du filtrerer etter spesifikke ferdigheter, fjerner du alle de andre ferdighetene. Så en løsning kan være å finne gjennomsnittslønnen til byen og deretter sammenligne forskjellen mellom ferdighetene ovenfor for å få et mer realistisk lønnsestimat.

Jeg synes det er interessant at NLP-ferdigheten er mindre lukrativ enn Tableau, men jeg tror NLP kanskje er for spesifikk og kanskje mindre misforstått, mens Tableau er allment forstått, og de fleste dataforskere tenker ikke å legge det til i CV-en sin siden det er mer dataanalytikerorientert – dette notatet kan være noe du bør huske på når du innser lønnen din eller redigerer CV-en din – den lange historien kort, ikke gjør antagelser og ser ut til å være unik med ferdighetene dine.

Jeg kjenner ikke mange dataforskere som bruker Java, men jeg syntes det var interessant at dataene i disse rapportene hadde den ferdigheten som et alternativ, så kanskje det er et marked der ute for Java av en grunn jeg ikke er sikker på (kanskje det er programvareingeniører som går over til dataforskere).

Data Engineer

 
 

Photo by Fotis Fotopoulos on Unsplash [4].

 

Nå som vi har en god følelse av datavitenskapslønninger, inkludert forskjellige faktorer som plassering og ferdigheter, la oss dykke dypere inn i hvordan en mer spesifikk dataingeniørlønn ser ut.

Av alle disse lønnssammenlikningene ser dataingeniører og dataforskere ut til å ha et mer likt utvalg, som vi vil se nedenfor.

Her er noen av de forventede titlene du kan se som dataingeniør som også kan ha en betydelig endring i lønn:

Dataingeniør → Senior Dataingeniør → Dataingeniørsjef

Ledende programvareingeniør – dataforsker (ja, med spesialisering innen datateknikk)

I tillegg til disse titlene er det også noen ansiennitetsnivåer som I, II og III.

Nedenfor vil jeg vise lønnsutvalget etter tittel med de respektive årene som kreves eller forventes.

Husk at disse rollene er basert på et amerikansk gjennomsnitt (basert på PayScale [5]):

• Gjennomsnittlig samlet dataingeniør → $92,519
• Gjennomsnittlig dataingeniør på inngangsnivå → $77,350 (1 år)
• Gjennomsnittlig dataingeniør i tidlig karriere → $87,851 (1–4 år)
• Gjennomsnittlig mid-karriere dataingeniør → $103,467 (5–9 år)
• Gjennomsnittlig erfaren dataingeniør → $117,918 (10–19 år)

Er jeg enig i disse tallene?

Nei.

Jeg tror at hver tittel bør flyttes minst én gang, siden lønn i tidlig karriere bør være lønnen til en mid-karriere eller erfaren dataingeniør, avhengig av hvor du bor, så la oss dykke dypere inn i spesifikke stedsgjennomsnitt.

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

Disse bygjennomsnittene gir mer mening enn de generelle gjennomsnittene. Det mest interessante er forskjellen i San Francisco, men fortsatt forventet, ettersom levekostnadene der er utrolig høye.

La oss nå se nærmere på spesifikke ferdigheter for disse byene:

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

Av alle disse lønningene så byen San Francisco en nedgang i lønnen når du la til en ferdighet – denne erklæringen gjentar at du kanskje vil legge til alle ferdighetene dine og ikke bare én, når du ser på den personlige rapporten din. New York så det største hoppet med Scala, noe jeg personlig er enig i, siden det er en stor ferdighet og ganske vanskelig å mestre.

Oppsummering

 
 
Lønn har flere egenskaper som enten kan tillate den å øke eller redusere. Vi snakket nettopp om to faktorer, mange års erfaring, plassering (by) og ferdigheter. Det er også andre faktorer å vurdere, inkludert, men ikke begrenset til: selve intervjuet, selve CVen, forhandlingsevner, bonuser, aksjer, utdanning og sertifiseringer.

For å oppsummere, her er noen viktige ting for dataforskere versus dataingeniørlønninger:

Jeg håper du fant artikkelen min både interessant og nyttig. Kommenter gjerne nedenfor hvis du er enig eller uenig i disse lønnssammenlikningene. Hvorfor eller hvorfor ikke? Hvilke andre faktorer synes du er viktige å påpeke i forhold til lønn? Disse kan absolutt avklares ytterligere, men jeg håper jeg klarte å kaste lys over forskjellene mellom dataforsker- og dataingeniørlønninger.

Til slutt kan jeg stille det samme spørsmålet igjen, hvordan ser du på at lønn påvirkes av eksterne stillinger, spesielt når byen er en så stor faktor for å bestemme lønn?

Takk for at du leser!

Jeg er ikke tilknyttet noen av disse selskapene.

Ta gjerne en titt på profilen min, 

Matt Przybyla, og andre artikler, samt abonnere for å motta e-postvarsler for bloggene mine ved å følge koblingen nedenfor, eller ved å ved å klikke på abonner-ikonet øverst på skjermen ved å følge ikonet, og ta kontakt med meg på LinkedIn hvis du har spørsmål eller kommentarer.

Abonner link: https://datascience2.medium.com/subscribe

Jeg har også skrevet en lignende artikkel som diskuterer maskinlæringsingeniørlønninger versus dataforskerlønninger her. [6], samt forskjellene mellom dataforskere og dataanalytikerlønninger her. [7]. Denne artikkelen skisserer og fremhever lignende egenskaper ved hver respektive lønn. Husk at for begge disse artiklene er dette ikke min lønn, og rapporteres av PayScale og andre faktiske dataforskere, dataingeniører, dataanalytikere og maskinlæringsingeniører. Så disse artiklene er i sin tur diskusjoner rundt reelle data og er ment for deg å bedre få en forståelse av hva som utgjør en rolle (generelt), økning eller reduksjon i lønnsbeløp basert på visse faktorer.

Nok en gang er disse lønnsdataene samlet fra PayScale, og hvis du ønsker et mer spesifikt estimat, kan du bruke lønnsundersøkelse [8].

Referanser

 
 
[1] Foto av Ryan Quintal on Unsplash(2019)

[2] Foto av Copernicus on Unsplash(2020)

[3] PayScale, Dataforsker lønn(2021)

[4] Foto av Fotis Fotopoulos on Unsplash(2018)

[5] PayScale, Dataingeniør Lønn(2021)

[6] M.Przybyla, Lønn for dataforsker vs maskinlæringsingeniør(2021)

[7] M. Przybyla, Lønn for dataforsker vs dataanalytiker(2021)

[8] PayScale, PayScale Lønnsundersøkelse(2021)

 
Bio: Matthew Przybyla er Senior Data Scientist ved Favor Delivery, og en frilans teknisk skribent, spesielt innen datavitenskap.

original. Ompostet med tillatelse.

Relatert:

• Vi trenger ikke dataforskere, vi trenger dataingeniører
• Datavitenskapere uten datatekniske ferdigheter vil møte den harde sannheten
• Data Scientist, Data Engineer & Other Data Careers, Explained