By Matthew Przybyla, Senior Data Scientist på Favor Delivery

Foto: Ryan Quintal on Unsplash [1].

Innehållsförteckning

 
 

1. Beskrivning
2. Datavetenskapare
3. Datatekniker
4. Sammanfattning
5. Referensprojekt

Beskrivning

 
 

Notera: Den här artikeln är den tredje, en del av en pågående serie om rapporterade löner mellan populära data-/teknikroller. Jag kommer att länka de andra två i slutet av denna artikel.

Den här artikeln syftar inte till att jämföra roller som om man förtjänar mer pengar eller inte, utan är istället en guide som låter proffs inom dessa två områden bedöma mot sin nuvarande lön. Hur klyschigt än det än är, är det fortfarande viktigt att komma ihåg dessa två saker när du ber om en högre lön: det skadar inte att be, och ibland kommer du inte att få det du inte ber om. Tänk på att detta är mer generell statistik, eftersom du kan vara specifik som du vill vara för att se vad din lön ska vara. Istället är dessa värden istället en vägledning som du kan använda.

Datavetare och dataingenjörer delar vissa färdigheter och erfarenheter med varandra, men det finns några viktiga skillnader, och de kan leda till olika löner. Med det sagt, låt oss hoppa direkt in i några löneexempel för båda dessa roller nedan från verkliga data.

Datavetenskapare

 
 

Foto: Copernicus on Unsplash [2].

 

Eftersom jag redan har skrivit några artiklar om löner inom datavetenskap kommer jag att ta med den viktigaste informationen här, tillsammans med några olika exempel.

Här är några av de förväntade titlarna du kan se som dataforskare som också kan ha en betydande löneförändring:

Ingångsnivå Data Scientist → Data Scientist → Senior Data Scientist

Lead Data Scientist — Data Science Manager — Data Science Director

Utöver dessa titlar finns det också vissa senioritetsnivåer som I, II och III.

Nedan kommer jag att visa löneintervallet efter titel med deras respektive år som krävs eller förväntas.

Tänk på att dessa roller är baserade på ett amerikanskt genomsnitt (baserat på Löneskala [3]):

• Genomsnittlig övergripande dataforskare → $96,455
• Genomsnittlig dataforskare på nybörjarnivå → $85,312 (1 år)
• Genomsnittlig dataforskare för tidig karriär → $95,121 (1–4 år)
• Genomsnittlig dataforskare i mitten av karriären → $109,696 (5–9 år)
• Genomsnittlig erfaren dataforskare → $136,051 (10–19 år)

Håller jag med om dessa siffror?

Nej.

Om du har läst tidigare artiklar, nedan, kommer jag att inkludera rapporterade löner runt olika städer, tillsammans med olika kompetenser också.

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

Här är specifika städer och färdigheter:

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

De genomsnittliga stadslönerna i sig tycks vara mer i linje med verkligheten, medan de specifika kompetenserna förknippade med städer verkar för låga. Jag tror att anledningen är att när du filtrerar efter specifik färdighet så tar du bort alla andra färdigheter. Så en lösning kan vara att hitta den genomsnittliga lönen för staden och sedan jämföra skillnaden mellan ovanstående färdigheter för att få en mer realistisk löneuppskattning.

Jag tycker att det är intressant att NLP-färdigheten är mindre lukrativ än Tableau, men jag tror att NLP kanske är för specifik och kanske mindre missförstådd, medan Tableau är allmänt förstådd, och de flesta dataforskare tänker inte lägga till det i deras CV eftersom den är mer dataanalytikerorienterad – den här anteckningen kan vara något att tänka på när du inser din lön eller redigerar ditt CV – den långa historien kort, gör inga antaganden och ser ut att vara unik med din kompetens.

Jag känner inte många dataforskare som använder Java, men jag tyckte att det var intressant att data som ingår i dessa rapporter hade den förmågan som ett alternativ, så det kanske finns en marknad där ute för Java av en anledning som jag inte är säker på (kanske är det mjukvaruingenjörer som går över till datavetare).

Datatekniker

 
 

Foto: Fotis Fotopoulos on Unsplash [4].

 

Nu när vi har en bra känsla för datavetenskapslöner inklusive olika faktorer som plats och kompetens, låt oss dyka djupare in i hur en mer specifik dataingenjörslön ser ut.

Av alla dessa lönejämförelser verkar dataingenjörer och datavetare ha ett mer liknande utbud, som vi kommer att se nedan.

Här är några av de förväntade titlarna du kan se som dataingenjör som också kan ha en betydande löneförändring:

Dataingenjör → Senior Dataingenjör → Dataingenjörschef

Ledande mjukvaruingenjör – dataforskare (ja, med inriktning datateknik)

Utöver dessa titlar finns det också vissa senioritetsnivåer som I, II och III.

Nedan kommer jag att visa löneintervallet efter titel med deras respektive år som krävs eller förväntas.

Tänk på att dessa roller är baserade på ett amerikanskt genomsnitt (baserat på Löneskala [5]):

• Genomsnittlig övergripande dataingenjör → $92,519
• Genomsnittlig datatekniker på nybörjarnivå → $77,350 (1 år)
• Genomsnittlig dataingenjör för tidig karriär → $87,851 (1–4 år)
• Genomsnittlig dataingenjör i mitten av karriären → $103,467 (5–9 år)
• Genomsnittlig erfaren dataingenjör → $117,918 (10–19 år)

Håller jag med om dessa siffror?

Nej.

Jag tycker att varje titel bör flyttas minst en gång, eftersom lönen i början av karriären också bör vara den för en mitt i karriären eller erfaren dataingenjör, beroende på var du bor, så låt oss dyka djupare in i specifika platsgenomsnitt.

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

Dessa stadsgenomsnitt är mer vettiga än de totala medelvärdena. Det mest intressanta är skillnaden i San Francisco, men som fortfarande förväntas, eftersom levnadskostnaderna där är otroligt höga.

Låt oss nu titta på specifika färdigheter för dessa städer:

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

Av alla dessa löner såg staden San Francisco en löneminskning när man lade till en kompetens – detta uttalande upprepar att du kanske vill lägga till alla dina färdigheter och inte bara en, när du tittar på din personliga rapport. New York såg det största hoppet med Scala, vilket jag personligen håller med om, eftersom det är en stor färdighet och ganska svår att bemästra.

Sammanfattning

 
 
Lönen har flera egenskaper som antingen kan göra att den kan öka eller minska. Vi pratade precis om två faktorer, år av erfarenhet, plats (stad) och färdigheter. Det finns också andra faktorer att ta hänsyn till, inklusive men inte begränsat till: själva intervjun, själva CV, förhandlingsförmåga, bonusar, aktier, utbildning och certifieringar.

För att sammanfatta, här är några viktiga tips på löner för datavetare kontra dataingenjörer:

Jag hoppas att du tyckte att min artikel var både intressant och användbar. Kommentera gärna nedan om du håller med eller inte håller med om dessa lönejämförelser. Varför eller varför inte? Vilka andra faktorer tycker du är viktiga att påpeka när det gäller lön? Dessa kan förvisso förtydligas ytterligare, men jag hoppas att jag kunde belysa skillnaderna mellan datavetares och dataingenjörens löner.

Till sist kan jag ställa samma fråga igen, hur ser du på att lönerna påverkas av avlägsna befattningar, speciellt när staden är en så stor faktor för att bestämma lönen?

Tack för att du läste!

Jag är inte ansluten till något av dessa företag.

Kolla gärna in min profil, 

Matt Przybyla, och andra artiklar, samt prenumerera på att få e-postmeddelanden för mina bloggar genom att följa länken nedan, eller genom att klicka på prenumerationsikonen längst upp på skärmen vid följikonen, och kontakta mig på LinkedIn om du har några frågor eller kommentarer.

Prenumerera länk: https://datascience2.medium.com/subscribe

Jag har också skrivit en liknande artikel som diskuterar löner för maskininlärningsingenjörer kontra löner för dataforskare här. [6], liksom skillnaderna mellan datavetare och dataanalytikers löner här. [7]. Den här artikeln beskriver och belyser liknande egenskaper hos respektive lön. Tänk på att för båda dessa artiklar är dessa inte mina löner, utan rapporteras av PayScale och andra faktiska datavetare, dataingenjörer, dataanalytiker och maskininlärningsingenjörer. Så dessa artiklar är i sin tur diskussioner kring verklig data och är avsedda för dig att bättre få en förståelse för vad som gör en roll (i allmänhet), ökning eller minskning av lönebeloppet baserat på vissa faktorer.

Återigen samlas dessa lönedata från PayScale, och om du vill ha en mer specifik uppskattning kan du använda lönekartläggning [8].

Referensprojekt

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

[2] Foto av Copernicus on Unsplash(2020)

[3] PayScale, Lön för datavetare(2021)

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

[5] PayScale, Lön för dataingenjör(2021)

[6] M.Przybyla, Lön för dataforskare vs maskininlärningsingenjör(2021)

[7] M. Przybyla, Lön för dataforskare vs dataanalytiker(2021)

[8] PayScale, PayScale Löneundersökning(2021)

 
Bio: Matthew Przybyla är Senior Data Scientist på Favor Delivery och en frilansande teknisk skribent, särskilt inom datavetenskap.

Ursprungliga. Skickas om med tillstånd.

Relaterat:

• Vi behöver inte datavetare, vi behöver dataingenjörer
• Datavetare utan datateknik kommer att möta den hårda sanningen
• Data Scientist, Data Engineer & Other Data Careers, Explained