کیا ڈیٹا سائنس ایک بلبلا پھٹنے کا انتظار کر رہی ہے؟

مصنف کی طرف سے تصویر

میں نے ایک بار ایک ایسے لڑکے سے بات کی جس نے شیخی ماری کہ، صرف کچھ مفت LinkedIn کورسز اور ایک فرسودہ کالج انٹرو ٹو SQL کورس کے ساتھ مسلح، وہ ڈیٹا سائنس میں چھ اعداد کی نوکری حاصل کرنے میں کامیاب ہو گیا تھا۔ آج کل، ڈیٹا سائنس کی اچھی نوکری حاصل کرنے کے لیے جدوجہد کرنے والے زیادہ تر لوگ اس بات سے اتفاق کریں گے کہ ایسا ہونے کا امکان نہیں ہے۔ کیا۔

مختصر میں، نہیں. ہوا یہ ہے کہ ڈیٹا سائنس ہوا کرتا تھا۔ غیر سیر شدہ فیلڈ میں داخل ہونا آسان ہے اگر آپ نے اپنے ریزیومے میں صحیح مطلوبہ الفاظ استعمال کیے ہیں۔ آج کل، آجر کچھ زیادہ سمجھدار ہیں اور اکثر ان کے ذہن میں مخصوص مہارت ہوتی ہے جس کی وہ تلاش کر رہے ہیں۔

بوٹ کیمپس، مفت کورسز، اور 'ہیلو ورلڈ' پروجیکٹس اب اس میں کمی نہیں کرتے۔ آپ کو مخصوص مہارت ثابت کرنے کی ضرورت ہے اور اپنے ڈیٹا سائنس کے انٹرویو کو پورا کرنے کی ضرورت ہے، نہ کہ صرف بز ورڈز چھوڑنا۔ نہ صرف یہ، لیکن "ڈیٹا سائنسدان" کی چمک تھوڑی سی ختم ہوگئی ہے. ایک طویل عرصے تک، یہ وہاں کی سب سے سیکسی نوکری تھی۔ ابھی؟ دوسرے شعبے، جیسے AI اور مشین لرننگ، ذرا سیکسی ہیں۔

یہ سب کہا جا رہا ہے، ڈیٹا سائنس میں ابھی بھی درخواست دہندگان کے مقابلے میں زیادہ مواقع موجود ہیں، اور قابل اعتماد اشارے کہتے ہیں کہ فیلڈ بڑھ رہا ہے، سکڑ نہیں رہا ہے۔

قائل نہیں؟ آئیے ڈیٹا کو دیکھتے ہیں۔

بڑی تصویر

اس مضمون کے دوران، میں متعدد گرافس، چارٹس، اعداد و شمار اور فیصدوں کا مطالعہ کروں گا۔ لیکن آئیے صرف ایک فیصد کے ساتھ ایک شاندار معتبر ذریعہ سے شروع کریں: بیورو آف لیبر اسٹیٹسٹکس۔

بی ایل ایس پیش گوئی کہ ڈیٹا سائنسدانوں کے لیے 35 سے 2022 تک ملازمت میں 2032 فیصد تبدیلی آئے گی۔ مختصراً، 2032 میں، ڈیٹا سائنس میں 2022 کے مقابلے میں تقریباً ایک تہائی زیادہ ملازمتیں ہوں گی۔ موازنہ کے لیے، تمام ملازمتوں کے لیے اوسط شرح نمو 3 فیصد ہے۔ اس نمبر کو ذہن میں رکھیں جب آپ اس مضمون کے باقی حصے میں جاتے ہیں۔

BLS یہ نہیں سوچتا کہ ڈیٹا سائنس ایک بلبلہ ہے جو پھٹنے کا انتظار کر رہا ہے۔

برطرفی

اب ہم تھوڑا سا گڑبڑ میں پڑنا شروع کر سکتے ہیں۔ پہلی نشانیاں جن کی طرف لوگ پاپڈ یا آنے والے بلبل پاپ کی علامات کے طور پر اشارہ کرتے ہیں وہ ڈیٹا سائنس میں بڑے پیمانے پر چھانٹی ہیں۔

یہ سچ ہے کہ نمبر اچھے نہیں لگتے۔ 2022 سے شروع ہو کر 2024 تک جاری رہے گا، عام طور پر ٹیک سیکٹر تجربہ کار 430k چھٹیاں۔ ان نمبروں سے ڈیٹا سائنس کے مخصوص ڈیٹا کو چھیڑنا مشکل ہے، لیکن بہترین اندازہ یہ ہے کہ ان میں سے تقریباً 30 فیصد ڈیٹا سائنس اور انجینئرنگ میں تھے۔

ماخذ: https://techcrunch.com/2024/04/05/tech-layoffs-2023-list/

تاہم، یہ ڈیٹا سائنس کا پھٹا ہوا بلبلہ نہیں ہے۔ یہ اس سے دائرہ کار میں تھوڑا چھوٹا ہے - یہ ایک ہے۔ وبائی بلبلا پاپنگ. 2020 میں، جیسے جیسے زیادہ لوگ گھر میں رہے، منافع میں اضافہ ہوا، اور پیسہ سستا ہوا، FAANG اور FAANG سے ملحقہ کمپنیوں نے ٹیک ورکرز کی ریکارڈ تعداد میں اضافہ کیا، صرف چند سال بعد ان میں سے بہت سے لوگوں کو نوکری سے فارغ کر دیا۔

اگر آپ زوم آؤٹ کرتے ہیں اور ملازمتوں اور چھانٹیوں کی وسیع تر تصویر کو دیکھتے ہیں، تو آپ دیکھ سکیں گے کہ وبائی امراض کے بعد کی کمی مجموعی طور پر ابھرتی ہوئی لکیر میں کمی ہے، جو اب ٹھیک ہونا شروع ہو گئی ہے:

ماخذ: https://www.statista.com/

آپ واضح طور پر 2020 کے دوران ٹیک کی چھانٹیوں میں زبردست کمی دیکھ سکتے ہیں کیونکہ مارکیٹ سخت ہو گئی تھی، اور پھر 1 کے Q2022 میں چھانٹی شروع ہونے کے ساتھ ہی زبردست اضافہ ہوا تھا۔ اب، 2024 میں، برطرفیوں کی تعداد 2023 کے مقابلے میں کم ہے۔

ملازمت کے مواقع

ایک اور خوفناک سٹیٹ جس کا اکثر ذکر کیا جاتا ہے وہ یہ ہے کہ FAANG کمپنیوں نے اپنی ملازمت کے مواقع کو 90% یا اس سے زیادہ بند کر دیا۔ ایک بار پھر، یہ وبائی امراض کے دوران ملازمت کے مواقع کی ایک بڑی تعداد کے ردعمل میں ہے۔

یہ کہا جا رہا ہے کہ، ٹیک سیکٹر میں نوکریوں کے مواقع اب بھی وبائی امراض سے پہلے کے مقابلے کم ہیں۔ ذیل میں، آپ فروری 2020 کے مقابلے میں ٹیک ملازمتوں کی مانگ کو ظاہر کرنے والا ایک ایڈجسٹ چارٹ دیکھ سکتے ہیں۔ یہ دیکھنا واضح ہے کہ ٹیک سیکٹر کو ایک دھچکا لگا ہے جس سے وہ جلد ہی ٹھیک نہیں ہو گا۔

ماخذ: https://www.hiringlab.org/2024/02/20/labor-market-update-tech-jobs-below-pre-pandemic-levels/

تاہم، آئیے کچھ حقیقی نمبروں کو تھوڑا قریب سے دیکھیں۔ نیچے دیے گئے چارٹ کو دیکھتے ہوئے، جب کہ ملازمت کے مواقع ان کے 2022 کی چوٹی سے بلاشبہ نیچے ہیں، کھلنے کی مجموعی تعداد درحقیقت بڑھ رہی ہے – نچلے ترین مقام سے 32.4% زیادہ۔

ماخذ: https://www.trueup.io/job-trend

بیانیہ

اگر آپ کسی بھی لیبر اور نیوز رپورٹس کو آن لائن دیکھیں تو آپ دیکھیں گے کہ اس وقت کچھ اینٹی ریموٹ، اینٹی ٹیک ردعمل ہو رہا ہے۔ میٹا، گوگل، اور دیگر FAANG کمپنیاں، اس سودے بازی کی طاقت سے خوفزدہ ہیں جس سے ملازمین وبائی امراض کے دوران لطف اندوز ہوتے تھے، اب دفتر سے واپسی کے مینڈیٹ پر زور دے رہے ہیں (ڈیٹا سائنس کی ملازمتیں اور دیگر ٹیک ملازمتیں اکثر دور دراز ہوتی ہیں) اور بڑی مقدار میں کام چھوڑ رہی ہیں۔ ملازمین کسی حد تک غیر ضروری طور پر، ان کی آمدنی اور منافع کی رپورٹ کے مطابق.

صرف ایک مثال دینے کے لیے، گوگل کی پیرنٹ کمپنی الفابیٹ پیچھا چھوڑ دیا 12,000 کے دوران 2023 سے زیادہ ملازمین اس کے اشتہار، کلاؤڈ، اور سروسز ڈویژنز میں ترقی کے باوجود۔

یہ صرف ایک پہلو ہے جس کے ساتھ ڈیٹا کی جانچ پڑتال کی جاتی ہے، لیکن کمپنیاں یہ چھانٹی کرنے کی وجہ کا ایک حصہ ڈیٹا سائنسدانوں کی ضرورت میں کمی کی بجائے بورڈ کو خوش کرنے کے لیے زیادہ ہے۔

مانگ

مجھے معلوم ہوا ہے کہ جو لوگ یقین رکھتے ہیں کہ ہم ڈیٹا سائنس کے بلبلے میں ہیں اکثر وہ لوگ ہوتے ہیں جو واقعی نہیں جانتے کہ ڈیٹا سائنسدان کیا کرتے ہیں۔ اس BLS اسٹیٹ کے بارے میں سوچیں اور اپنے آپ سے پوچھیں: یہ اچھی طرح سے باخبر سرکاری ایجنسی کیوں مانتی ہے کہ اس شعبے میں مضبوط ترقی ہے؟

اس کی وجہ یہ ہے کہ ضرورت ڈیٹا سائنسدانوں کے لئے دور نہیں جا سکتا. جب کہ نام تبدیل کیے جا سکتے ہیں – ڈیٹا سائنسدان کے بجائے AI ماہر یا ML کلاؤڈ سپیشلسٹ – ڈیٹا سائنسدانوں کی مہارت اور کام کو آؤٹ سورس، ڈراپ، کم یا خودکار نہیں کیا جا سکتا۔

مثال کے طور پر، پیشین گوئی کرنے والے ماڈلز کاروبار کے لیے فروخت کی پیشن گوئی، گاہک کے رویے کی پیشن گوئی، انوینٹری کا نظم کرنے، اور مارکیٹ کے رجحانات کا اندازہ لگانے کے لیے ضروری ہیں۔ یہ کمپنیوں کو باخبر فیصلے کرنے، مستقبل کے لیے حکمت عملی سے منصوبہ بندی کرنے اور مسابقتی فوائد کو برقرار رکھنے کے قابل بناتا ہے۔

مالیاتی شعبے میں، ڈیٹا سائنس مشکوک سرگرمیوں کی نشاندہی کرنے، دھوکہ دہی کو روکنے اور خطرات کو کم کرنے میں اہم کردار ادا کرتی ہے۔ اعلی درجے کی الگورتھم لین دین کے نمونوں کا تجزیہ کرتے ہیں تاکہ ان بے ضابطگیوں کا پتہ لگایا جا سکے جو دھوکہ دہی کی نشاندہی کر سکتے ہیں، کاروباروں اور صارفین کو یکساں طور پر تحفظ فراہم کرنے میں مدد کرتے ہیں۔

NLP مشینوں کو انسانی زبان کو سمجھنے اور اس کی تشریح کرنے کے قابل بناتا ہے، ایپلی کیشنز کو طاقت دیتا ہے جیسے چیٹ بوٹس، جذبات کا تجزیہ، اور زبان کے ترجمہ کی خدمات۔ یہ کسٹمر سروس کو بہتر بنانے، سوشل میڈیا کے جذبات کا تجزیہ کرنے اور عالمی مواصلات کو آسان بنانے کے لیے اہم ہے۔

میں درجنوں مزید مثالوں کی فہرست دے سکتا ہوں جو یہ ظاہر کرتے ہیں کہ ڈیٹا سائنس کوئی رجحان نہیں ہے، اور ڈیٹا سائنسدانوں کی ہمیشہ مانگ رہے گی۔

ایسا کیوں محسوس ہوتا ہے کہ ہم ایک بلبلے میں ہیں؟

پہلے سے اپنے قصے پر نظر ثانی کرنا، اس کی ایک وجہ یہ محسوس ہوتی ہے کہ ہم ایک ایسے بلبلے میں ہیں جو یا تو پاپ ہو رہا ہے یا پاپ ہونے والا ہے، ڈیٹا سائنس کا ایک کیریئر کے طور پر تصور ہے۔

2011 میں، ہارورڈ بزنس ریویو نے مشہور طور پر اسے دہائی کی سب سے سیکسی نوکری کہا۔ درمیانی سالوں میں، کمپنیوں نے اس سے کہیں زیادہ "ڈیٹا سائنسدانوں" کی خدمات حاصل کیں جو وہ جانتے تھے کہ ان کے ساتھ کیا کرنا ہے، اکثر اس بارے میں یقین نہیں رکھتے کہ ڈیٹا سائنسدانوں نے اصل میں کیا کیا۔

اب، ڈیڑھ دہائی بعد، میدان قدرے سمجھدار ہے۔ آجر سمجھتے ہیں کہ ڈیٹا سائنس ایک وسیع میدان ہے، اور وہ مشین لرننگ کے ماہرین، ڈیٹا پائپ لائن انجینئرز، کلاؤڈ انجینئرز، شماریات دان، اور دیگر خاصات کی خدمات حاصل کرنے میں زیادہ دلچسپی رکھتے ہیں جو وسیع طور پر ڈیٹا سائنس ہیٹ کے تحت آتے ہیں لیکن زیادہ مہارت رکھتے ہیں۔

اس سے یہ وضاحت کرنے میں بھی مدد ملتی ہے کہ بیچلر کی ڈگری کے بعد سیدھا چھ نمبر والی نوکری میں جانے کا یہ خیال کیوں ہوا کرتا تھا – چونکہ آجر بہتر نہیں جانتے تھے – لیکن اب ایسا کرنا ناممکن ہے۔ "آسان" ڈیٹا سائنس ملازمتوں کی کمی سے یہ محسوس ہوتا ہے کہ مارکیٹ سخت ہے۔ یہ نہیں ہے؛ اعداد و شمار سے پتہ چلتا ہے کہ ملازمت کے مواقع اب بھی زیادہ ہیں اور مناسب ڈگریوں کے ساتھ باہر آنے والے گریجویٹس کے مقابلے میں مانگ اب بھی زیادہ ہے۔ لیکن آجر زیادہ سمجھدار اور غیر تجربہ شدہ کالج کے گریڈز پر موقع لینے کو تیار نہیں ہیں جس کا کوئی تجربہ نہیں ہے۔

ڈیٹا سائنس کی ضرورت میں کمی نہیں آئی ہے اور نہ ہی اسے تبدیل کیا گیا ہے۔

آخر میں، آپ ان کاموں پر ایک نظر ڈال سکتے ہیں جو ڈیٹا سائنسدان کرتے ہیں اور اپنے آپ سے پوچھ سکتے ہیں کہ کمپنیاں ان کاموں کو کیے بغیر کیا کریں گی۔

اگر آپ ڈیٹا سائنس کے بارے میں زیادہ نہیں جانتے ہیں، تو آپ اندازہ لگا سکتے ہیں کہ کمپنیاں اس کام کو آسانی سے "خودکار" کر سکتی ہیں، یا اس کے بغیر بھی جا سکتی ہیں۔ لیکن اگر آپ ڈیٹا سائنسدانوں کے اصل کاموں کے بارے میں کچھ جانتے ہیں، تو آپ سمجھتے ہیں کہ یہ کام، فی الحال، ناقابل تلافی ہے۔

2010 کی دہائی میں چیزیں کیسی تھیں اس کے بارے میں سوچیں: وہ آدمی جس کے بارے میں میں نے بات کی تھی، ڈیٹا ٹولز کی صرف ایک بنیادی سمجھ کے ساتھ، اپنے آپ کو ایک منافع بخش کیریئر میں لے گیا۔ چیزیں اب ایسی نہیں ہیں، لیکن یہ ری کیلیبریشن پھٹتے ہوئے بلبلے کی علامت نہیں ہے جیسا کہ کچھ لوگوں کا خیال ہے۔ اس کے بجائے، یہ ڈیٹا سائنس کی پختگی کا میدان ہے۔ انٹری لیول ڈیٹا سائنس کا میدان بہت زیادہ ہو سکتا ہے، لیکن خاص مہارت، گہرا علم، اور عملی تجربہ رکھنے والوں کے لیے یہ میدان بہت کھلا ہے۔

مزید برآں، ایک "بلبلے" کی یہ داستان اس غلط فہمی کی وجہ سے پیدا ہوتی ہے کہ بلبلہ دراصل کس چیز کی نمائندگی کرتا ہے۔ ایک بلبلہ اس وقت ہوتا ہے جب کسی چیز کی قدر (اس معاملے میں، کیریئر کا شعبہ) اصل اندرونی قدر کی بجائے قیاس آرائیوں سے چلتی ہے۔ تاہم، جیسا کہ ہم نے احاطہ کیا، ڈیٹا سائنس کی قدر کی تجویز ٹھوس اور قابل پیمائش ہے۔ کمپنیوں کو ڈیٹا سائنسدانوں کی ضرورت ہے، سادہ اور سادہ۔ وہاں کوئی قیاس نہیں ہے۔

بڑی ٹیک میں چھانٹیوں کے ارد گرد بہت ساری میڈیا سنسنی خیزی بھی ہے۔ اگرچہ یہ برطرفی اہم ہیں، لیکن یہ ڈیٹا سائنس کے نظم و ضبط میں بنیادی خامی کے بجائے مارکیٹ کی وسیع تر قوتوں کی عکاسی کرتی ہیں۔ سرخیوں میں نہ پھنسیں۔

آخر میں، یہ بات بھی قابل توجہ ہے کہ بلبلے کا تصور اس بات سے پیدا ہو سکتا ہے کہ ڈیٹا سائنس خود کیسے بدل رہی ہے۔ جیسے جیسے میدان پختہ ہوتا جاتا ہے، کرداروں کے درمیان فرق زیادہ واضح ہوتا جاتا ہے۔ نوکری کے عنوان جیسے ڈیٹا انجینئرنگ، ڈیٹا تجزیہ، کاروباری ذہانت، مشین لرننگ انجینئرنگ، اور ڈیٹا سائنس زیادہ مخصوص ہیں، اور اس کے لیے زیادہ مخصوص مہارت کی ضرورت ہوتی ہے۔ یہ ارتقاء ڈیٹا سائنس جاب مارکیٹ کو اس سے کہیں زیادہ غیر مستحکم بنا سکتا ہے، لیکن حقیقت میں، کمپنیاں صرف اپنی ڈیٹا سائنس کی ضروریات کو بہتر سمجھتی ہیں اور اپنی خصوصیات کے لیے بھرتی کر سکتی ہیں۔

فائنل خیالات

اگر آپ ڈیٹا سائنس میں نوکری چاہتے ہیں تو اس کے لیے جائیں۔ اس بات کا بہت کم امکان ہے کہ ہم واقعی ایک بلبلے میں ہوں۔ سب سے بہتر کام جو آپ کر سکتے ہیں وہ ہے، جیسا کہ میں نے اشارہ کیا ہے، اپنی خاصیت کا انتخاب کریں اور اس شعبے میں اپنی صلاحیتوں کو فروغ دیں۔ ڈیٹا سائنس ایک وسیع میدان ہے، جو مختلف صنعتوں، زبانوں، ملازمت کے عنوانات، ذمہ داریوں اور بزرگوں میں پھیلا ہوا ہے۔ ایک خاصیت منتخب کریں، مہارتوں کو تربیت دیں، انٹرویو کے لیے تیاری کریں، اور ملازمت کو محفوظ بنائیں۔

نیٹ روزیدی ایک ڈیٹا سائنسدان ہے اور مصنوعات کی حکمت عملی میں۔ وہ تجزیات کی تعلیم دینے والے ایک منسلک پروفیسر بھی ہیں، اور StrataScratch کے بانی ہیں، ایک ایسا پلیٹ فارم جو ڈیٹا سائنسدانوں کو اعلی کمپنیوں کے حقیقی انٹرویو کے سوالات کے ساتھ ان کے انٹرویوز کی تیاری میں مدد کرتا ہے۔ Nate کیریئر کی مارکیٹ کے تازہ ترین رجحانات پر لکھتا ہے، انٹرویو کا مشورہ دیتا ہے، ڈیٹا سائنس پروجیکٹس کا اشتراک کرتا ہے، اور SQL کی ہر چیز کا احاطہ کرتا ہے۔

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
• پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
• پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://www.kdnuggets.com/is-data-science-a-bubble-waiting-to-burst?utm_source=rss&utm_medium=rss&utm_campaign=is-data-science-a-bubble-waiting-to-burst