Die 10 wichtigsten Gründe, Data Scientist zu werden

„Data Scientist“ scheint der derzeitige IT-Job zu sein. Aber wie viel von dem, was Sie gehört haben, ist Hype und Vermutung, und wie viel davon basiert auf Fakten? Wenn sich etwas zu gut anhört, um wahr zu sein, ist dies normalerweise wahrscheinlich der Fall. Die Nachfrage nach Datenwissenschaft erobert jedoch die Welt im Sturm, und große und kleine Unternehmen drängen darauf, Mitarbeiter zu finden, die Daten verstehen und synthetisieren können, und diese Ergebnisse dann auf eine Weise zu kommunizieren, die sich für das Unternehmen als vorteilhaft erweist. Nachfolgend sind die zehn wichtigsten Gründe aufgeführt, warum Sie eine Karriere in Data Science anstreben sollten.

# 1 Der Job Outlook

Erwarten Sie nicht, dass diese Blase bald platzt. Laut einem Bericht von McKinsey & Company werden die USA bis 2018 zwischen 140.000 und 180.000 Datenwissenschaftler weniger haben, als sie benötigen. Und der Mangel an Data-Science-Managern ist noch größer. Bis 2018 werden rund 1,5 Millionen Manager für Datenentscheidungen benötigt. Irgendwann wird sich das rasante Tempo, mit dem Arbeitgeber Datenwissenschaftlern nachgehen, verlangsamen, aber es wird nicht so bald passieren.

# 2 Die Gehälter

Laut einer Gehaltsumfrage von O'Reilly Data Science lag das jährliche Grundgehalt der Befragten in den USA bei 104.000 USD. Der technische Leitfaden von Robert Half gibt den Bereich zwischen 109.000 und 153.750 US-Dollar an. In der Burtch Works Data Science-Gehaltsumfrage liegt der Median des Grundgehalts zwischen 97.000 USD für Level 1-Mitarbeiter und 152.000 USD für Level 3-Mitarbeiter. Darüber hinaus beginnen die mittleren Boni bei 10.000 US-Dollar für Teilnehmer der Stufe 1. Zum Vergleich: Das US-amerikanische Amt für Arbeitsstatistik (BLS) gibt an, dass Anwälte einen durchschnittlichen Jahreslohn von 115.820 US-Dollar verdienen.   

# 3 Die Management-Gehälter  

Data-Science-Manager können fast genauso viel - und manchmal auch mehr - verdienen als Ärzte. Burtch Works gibt bekannt, dass Manager der Ebene 1 ein durchschnittliches jährliches Grundgehalt von 140.000 USD verdienen. Level 2-Manager verdienen 190.000 US-Dollar und Level 3-Manager 250.000 US-Dollar. Und das bringt sie in ziemlich gute Gesellschaft. Nach Angaben der BLS verdienen Kinderärzte, Psychiater und Ärzte für Innere Medizin einen durchschnittlichen Jahreslohn zwischen 226.408 USD und 245.673 USD. Ohne jahrelange medizinische Ausbildung, Aufenthalt und medizinische Schulden könnten Sie also mehr verdienen als die Person, die Ihr Leben auf dem Operationstisch in den Händen hält. Cool. Beängstigend, aber cool.   

Und wenn Sie die mittleren jährlichen Prämien einkalkulieren, verdienen Data Science-Manager viele Chirurgen über. Die durchschnittlichen jährlichen Boni für Manager der Stufen 1, 2 und 3 betragen 15.000 USD. 39.900 US-Dollar; bzw. 80.000 US-Dollar.

# 4 Die Arbeitsoptionen  

Als Datenwissenschaftler können Sie praktisch überall dort arbeiten, wo es Ihr Herz begehrt. Während 43% dieser Fachkräfte an der Westküste und 28% im Nordosten arbeiten, sind sie in allen Regionen des Landes und im Ausland beschäftigt. Sie könnten jedoch daran interessiert sein, dass die höchsten Gehälter in den USA an der Westküste liegen.

Und Sie wundern sich wahrscheinlich nicht, dass in der Technologiebranche die meisten Datenwissenschaftler beschäftigt sind, aber sie arbeiten auch in anderen Branchen, von Gesundheitswesen / Pharma über Marketing und Finanzdienstleistungen bis hin zu Beratungsunternehmen, Einzelhandel und CPG-Branchen. Tatsächlich arbeiten Datenwissenschaftler sogar für die Spielebranche und 1% für die Regierung.

# 5 Der Sexappeal  

Der renommierte Harvard Business Review bezeichnete den Data Scientist als den sexiesten Job der 21^st Jahrhundert. Wie um alles in der Welt ist das möglich? Lassen Datenwissenschaftler die Daten vor ihren Arbeitgebern auf sinnvolle Weise baumeln? Flüstern sie ihrem Arbeitgeber süße Algorithmen ins Ohr? Nein (zumindest glaube ich nicht), aber einige von ihnen arbeiten mit coolen Startups und auch mit Mammutunternehmen wie Google, LinkedIn, FaceBook, Amazon und Twitter. Im Wesentlichen liegt ihr Sexappeal in der Tatsache, dass jeder sie will, aber sie sind schwer zu erwerben.

# 6 Der Erfahrungsfaktor

"Erfahrung" ist wahrscheinlich eines der häufigsten Wörter in einer Stellenbeschreibung, und ehrlich gesagt, wollen Unternehmen normalerweise Mitarbeiter mit einer Tonne davon. Die Datenwissenschaft ist jedoch ein relativ neues Gebiet. Laut Burtch Works verfügen 40% der Datenwissenschaftler über weniger als 5 Jahre Erfahrung und 69% über weniger als 10 Jahre Erfahrung. Scrollen Sie zurück zu Grund 2: Gehälter, um die Löhne den Erfahrungsstufen anzupassen. Einzelne Beitragende der Stufe 1 verfügen in der Regel über eine Erfahrung von 0 bis 3 Jahren. Einzelne Beitragszahler der Stufe 2 verfügen in der Regel über 4 bis 8 Jahre Erfahrung, und einzelne Beitragszahler der Stufe 3 verfügen über mehr als 9 Jahre Erfahrung. 

# 7 Die Vielfalt der Undergraduate Majors

Da Data Science ein so neuer Studienzweig ist, bemühen sich viele Hochschulen, Bachelor-Studiengänge zu schaffen. In der Zwischenzeit kommen Datenwissenschaftler aus verschiedenen akademischen Bereichen, darunter Mathematik / Statistik, Informatik, Ingenieurwissenschaften und Naturwissenschaften. Einige Datenwissenschaftler haben auch Abschlüsse in Wirtschafts-, Sozial-, Wirtschafts- und sogar Medizinwissenschaften.

# 8 Die Vielfalt der Bildungsmöglichkeiten

Wenn Sie einen Online-Masterstudiengang in Data Science absolvieren, müssen Sie nicht den ganzen Tag in einem Klassenzimmer sitzen. Sie können von überall auf der Welt online Kurse belegen und dabei den Luxus genießen, in Ihrem eigenen Tempo zu lernen.  

# 9 Der Mangel an Wettbewerb

Es gibt nicht nur einen Mangel an Datenwissenschaftlern, sondern auch Fachleute aus anderen Bereichen, die nicht unbedingt auf dem neuesten Stand sein wollen. Laut einem kürzlich veröffentlichten gemeinsamen Bericht von Robert Half und dem Institute of Management Accountants suchen Arbeitgeber nach Buchhaltungs- und Finanzkandidaten, die Daten durchsuchen und extrahieren, wichtige Datentrends identifizieren und sich mit statistischen Modellen und Datenanalysen auskennen können. Aus dem Bericht geht jedoch hervor, dass die meisten Kandidaten für das Rechnungswesen und das Finanzwesen nicht über diese Fähigkeiten verfügen. Tatsächlich unterrichten viele Hochschulen Studierenden mit Hauptfach Finanzwissenschaft nicht einmal diese Analysestufe.