Analytici obchodní inteligence
Data o zaměstnanosti pro toto povolání nejsou konkrétně dostupná od Úřadu pro statistiku práce, proto používáme data od Data Scientists.
Lidé také zobrazili
Vypočítané riziko automatizace
Vysoké riziko (61-80%): Práce v této kategorii čelí významné hrozbě z automatizace, protože mnoho jejich úkolů lze snadno automatizovat pomocí současných nebo blízkých budoucích technologií.
Další informace o tom, co tento skóre je a jak se vypočítává, jsou k dispozici zde.
Anketa uživatelů
Naši návštěvníci hlasovali, že je pravděpodobné, že tato profese bude automatizována. Toto hodnocení je dále podpořeno vypočítanou úrovní rizika automatizace, která odhaduje 74% šanci na automatizaci.
Jaký si myslíte, že je riziko automatizace?
Jaká je pravděpodobnost, že Analytici obchodní inteligence bude během příštích 20 let nahrazen roboty nebo umělou inteligencí?
Nálada
Následující graf je zahrnut všude tam, kde je dostatečné množství hlasů pro vytvoření smysluplných dat. Tyto vizuální reprezentace zobrazují výsledky uživatelských anket v průběhu času a poskytují významný náznak trendů nálad.
Nálada v průběhu času (ročně)
Růst
Počet pracovních míst pro 'Data Scientists' se očekává, že se zvýší o 36,0% do roku 2033
Aktualizované projekce jsou splatné 09-2024.
Mzdy
V 2023 byla mediánová roční mzda pro 'Data Scientists' 108 020 $, což je 51 $ za hodinu.
'Data Scientists' byli placeni o 124,8% více než je národní mediánový plat, který činil 48 060 $
Objem
K 2023 bylo v Spojených státech zaměstnáno 192 710 lidí na pozici 'Data Scientists'.
Tohle představuje kolem 0,13% zaměstnané pracovní síly po celé zemi.
Jinými slovy, přibližně 1 z 787 lidí je zaměstnán jako 'Data Scientists'.
Popis práce
Vytvářejte finanční a tržní informace dotazováním datových úložišť a generováním pravidelných zpráv. Vymyslete metody pro identifikaci vzorců a trendů dat v dostupných informačních zdrojích.
SOC Code: 15-2051.01
Zdroje
Pokud uvažujete o zahájení nové kariéry nebo hledáte změnu práce, vytvořili jsme užitečný nástroj pro hledání práce, který by vám mohl pomoci získat tu dokonalou novou roli.
Komentáře
The bulk of my time as a BI analyst is spent on 2 things. The first is working with domain stakeholders without technical knowledge (marketers in my case). This can often be like herding cats. Lots of people will have lots of different opinions on what KPIs they want to track or how to track them. And often they don't really understand the data limitations of what we can and can't report on, so I need to be there to provide guidance. Much of my job is spent guiding these people along, often massaging their egos along the way, so that the wider group of people arrives at a consensus.
The second is ETL. Even with whole teams of data engineers and operations managers, data is very rarely centralised into a single and easy to understand model. I work with about half a dozen different types of data sources (from AWS to Google Sheets). Each of these have hundreds of different indexes and many of those indexes have hundreds of fields. A tiny fraction of these fields have any kind of documentation and so all you have to go on is the metadata and the name of the db managers who put it together. Actually tracking down the data you need requires getting really into the weeds and following up with multiple people to try to track down who actually knows where to find the data you're looking for. That's just nowhere near enough data for an AI to get a hold of the data it needs.
It is a field where people usually believe in other people rather than AI.
The ETL process is also a complicated, one which most AI is not nor ever may be able to handle, data needs to be cleaned and standardized before AI can take a crack at it, the "AI" and yes I have to put that in quotes does not understand the context of anything, it is a prediction model using gradient boosters that performs quite well under controlled circumstances, thrown into any critical thought role it starts to lose pace. Furthermore nobody who works in the AI space authoring models ands understands the inner workings of "AI" treats this as anything more than a highly sophisticated toy...maybe in another 10 years we can come back to this question and see if we should start to worry.
I spend half of my time maintaining, tweaking, and fixing automation jobs - these include dashboards, data sets, and database tables.
It requires a technical person who is also an expert in their business domain to translate business requirements into data or reports that others need.
Zanechte odpověď na tuto profesi.