Analistas de Inteligencia Empresarial
Los datos de empleo no están disponibles específicamente para esta ocupación desde la Oficina de Estadísticas Laborales, por lo que estamos utilizando los datos de Data Scientists.
Las personas también vieron
Riesgo de automatización calculado
Alto Riesgo (61-80%): Los trabajos en esta categoría enfrentan una amenaza significativa por la automatización, ya que muchas de sus tareas pueden ser fácilmente automatizadas utilizando tecnologías actuales o de un futuro cercano.
Más información sobre qué es esta puntuación y cómo se calcula está disponible aquí.
Encuesta de usuarios
Nuestros visitantes han votado que es probable que esta ocupación se automatice. Esta evaluación se ve respaldada por el nivel de riesgo de automatización calculado, que estima una posibilidad del 74% de automatización.
¿Cuál crees que es el riesgo de la automatización?
¿Cuál es la probabilidad de que Analistas de Inteligencia Empresarial sea reemplazado por robots o inteligencia artificial en los próximos 20 años?
Sentimiento
El siguiente gráfico se incluye siempre que haya una cantidad sustancial de votos para generar datos significativos. Estas representaciones visuales muestran los resultados de las encuestas de usuarios a lo largo del tiempo, proporcionando una indicación importante de las tendencias de sentimiento.
Sentimiento a lo largo del tiempo (anualmente)
Crecimiento
Se espera que el número de ofertas de trabajo para 'Data Scientists' aumente 36,0% para 2033
Las proyecciones actualizadas se deben 09-2024.
Salarios
En 2023, el salario anual mediano para 'Data Scientists' fue de 108.020 $, o 51 $ por hora.
'Data Scientists' recibieron un salario 124,8% más alto que el salario medio nacional, que se situó en 48.060 $
Volumen
A partir de 2023, había 192.710 personas empleadas como 'Data Scientists' dentro de los Estados Unidos.
Esto representa alrededor del 0,13% de la fuerza laboral empleada en todo el país.
Dicho de otra manera, alrededor de 1 de cada 787 personas están empleadas como 'Data Scientists'.
Descripción del trabajo
Producir inteligencia financiera y de mercado consultando repositorios de datos y generando informes periódicos. Diseñar métodos para identificar patrones y tendencias de datos en las fuentes de información disponibles.
SOC Code: 15-2051.01
Recursos
Si estás pensando en comenzar una nueva carrera, o buscando cambiar de trabajo, hemos creado una útil herramienta de búsqueda de empleo que podría ayudarte a conseguir ese nuevo rol perfecto.
Comentarios
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.
Deja una respuesta sobre esta ocupación