Affärsintelligensanalytiker
Anställningsdata är inte specifikt tillgänglig för detta yrke från Bureau of Labor Statistics, så vi använder data från Data Scientists.
Personer tittade också på
Beräknad automatiseringsrisk
Hög risk (61-80%): Jobb i denna kategori står inför ett betydande hot från automatisering, eftersom många av deras uppgifter lätt kan automatiseras med nuvarande eller nära framtida tekniker.
Mer information om vad detta betyg är, och hur det beräknas finns tillgängligt här.
Användarundersökning
Våra besökare har röstat för att det är troligt att detta yrke kommer att automatiseras. Detta bedömning stöds ytterligare av den beräknade automationsrisknivån, som uppskattar 74% chans för automation.
Vad tror du är risken med automatisering?
Vad är sannolikheten att Affärsintelligensanalytiker kommer att ersättas av robotar eller artificiell intelligens inom de närmaste 20 åren?
Känsla
Följande graf inkluderas där det finns en betydande mängd röster för att ge meningsfull data. Dessa visuella representationer visar användaromröstningsresultat över tid och ger en viktig indikation på sentimenttrender.
Känslor över tid (årligen)
Tillväxt
Antalet 'Data Scientists' lediga jobb förväntas att öka med 36,0% till 2033
Uppdaterade prognoser beräknas 09-2024.
Löner
I 2023 var den medianårliga lönen för 'Data Scientists' 108 020 $, eller 51 $ per timme.
'Data Scientists' betalades 124,8% högre än den nationella medianlönen, som låg på 48 060 $
Volym
Från och med 2023 var det 192 710 personer anställda som 'Data Scientists' inom USA.
Detta representerar cirka 0,13% av den anställda arbetskraften i hela landet
Sagt på ett annat sätt, runt 1 av 787 personer är anställda som 'Data Scientists'.
Arbetsbeskrivning
Produktionsfinansiell och marknadsinformation genom att fråga dataarkiv och generera periodiska rapporter. Utforma metoder för att identifiera datamönster och trender i tillgängliga informationskällor.
SOC Code: 15-2051.01
Resurser
Om du funderar på att starta en ny karriär, eller vill byta jobb, har vi skapat ett praktiskt jobbsökverktyg som kanske kan hjälpa dig att hitta den perfekta nya rollen.
Kommentarer
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.
Lämna ett svar om detta yrke