İş Zekası Analisti
İstihdam verileri, İş İstatistikleri Bürosu'ndan bu meslek için özel olarak mevcut değil, bu yüzden verileri Data Scientists'dan kullanıyoruz.
İnsanlar ayrıca inceledi
Hesaplanmış otomasyon riski
Yüksek Risk (61-80%): Bu kategorideki işler, görevlerinin çoğu mevcut veya yakın gelecekteki teknolojiler kullanılarak kolayca otomatikleştirilebileceği için otomasyondan önemli bir tehditle karşı karşıyadır.
Bu puanın ne olduğu ve nasıl hesaplandığına dair daha fazla bilgi burada 'da mevcuttur.
Kullanıcı anketi
Ziyaretçilerimiz, bu mesleğin otomatikleştirileceği ihtimali üzerine oy kullandılar. Bu değerlendirme, otomasyon risk seviyesinin hesaplanması ile daha da desteklenmektedir, bu da otomasyonun %74% olasılığını tahmin eder.
Otomasyonun riski hakkında ne düşünüyorsunuz?
İş Zekası Analistiın önümüzdeki 20 yıl içinde robotlar veya yapay zeka tarafından değiştirilme olasılığı nedir?
Duygu
Aşağıdaki grafik, anlamlı veriler sunmak için yeterli miktarda oy bulunduğunda eklenir. Bu görsel temsiller, kullanıcı anket sonuçlarını zaman içinde göstererek duygu eğilimlerine dair önemli bir gösterge sağlar.
Zaman içindeki duygu durumu (yıllık)
Büyüme
'Data Scientists' iş ilanlarının sayısının 2033 yılına kadar 36,0% artması bekleniyor.
Güncellenmiş projeksiyonlar 09-2024 tarihinde teslim edilmelidir..
Ücretler
2023 yılında, 'Data Scientists' için medyan yıllık ücret $108.020 idi, yani saat başına $51.
'Data Scientists' ulusal medyan ücretin, $48.060 olduğu yerde, %124,8% daha yüksek bir ücret aldılar.
Hacim
2023 itibariyle Amerika Birleşik Devletleri'nde 192.710 kişi 'Data Scientists' olarak istihdam edilmiştir.
Bu, ülke genelindeki istihdam edilen iş gücünün yaklaşık olarak %0,13%'ını temsil eder.
Başka bir deyişle, her 787 kişiden biri 'Data Scientists' olarak istihdam edilmektedir.
İş tanımı
Veri depolarını sorgulayarak ve periyodik raporlar oluşturarak finansal ve piyasa bilgileri üretin. Mevcut bilgi kaynaklarındaki veri desenlerini ve trendlerini belirleme yöntemleri geliştirin.
SOC Code: 15-2051.01
Kaynaklar
Yeni bir kariyere başlama veya iş değiştirme düşünceniz varsa, size mükemmel yeni rolü bulmanızda yardımcı olabilecek kullanışlı bir iş arama aracı oluşturduk.
Yorumlar
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.
Bu meslek hakkında bir yanıt bırakın