WiWi Gast schrieb am 03.01.2024:
Ich bin jetzt seit einem Jahr als Analytics Consultant bei einem IT Dienstleister angestellt. Dort mache ich praktisch alles von langweiligen Tableau Dashboards bauen bis hin zu Machine Learning Projekten. Mich würde interessieren in welche Richtung ich mich entwickeln sollte, um bei meinem Exit ein möglichst hohes Gehalt zu bekommen? Thematisch finde ich alles spannend. Also womit würde ich die beste Gruppierung / AT Gehalt bekommen?
- Data Engineer / Analyst / Scientist
- Data Architekt?
- Product Owner?
- Project Manager?
Danke für eure Einschätzung!
Bin Teamleiter Data Science und bei uns (DAX40) gibt es abgesehen von Analysten (entfällt bald durch genAI komplett) alle diese Rollen in Tarif & AT, je nach Einstufung (geht so von 60-140k). Wenn du mit den Top Leuten konkurrieren kannst, mach Data Scientist / ML Engineer. Sonst Fokus auf Data Engineer mit Cloud Skills auf GCP/AWS/Azure. Du wirst in beiden fällen weniger Konkurrenz haben als in PO/PM Rollen. Allerdings ist der Einstieg mit Erfahrung derzeit schwer, abgesehen von ein paar Spezialfällen wird der Nachwuchs eher über das Traineeprogramm und Dualis selbst gezogen.
Ich würde gerne die hier gemachte Aussage „Data Analysten Rollen entfallen bald durch genAI“ diskutieren - sehen das andere genauso oder gibt es hierzu andere Meinungen?
Entfallen? Nein. Rationalisierung? Ja. Es gibt zunehmend Lösungen, die auf Basis intelligenter Systeme das Analyisieren von Datenbergen unheimlich erleichtern. Dadurch wird die Nachfrage nach Vollzeit-Data-Analysten zurückgehen, aber bei weitem nicht verschwinden. Der Konkurrenzdruck wird aber zunehmen.
Komplett entfallen war von meiner Seite etwas übertrieben, aber ich kann heute niemandem ernsthaft empfehlen sich in diese Richtung zu spezialisieren. Es ist eine Schnittstellenrolle und erbringt eine Übersetzungsleistung zwischen Business und (Big Data-) IT.
a) Frage verstehen
b) Datenquellen auswählen
c) Code schreiben
d) Ergebnis visualisieren
Punkt b) macht man mit RAG aus dem Data catalog und alles andere kann ein Foundation Model.
Es gibt wie hier erörtert viele spannende und zukunftsträchtige Jobs im Datenumfeld aber der gehört nicht dazu.
Glaube ich nicht. Solche Systeme sind viel zu fehleranfällig als dass man mit ihnen zur Findung von zeitnahen und validen Entscheidungen heranziehen kann. Wir haben bei uns im Konzern ein Großprojekt in diesem Bereich seit April 2023 gefahren und sowohl in Eigenentwicklung als auch in Partnerschaft mit Start-Ups in diesem Bereich zusammengearbeitet und das Projekt wurde vor zwei Monaten eingestellt und wird nicht weitergeführt.
Die Fehleranfälligkeit solcher Systeme hat dazu geführt, dass alle Endanweder im Unternehmen dafür hätten sensibilierst werden müssen, dargestellte Werte viel genauer zu prüfen und zu hinterfragen. Produktives Arbeiten geht anders.
Außerdem wäre der Aufbau einer nicht zu vernachlässigenden Personenanzahl im Bereich Data Layer Pflege notwendig gewesen. Solche Systeme können zwar oftmals gute Antworten liefern, aber nur wenn dahinter ein gut gepflegtes und harmonisierter Metadaten-Layer steckt - eine Arbeit die auch nicht ins kostengünstige Ausland ausgelagert werden kann, da sich dahinter komplexe Business-Logik verbirgt. Weiterhin liefern solche Systeme nur bei wenig komplexen Fragestellungen eine Antwort; viele unsere Kennzahlen sind z.B. für verschiedene Abteilungen anders definiert und haben in der Produktion (Chemiebranche) sehr komplexe Berechnungslogiken, die dahinter stehen. Das sind nur einige der "Negativpunkte", die sich aus dem Jahr ergeben haben.
Langfristig werden solche Systeme oberflächliche Arbeiten abnehmen und vielleicht die Bottom 20% an Data Analysten ersetzen. Eine Bedrohung sind LLM-basierte Systeme aber bei Weitem nicht. Und das ist eine Einschätzung, die nicht nur für diesen Bereich gilt. Ein Großteil von GenAI-Projekten bei uns im Unternehmen werden nicht weiterverfolgt. Vieles hinter dem Thema ist nur Hype (durch gutes Marketing) und Panikmache.
antworten