🥇 Data Engineer und Data Scientist: Fähigkeiten und Verdienst

Zusammen mit Elena Gerasimova, Leiterin des Fachbereichs „Data Science und Analytics“ an der Netology setzen wir unsere Erkundung fort, wie Data Scientists und Data Engineers miteinander interagieren und wie sie sich unterscheiden.

Im ersten Teil haben wir die wesentlichen Unterschiede zwischen Data Scientist und Data Engineer erläutert..

In diesem Artikel sprechen wir darüber, über welche Kenntnisse und Fähigkeiten die Fachkräfte verfügen sollten, welche Ausbildung von Arbeitgebern geschätzt wird, wie die Vorstellungsgespräche ablaufen und wie viel Data Engineers und Data Scientists verdienen.

Was Data Scientists und Ingenieure wissen sollten

Eine relevante Ausbildung für beide Fachrichtungen ist Computer Science.

Jeder Datenexperte – ob Data Scientist oder Analyst – sollte in der Lage sein, die Richtigkeit seiner Schlussfolgerungen zu beweisen. Dazu ist es unerlässlich, Kenntnisse in Statistik und grundlegender Mathematik, die mit Statistik verbunden sind, zu haben..

Maschinelles Lernen und Werkzeuge zur Datenanalyse sind in der modernen Welt unverzichtbar. Sollte der Zugang zu gewohnten Tools fehlen, sind Fähigkeiten zum schnellen Erlernen neuer Werkzeuge sowie zum Erstellen einfacher Skripte zur Automatisierung von Aufgaben erforderlich..

Es ist wichtig zu betonen, dass ein Datenanalyst die Ergebnisse der Analyse effektiv kommunizieren muss. Dabei hilft ihm die Datenvisualisierung oder die Ergebnisse durchgeführter Studien und Hypothesenprüfungen. Fachleute sollten in der Lage sein, Diagramme und Grafiken zu erstellen, Visualisierungstools zu verwenden und Daten aus Dashboards zu verstehen und zu erklären.

Für einen Data Engineer stehen drei Bereiche im Mittelpunkt.

Algorithmen und Datenstrukturen. Es ist wichtig, Erfahrung in der Programmierung und im Umgang mit grundlegenden Strukturen und Algorithmen zu sammeln:

die Analyse der Komplexität von Algorithmen,
die Fähigkeit, verständlichen und wartbaren Code zu schreiben,
Batch-Verarbeitung,
Echtzeitverarbeitung.

Datenbanken und Datenspeicher, Business Intelligence:

Speicherung und Verarbeitung von Daten,
Entwicklung kohärenter Systeme,
Data Ingestion,
verteilte Dateisysteme.

Hadoop und Big Data. Die Menge an Daten wächst ständig, und in den nächsten 3–5 Jahren werden diese Technologien für jeden Engineer notwendig sein. Zudem:

Data Lakes,
Arbeiten mit Cloud-Anbietern.

Maschinelles Lernen wird überall eingesetzt, und es ist wichtig zu verstehen, welche geschäftlichen Herausforderungen es bewältigen kann. Man muss keine Modelle erstellen können (das erledigen Datenwissenschaftler), aber man sollte Kenntnisse über deren Anwendung und die entsprechenden Anforderungen haben.

Wie viel verdienen Ingenieure und Datenwissenschaftler?

Einkommen von Datenverarbeitungsingenieuren

In der internationalen Praxis liegt das Einstiegsgehalt in der Regel bei 100.000 $ pro Jahr und steigt mit der Erfahrung erheblich, so die Daten von Glassdoor. Darüber hinaus bieten Unternehmen oft Aktienoptionen und jährliche Boni von 5 bis 15 %.

In Russland liegt das Gehalt zu Beginn der Karriere normalerweise bei mindestens 50.000 Rubel in den Regionen und 80.000 in Moskau. In dieser Phase ist keine Erfahrung erforderlich, außer für das absolvierte Training.

Nach 1 bis 2 Jahren Berufserfahrung liegt das Gehalt bei 90 bis 100.000 Rubel.

Das Gehalt steigt auf 120 bis 160.000 Rubel nach 2 bis 5 Jahren. Faktoren wie die Spezialisierung früherer Unternehmen, Projektgröße, Erfahrung mit Big Data usw. spielen dabei eine Rolle.

Nach 5 Jahren Berufserfahrung ist es einfacher, Stellenangebote in verwandten Abteilungen zu finden oder sich auf spezialisierte Positionen zu bewerben, wie:

Architekt oder leitender Entwickler in einer Bank oder Telekommunikationsunternehmen – etwa 250.000 Rubel.

Im Pre-Sales-Bereich bei dem Anbieter, mit dessen Technologien Sie am intensivsten gearbeitet haben, liegt das Gehalt bei 200.000 Euro plus möglicher Bonus (1–1,5 Millionen Rubel).

Experten für die Implementierung von Unternehmensanwendungen wie SAP verdienen bis zu 350.000 Euro.

Einkommen von Data Scientists

Studie Marktforschungen des Unternehmens „Normale Studien“ und der Personalagentur New.HR zeigen, dass Data Science-Spezialisten im Durchschnitt ein höheres Gehalt erzielen als Analysten anderer Bereiche.

In Russland liegt das Einstiegsgehalt eines Data Scientists mit weniger als einem Jahr Erfahrung bei mindestens 113.000 Rubel.

Auch die Teilnahme an Ausbildungsprogrammen wird derzeit als Berufserfahrung anerkannt.

Nach 1–2 Jahren kann ein solcher Spezialist bereits bis zu 160.000 Rubel verdienen.

Für einen Mitarbeiter mit 4–5 Jahren Berufserfahrung steigt die Spanne auf bis zu 310.000 Rubel.

Ablauf von Vorstellungsgesprächen

Im Westen haben Absolventen von Berufsbildungsprogrammen im Durchschnitt 5 Wochen nach Abschluss ihr erstes Vorstellungsgespräch. Etwa 85% finden innerhalb von 3 Monaten einen Job.

Der Prozess der Vorstellungsgespräche für Stellen als Dateningenieur und Data Scientist unterscheidet sich praktisch nicht. Er besteht üblicherweise aus fünf Phasen.

Zusammenfassung. Kandidaten mit nicht-fachlichem Vorwissen (zum Beispiel aus dem Marketing) müssen für jedes Unternehmen ein detailliertes Anschreiben vorbereiten oder Empfehlungen von einem Vertreter dieses Unternehmens vorweisen.

Technischer Screening. Findet in der Regel telefonisch statt. Besteht aus ein bis zwei komplexen und ebenso vielen einfachen Fragen zu dem aktuellen Technologie-Stack des Arbeitgebers.

HR-Interview. Kann telefonisch stattfinden. In diesem Schritt wird die generelle Eignung und die Kommunikationsfähigkeit des Kandidaten überprüft.

Technisches Interview. Findet meistens persönlich statt. In verschiedenen Unternehmen variiert das Niveau der Positionen, und die Bezeichnungen können unterschiedlich sein. Daher werden an dieser Stelle speziell die technischen Kenntnisse getestet.

Interview mit dem technischen Direktor / Chefarchitekten. Ingenieure und Wissenschaftler sind strategische Positionen, und für viele Unternehmen sind sie zudem neu. Es ist wichtig, dass der potenzielle Kollege dem Vorgesetzten gefällt und in seinen Ansichten übereinstimmt.

Was Wissenschaftlern und Ingenieuren im Karrierewachstum helfen kann

Es gibt inzwischen viele neue Werkzeuge zur Datenverarbeitung. Nur wenige beherrschen alle gleichermaßen gut.

Viele Unternehmen sind nicht bereit, Mitarbeiter ohne Berufserfahrung einzustellen. Allerdings können Kandidaten mit einer grundlegenden Basis und Kenntnissen über gängige Werkzeuge die nötige Erfahrung erwerben, wenn sie bereit sind, sich selbstständig weiterzubilden und zu entwickeln.

Wichtige Eigenschaften für Dateningenieure und Data Scientists

Lernbereitschaft und die Fähigkeit, zu lernen. Es ist nicht notwendig, sofort auf Erfahrung zu drängen oder den Job zu wechseln, nur um ein neues Werkzeug kennenzulernen, aber man sollte bereit sein, sich in ein neues Gebiet zu vertiefen.

Streben nach Automatisierung von Routineprozessen. Dies ist wichtig, nicht nur für die Produktivität, sondern auch für die Aufrechterhaltung hoher Datenqualität und die Geschwindigkeit der Lieferung an den Verbraucher.

Aufmerksamkeit und das Verständnis dafür, „was unter der Haube“ der Prozesse steckt. Ein Spezialist, der Erfahrung hat und die Prozesse genau kennt, wird ein Problem schneller lösen.

Zusätzlich zu ausgezeichneten Kenntnissen über Algorithmen, Datenstrukturen und Pipelines ist es notwendig, produktorientiert zu denken — die Architektur und Geschäftsentscheidungen als einheitliches Bild zu sehen.

Es ist beispielsweise nützlich, einen bekannten Dienst auszuwählen und dafür eine Datenbank zu entwickeln. Danach sollte man sich überlegen, wie man ein ETL und ein Data Warehouse (DW) erstellen kann, um sie mit Daten zu füllen, welche Nutzer es geben wird und was für sie wichtig ist, sowie wie Benutzer mit Anwendungen interagieren: bei der Jobsuche und bei Dating-Apps, Autovermietung oder Bildungsplattformen.

Die Positionen von Analysten, Data Scientists und Ingenieuren sind sehr ähnlich, daher kann der Wechsel von einem Bereich in den anderen schneller erfolgen als aus anderen Branchen.

In jedem Fall wird es Personen mit einem IT-Hintergrund leichter fallen als denen ohne. Im Durchschnitt wechseln motivierte Erwachsene ihren Beruf alle 1,5 bis 2 Jahre. Dies geht einfacher für diejenigen, die in Gruppen und mit Mentoren lernen, im Vergleich zu denen, die sich nur auf öffentliche Ressourcen stützen.