Bagaimana Kita Melebihi Data Science Job Market

Anda pikir Anda akan mengembangkan model Machine Learning dan menghasilkan banyak uang. Namun, empat tahun kemudian Anda masih mencari pekerjaan di bidang data science. Kita akan membahas alasannya dan apa yang bisa Anda lakukan.

Apakah Anda kesulitan mencari pekerjaan di bidang data science saat ini? Saya melihat banyak orang mengeluh tentang pasar kerja. Ya, pasar kerja memang cukup buruk, tapi siapa yang membuatnya seperti itu? Ingat tahun 2020? Anda terjebak di rumah menelusuri LinkedIn, dan tiba-tiba tersadar: data science adalah masa depan! Gaji tinggi. Kerja jarak jauh. job security. Semuanya terdengar sempurna, kan?

Jadi, Anda berlangganan DataCamp seharga $10. Anda mengikuti tutorial YouTube dengan tekun. Anda menghabiskan waktu berjam-jam menghafal cara menyesuaikan dan mentransformasi dataset. Setahun kemudian, GitHub Anda penuh dengan dataset Titanic dan tidak ada lowongan pekerjaan. Siapa sangka Anda bukan satu-satunya yang punya ide serupa?

Pasar kerja untuk data science kini bagaikan neraka, dipenuhi orang-orang yang termakan sensasi, mengira satu kursus daring akan menjadikan mereka ilmuwan data dan pakar yang akan berpenghasilan jutaan dolar begitu saja. Saat ini, kita semua bersaing untuk mendapatkan sisa-sisa.

Jalur Bootcamp menuju Pengangguran

Banyak orang di industri teknologi mengklaim bahwa siapa pun bisa menjadi data scientist hanya dalam 6 bulan... buang saja, 3 bulan... tidak, buang saja, 1 bulan... tidak, buang saja, dua minggu. Buang saja, buang saja, buang saja. Itu semua omong kosong! Dan Anda percaya!

Bootcamp bermunculan bagai rumput liar, menjanjikan gaji jutaan dolar dengan sertifikat dan beberapa proyek. Hasilnya? Kebanyakan kandidat memiliki kredensial umum, berkat program seperti Coursera dan DataCamp, dan banyak yang kurang memiliki keterampilan kerja praktis. "Oh, Anda menyelesaikan kursus Andrew Ang? Anda pasti orang ke-sejuta yang menyelesaikannya tahun ini!"

Dan mari kita bersikap nyata, setengah dari kita tidak dapat menjelaskan perbedaan antara mean dan median tanpa mencarinya di Google.

Bagaimana Kita Membunuh Pasar Kerja

Jujur saja: kita adalah bagian dari masalah. Hambatan untuk memasuki ilmu data sangatlah rendah. Yang Anda butuhkan hanyalah laptop dan kemampuan untuk mencari di Google "apa itu ilmu data?". Dan karena itu, kita membanjiri pasar.

Tahukah Anda apa yang dilihat manajer perekrutan sekarang? Lautan resume yang semuanya terlihat sama. Semua orang punya daftar Python, panda, dan SQL. Semua orang punya GitHub yang penuh dengan kompetisi Kaggle. Semua orang "bersemangat tentang AI". Tapi, tunggu, bagaimana dengan model prediksi bertahan hidup Titanic Anda yang unik? Oh, yang menggunakan sns.pairplot() untuk memvisualisasikan semuanya? Sungguh inovatif.

Inilah kenyataan pahitnya: kita membuat diri kita sendiri tidak bisa dipekerjakan. Perusahaan tidak ingin mempekerjakan seseorang yang hanya tahu cara menggunakan .describe() pada DataFrame. Mereka menginginkan pengalaman nyata, pengetahuan domain, dan keterampilan tingkat lanjut. Dan jangan lupa, perusahaan semakin mengotomatiskan pekerjaan yang telah kita latih.

Realitas Brutal Pekerjaan “Entry-Level”

Mari kita bahas fantasi pekerjaan ilmuwan data "tingkat pemula". Berita singkat! Pekerjaan seperti itu tidak ada. Inilah kenyataannya. Sebagian besar posisi ilmuwan data "tingkat pemula" membutuhkan hal ini.

Oh, dan jika Anda cukup beruntung untuk mendapatkan wawancara, coba tebak? Anda akan diinterogasi tentang algoritma , struktur data, dan teori pembelajaran mesin. Separuh dari kita hampir tidak bisa menjelaskan regresi logistik tanpa panik, apalagi memecahkan tantangan pengkodean.

Dampaknya

Lalu, apa yang terjadi pada ribuan orang yang tidak bisa masuk ke ilmu data? Mereka beralih haluan. Beberapa akhirnya bekerja sebagai analis data, membersihkan lembar Excel dengan gaji $50.000 per tahun. Yang lain menyerah dan kembali ke pekerjaan lama mereka, kini berbekal sertifikat pembelajaran mesin yang tak berguna. Sisanya bekerja keras di Fiverr atau Upwork, menjual "jasa visualisasi data" seharga $10 per lembar.

Ini bukanlah karier glamor dengan gaji enam digit seperti yang dijanjikan kepada kita.

Cara Memperbaiki Kekacauan Ini (Jika Itu Mungkin)

Nah, jika Anda masih berpegang teguh pada impian ilmu data, inilah kenyataan pahitnya: Anda perlu meningkatkan diri. Tidak ada lagi jalan pintas. Tidak ada lagi anggapan bahwa bootcamp akan menyelamatkan Anda.

Yang Anda butuhkan adalah ini.

1. Keahlian khusus. Berhentilah menjadi generalis. Pelajari MLOps, rekayasa data, atau sesuatu yang khusus seperti peramalan deret waktu.

2. Proyek nyata. Tidak ada lagi kumpulan data Titanic atau pengklasifikasi digit MNIST. Bangun sesuatu yang memecahkan masalah dunia nyata.

3. Keterampilan Lunak. Kebanyakan dari kita tidak bisa berkomunikasi dengan baik dalam wawancara. Pelajari cara menjelaskan pekerjaan Anda tanpa terdengar seperti sedang membaca Stack Overflow.

Selain itu, mari kita bicara jujur. Beberapa dari Anda perlu mendengar ini: jika Anda tidak memiliki latar belakang matematika atau teknik yang kuat, mungkin ini bukan karier yang tepat untuk Anda. Dan itu tidak masalah; beralihlah ke bidang yang setara, seperti pengembangan perangkat lunak atau intelijen bisnis.

Kesimpulan

Jadi, apakah ilmu data sudah mati? Belum sepenuhnya. Tapi bagi mereka yang belajar otodidak, ilmu data sudah... hampir mati. Pasar kerja sudah terlalu jenuh, dan kalian semua bersaing untuk mendapatkan lapangan kerja yang semakin menipis.