Salah satu yang paling penting, karena pemimpin senior saya menyatakan bahwa dia mengalami kesulitan tidur.

Namun, “nyarinya susah” tidak berarti “siapa saja bisa masuk asal mau”, tetapi bahwa “yang paling berbakat saja belum tentu cocok untuk pekerjaan, apalagi yang moderat berbakat.”
Pertanyaan berikutnya, kenapa bisa, “yang paling qualified aja belum tentu fit for the works, apalagi yang moderately qualified?”

Karena gini,

Kesimpulannya 2,

1. Ilmuwan data besar itu umbrella term yang banyak bidangnya. Mereka termasuk analis, manajemen dan rekayasa basis data, dan pemodelan prediktif. Tapi dari pengalaman saya, business analyst adalah satu-satunya jenis analis yang lebih terfokus pada domain daripada tekniknya. Selebihnya, misalnya marketing analyst, akan lebih banyak Anda bermain di data integration engineering daripada nganalisis user behavior, dll.-nya. Di sinilah anak yang gak terbiasa ngoprek API sejak kuliah bakalan butuh waktu lebih dari 2 tahun sampao terbiasa di luar kepala. Lain sama SQL, SEO, dll. yang bisa di luar kepala di bawah 3 bulan
2. Apakah ilmuwan data besar lucrative? Relatif. Misalnya saja dalam dunia marketing. Dibanding sales canvasser jelas ilmuwan data besar lucrative. Tapi ilmuwan data besar adalah supporting system. Misalnya product marketing analyst yang menyupport product marketing dan product manager. Dia lucrative? Of course yes. Tapi apakah se-lucrative product marketing atau product manager-nya itu sendiri? Not even close. Contoh lainnya CRM analyst vs relationship manager, risk analyst vs risk manager, dll.

Saran dari saya 2,

1. Benar, ada banyak peluang pekerjaan.
2. Sulit untuk melihatnya karena Anda harus sangat tertarik dengan data integration engineering.Jika tidak, Anda akan kesal jika pekerjaan yang Anda bantu lebih menguntungkan, tetapi membutuhkan keahlian teknik yang lebih rendah.