4 כישורי חובה בתחום הדאטה שעל פי LinkedIn ייסיעו לכם למצוא עבודה בשנת 2021

בשנים האחרונות הפכה רשת ה-LinkedIn (לינקדאין) למנוע מוביל בחיפושי עבודה וחיפוש עובדים. ללא ספק חברות הייטק רבות וחברות ממגזרים נוספים מפרסמים משרות בפלטפורמה זו ומצליחים לגייס עובדים איכותיים. לצד קבלת פניה מהמועמדים, הפלטפורמה מאפשרת למגייסים לקבל מידע רב, הרבה מעבר לקו”ח. לא סתם, חברות רבות מאפשרות הגשת מועמדות לתפקיד דרך הלינקדאין עצמו ולא רק ע”י גישה למערכת הגיוס של אותן החברות.

linkedin

פרופיל המועמד מספר את סיפור חייו בצד המקצועי אך אפשר להסיק תובנות רבות מנראות הפרופיל, מעושר המידע, מהמלצות עליו ועל אחרים, מספר connections ועוד.

כמעצמה, לינקדאין מפרסמת מדי שנה דוחות רלוונטים על התפקידים המבוקשים ביותר, ובכך מאפשרת לעצמה לתת תחזית מה יקרה בשנה העוקבת.

עדכון מעניין הנוסף שלינקדין מוציאים הוא רשימת הכישורים הרכים וה”קשים” (טכניים) המבוקשים ביותר בשוק העבודה.

החברה השתמשה בנתונים של יותר מ- 660 מיליון אנשי מקצוע ברשת ובמעל 20 מיליון משרות דרושים בכדי לקבוע את הכישורים הנדרשים.

כך היה עבור שנת 2019, ובעבור שנת 2020 וכעת אנו מחכים בקוצר רוח לעדכון עבור שנת 2021. אבל בינתיים אם נתעמק בשני המאמרים, נראה שהכישורים הטכניים בתחום הדאטה והטכנולוגיה חוזרים על עצמם ויוצאים מנקודת הנחה שגם השנה נראה אותם בדיווח. תחום הדאטה ממשיך להיות התחום החם ביותר והמדובר ביותר, וללא ספק יותר ויותר ארגונים בונים את האסטרטגיה העסקית שלהם על בסיס הנתונים שנאגרו – הארגונים הללו הפכו להיות Data-Driven Companies.

זה בהחלט לא קל להבחין אילו מיומנויות חברות מעדיפות, ומה גורם לקו”ח שלך ולא של מישהו אחר – להתבלט ולבלוט מול המגייסים. אבל זאת גם בדיוק הסיבה מדוע לינקדאין מנצלת את הכוח של הדאטה שלה בבניית roadmap למוצר החזק שלה – שוק העבודה.

בכדי להגדיר את הכישורים המבוקשים ביותר, לינקדאין התמקדה בכישורים שהם מבוקשים מאוד ביחס להיצע שלהם. הביקוש נמדד באמצעות זיהוי המיומנויות המופיעות בפרופילי הלינקדאין של אנשים המתקבלים לעבודה.

אז אם נחזור לרשימת הכישורים שיובילו אתכם להצלחה בחיפוש אחר תפקיד החלומות, נתייחס לכמה מהם שרלוונטיים לתחום הדאטה.

Business analysis

חשיבה אנליטית ועסקית, יחד עם מיומנות וכישורי דאטה – הופכים כל מועמד ליקר ערך עבור כל ארגון. ישנם המון משרות לתפקידי אנליסט עסקי הדרושים יכולות אנליטיות וכישורים טכניים התומכים במימוש וביישום שלהן בשטח.

מבחינה טכנית, אם בעבר בעלי התפקידים במחלקות העסקיות של הארגון (פיננסי, שיווק, מכירות, תפעול, משא”ב) דרשו לכל היותר עבודה עם אקסל, כיום זה כבר לא מספיק, הארגונים שמבססים את החלטותיהם על נתונים דורשים שכל בעלי התפקידים יגיעו לתפקיד עם כישורים טכניים לעבודה עצמאית על הדאטה הארגוני.

התפקידים הללו כיום דורשים ידע בשפת SQL (על מנת לשלוט בשליפת נתונים רלוונטיים לשאלות עסקיות), יכולות עיבוד, תחקור וניתוח נתונים בכלים המתקדמים יותר מאקסל, כגון PowerBI, Tableau  ואחרים.

כמובן שאקסל הוא עדיין הכלי הפופולרי ביותר ונדרשת יכולת מקצועית בעבודה עם אקסל.

את הכישורים הללו ניתן לרכוש במסלול הכשרה יעודי שנבנה עבור בעלי תארים בתחומים רכים (כלכלה, משא”ב, תקשורת, ניהול) – Business Analyst.

ניתן ללמוד גם את הכלים הרלוונטיים בקורסים נפרדים:

לצד התפקיד של אנליסט עסקי, ישנה גם עליה בדרישה לתפקיד דאטה אנליסט בעל ידע מתקדם בחברות עתירות דאטה וחברות הייטק. דרישות התפקיד כוללות גם ידע חזק בשפת פייתון, יכולות מחקר, יכולות עבודה עם Datasets גדולים ויכולות אנליזה של נתוני Big Data.

על מנת לענות על הדרישות למשרה זו, בנינו מסלול הכשרה מתקדם לאנליסטים שלרוב כבר יודעים שפת SQL.

במסגרת המסלול אנחנו מציעים לימוד של שפת SQL ברמה מתקדמת יותר, לימוד של כלי ויזואליזציה מוביל ושכיח בחברות הייטק – Tableau, לימוד ממושך ומעמיק של שפת פייתון, מודול סטטיסטיקה השימושי לעבודה על נתונים וכמובן ניתוח נתוני Big Data  בסביבה של Hadoop.

בכדי להסביר לעומק את השינויים והדרישות בתפקיד זה פרסמנו סדרה של 4 מאמרים העוסקים בתחום. –התחילו מהראשון 😊

עיינו בפרטים של מסלול ההכשרה ההייטקיסטי ביותר – Data Research Analyst.

Data Research Analyst - אנליסט נתונים

Artificial Intelligence

אין ספק שכבר מספר שנים תחום ה- AI הוא התחום המדובר ביותר בעולם הדאטה. התפקיד של Data Scientist הוכתר כ”תפקיד המבוקש ביותר עבור המאה ה-21″ והתפקיד עוד ממשיך להוביל.

דרישות התפקיד מתחדדות, תיאור התפקיד מתחדד, החברות מבינות את תפקידו של ה- Data Science, את דרכי ההטמעה של תהליכי ה- Data Science וכיצד לעשות אינטגרציה נכונה עם בעלי תפקידים נוספים בארגון.

יחד עם זאת, עדיין מדובר בתפקיד שאינו קל להשגה, הוא דורש נסיון רלוונטי קודם, לרוב נדרש תואר מתקדם בתחומים מדויקים (PhD), ובפועל לא מעט משרות דורשות שילוב בין ידע מתחומים נוספים כמו אנליזה הקלאסית ליכולות Data Engineering.

עם כל הרצון הטוב של חברה להכיל בתפקיד אחד הרבה כישורים והתמחויות, עדיין כישורי הליבה של התפקיד נשארים ללא שינוי. התפקיד דורש יכולות גבוהות בתכנות, בעיקר בשפת פייתון, וידע טוב ב-Machine Learning.

אנחנו מציעים את מסלול ההכשרה המוביל שלנו – Practical Data Science, שיצא לשוק לראשונה בשנת 2015 ונכון להיום הרצנו למעלה מ-30 מחזורים לקהל הפרטי ולארגונים שונים. מדובר במסלול הכשרה פרקטי, מעשי ומאוד ממוקד. ה-“אני מאמין” של נאיה קולג’ הוא לספק הכשרה פרקטית וממוקדת על מנת להכשיר את העובד לתפקיד של Data Scientist בארגון במטרה להיקלט במחלקות הדאטה ולהציע יכולות בניית מודל הרווחי והמתאים ביותר למטרות העסקיות של הארגון.

למסלול זה ניתן להירשם גם באופן מודולרי, לרוב ישנם לקוחות שכבר עובדים עם שפת פייתון, מנוסים בעבודה על נתונים והצורך העכשווי שלהם הוא ידע בנושא Machine Learning. במקרים אלו – נרשמים לקורס החל ממודול ML ואינם מחויבים ללמוד שפת פייתון שעובדים איתה במהלך היום-יום.

ישנם גם מקרים הפוכים, לקוחות המעוניינים ללמוד לעומק את שפת הפייתון, ללמוד יכולת שליפה ועיבוד נתונים באמצעות השפה ואינם זקוקים לידע ב-Machine Learning, במקרים אלו – הנרשמים לקורס יכולים נדרשים רק למודול פייתון של 140 שעות לימוד עם שני פרויקטים.

באופן כללי, מסלול ההכשרה המלא מכיל 5 פרויקטים העולים בהדרגה ברמת הקושי וברמת המורכבות. אנחנו גאים בסטודנטים ובבוגרים שלנו שאף ניגשים לתחרות בינלאומית בתחום – Kaggle וזוכים במקומות יפים.

מהבחינה הפרקטית, מטרת הקורס להוציא בוגרים המסוגלים לבנות פרויקט ברמה של תחרויות Kaggle.

הכנו עבורם סדרה של מאמרים העוסקים בתחום זה. להלן רק חלק מהם:


Scientific computing

תפקידי הפיתוח הם ללא ספק תמיד יהיו בטופ 10, אך מה שקורה לפחות בעשור האחרון הוא שילוב של יכולות פיתוח בתחום הדאטה. האבולוציה של התפתחות תחום הדאטה, כבר מספר שנים דורשת בו בזמן יכולות טכניות בתחום הדאטה לצד יכולות תכנות.

בסעיך קודם דיברנו על תחום AI – שלא ניתן לעבוד בו ללא ידע חזק בפייתון. לפניו דיברנו על תחום אנליזה – שלא ניתן לעבוד בו ללא ידע בשפת SQL.

אם נדבר על תחום Big Data נראה שילוב חזק של שפות נוספות כגון:Java, Scala  שהן שפות Object Oriented. בשנים אחרונות אנחנו רואים כיצד אנשי הדאטה בתפקידים מסורתיים כמו BI, DBA, Analysis, נדרשים לרכוש ידע בשפות עיליות על מנת להתקדם לתפקידים הבאים והחדשים בתחומים הללו: Big Data Engineer, Big Data Developer.

קראו עוד על תחום Big Data  במאמר הבא.

אנחנו מציעים קורסים מגוונים למספר שפות המשתלבות בתחום הדאטה שציינו קודם.

קורס פייתון

קורסי Java

קורס Scala

קורס R

ועוד.

Cloud and distributed computing

אומנם תחום זה אינו שייך לעולמות הדאטה באופן ישיר,אך טכנולוגיות הענן משתלבות בתחומים רבים, בין היתר בתחום הדאטה לאחר שארגונים רבים מעבירים את השירותים ואת הסביבות הטכנולוגיות שלהם לסביבות הענן.

זו הסיבה שכאשר מדובר בתפקידים מתקדמים כגון Big Data Developer/Big Data Engineer – נושא הענן הוא סופר קריטי וזה אחד המודולים החשובים בקורסים שלנו.

כיום ידע ונסיון בעבודה בענן הינן דרישות חובה, גם בתחום ה- Devops. אנשי ה- Devops דואגים לתהליכי אינטגרציה בין פיתוח לאופרציה/מוצר, ובעיקר נראה אותם בחברות הייטק. לכן המעבר לסביבת הענן דורש מיומנויות וידע איך להרים את הסביבות בענן.