leafwind

在日軟體工程師|廣告→媒體業|資料科學與工程 熱衷於數據解讀與分析|用哲學觀察科技與社會 加入TG寫寫村群組:https://t.me/chinese_writing|加入TG資料森友會群組:https://t.me/all_about_data|聯絡我:https://about.me/leafwind

資料森友會小普查:雇用錯置嚴重嗎?

發布於

前情提要

由於資料科學/工程/分析領域在台灣還算是相對新的領域,而且發展也不像國外那麼完整,所以我之前創了一個 資料森友會 TG 群組,對象包含:

  • 剛畢業想加入這個領域的新鮮人
  • 考慮轉職到這個領域的職場人士
  • 有相關經驗(資料科學家/工程師/分析師)的職場人士
  • 想知道業界資料科學/工程在做什麼的人

如果有興趣討論資料科學與工程的求職、轉職、職缺、職場經驗分享等話題,都歡迎加入,如果是在我能力與經驗範圍內的話題,我會在有空的時候參與討論,對於我無法回答的問題,期望未來有更多人進來互相討論分享。

普查問卷

創群沒多久我就發了一個問卷,當做瞭解大家的管道,現在群組內約有兩百位成員,這段時間內共收到了 30 份問卷回答,回收率不算高,一部分好像是因為後來加入 Telegram 的成員看不到公告內容。

不過因為當初有說會將匿名問卷的結果回饋給社群,不能讓大家的貢獻白費,於是就整理了一下結果,加上一些我的註解,以下是結果。

前半部分是調查工作經驗、國家、公司規模,後半則是針對雇用錯置進行簡單調查。

工作經驗大部分都在五年以內,跟我的想像一致。一方面當然是因為這個領域比較新,但我想也有部分是因為資深的業界人士太忙了,比較沒時間跟精力參加這種線上交流;相對地,剛踏入這個領域的人會比較有動機去探索各種資訊。


其中有 5/6 是台灣的工作,1/6 在海外。


這一題結果比較有趣,最多的居然是上千人規模的大公司,剩下分別是三種規模的中小型企業,反而 300~1000 人的公司很少。

我猜測 1~300 人的公司可能是以新創居多,所以會有這類職缺,而 1000 人以上不管是跨國企業,或是大型傳產,都會比起一般中型企業來得有資源投入這塊研發。


最多的是資料工程師與資料分析師,第三名是軟體工程師,第四是技術管理職。

這一題是為了跟上題作區別,詢問受訪者認為自己「真正」作的工作比較像哪個職位。

分佈跟上圖差異不大,比較值得提的是「資料科學家」跟「AI/ML工程師」(共三人)消失了,取而代之的是資料工程師、資料分析師、技術管理職與產品經理/專案經理增加。

這背後可能代表的原因是雇主用了「資料科學家」跟「AI/ML工程師」這類名稱,但實際上沒有那麼多的研究內容可以做。

雖然這三個人都不覺得自己在做資料科學與 AI,但也因為樣本只有三個,所以可能是我個人對結果的過度解讀,不見得具有代表性。

最多人的副工作內容就是資料工程師了,第二名是產品經理/專案經理,第三是資料分析師。也完全在預料之中,因為黑手水管工一直都是最缺的,而小團隊中通常作黑手的人又會被分配追進度、管理產品需求等雜務(即使產品經理是一項專業),然後順便弄弄報表作些分析,也是再常見不過的事情。

意外的是雖然這題大部分都認為蠻相符的,但下一個問題的回答卻看起來不是那麼一回事。因為沒有進一步資訊,有點難解釋。一個猜想是覺得跟職稱符合的人並沒有在下面填抱怨(笑)。

最後的自由回答題,多數是覺得對現況不太滿意才會留言,歸類下來最多不相關的原因大致是因為企業對於兩種人才職缺的認知可能有落差:

  1. Software Engineering (Data Engineer, Infrastructure, Backend)
  2. Management (技術/人力管理)

這其實也反應出了第一線人員認為高層是雇用錯置的現象,但如果真是如此,背後代表的更大問題就是:「企業可能其實不需要這些職缺」。

那也就不難想像,在這些職缺上工作的人,會比其他軟體工作的人更迷惘、更找不到自己的方向。

小結

看完以上問卷結果,你是否有相同/不同意見想要交流?或是也想要一起參與普查?歡迎加入 資料森友會 TG 群組 分享你自己的經驗。

為什麼資料科學「曾經」比資料工程流行?

為何資料工程人才難以培養?

1

看不過癮?

一鍵登入,即可加入全球最優質中文創作社區