Data scientist =
podatkovni znanstvenik, stručnjak za podatke
Data scientist, odnosno, znanstvenik podataka stručnjak je za podatke.
Zanimanje je koje se nalazi na sjecištu tehnologije, matematike i poslovnih odluka. Njegova je uloga razumjeti podatke i pretvoriti ih u uvide koji mijenjaju poslovanje.
A podaci s kojima rade mogu biti svakakvi. Sirovi, nestrukturirani i složeni.
U svom radu podatkovni znanstvenik proučava obrasce, ponašanja, tržišne trendove, kvarove u proizvodnji, rizike u financijama, korisničke navike ili zdravstvene pokazatelje.
Podatkovni znanstvenik čisti podatke, modelira ih, primjenjuje statističke metode i strojno učenje, dizajnira prediktivne modele te rezultate pretvara u preporuke koje donose mjerljivu vrijednost.
Mogli bismo reći da se radi o zanimanju koje ruši granice.
U svakodnevnom radu može predvidjeti kada će korisnik otkazati uslugu, koliko hrane treba supermarketu za Uskrs, koje automobile će se najviše iznajmljivati, koliku energiju će elektrana potrošiti ili hoće li klijent vratiti kredit
Često se radi o poslu u kojem jedna dobra analiza vrijedi više od mjeseca rad
Pokrivamo IT sektor svojim oglasima. Pogledajte koji su trenutno otvoreni!
Pronađite svoj oglas za posao!
Kako postati podatkovni znanstvenik
Put prema ovom zanimanju može biti linearni (formalno obrazovanje) ili nelinearni (učenje iz industrije).
Najčešće formalne podloge su:
matematika
statistika
informatika
računarstvo
računalno inženjerstvo
ekonomija /
fizika ili elektrotehnika
Sve su studije koje treniraju mozak da radi s apstrakcijom, logikom i kompleksnim problemima dobar ulaz u ovaj svijet.
Izvan formalnog obrazovanja, postoji veliki broj podatkovnih znanstvenika koji su samouki ili su prošli bootcamp programe, specijalizirane akademije, tečajeve i mentorstva.
Nije bitna diploma, nego vještine, projekti i sposobnost donošenja rezultata.
U realnosti tržišta, poslodavci češće gledaju:
GitHub portfolio
sudjelovanje u Kaggle natjecanjima
prošle projekte u analitici
sposobnost obrade i pripreme podataka
korištenje ML biblioteka (PyTorch, TensorFlow, scikit-learn)
razumijevanje realnog konteksta
Gdje rade podatkovni znanstvenici?
Zanimanje se pojavljuje u gotovo svim sektorima koji imaju podatke.
Znači, mogu raditi svugdje i bilo gdje!
Financije i bankarstvo: otkrivanje prijevara, kreditni rizici, prediktivni modeli.
Telekomunikacije: segmentacija korisnika, preporuke tarifa.
E-commerce i marketing: preporučivanje proizvoda, personalizacija, prediktivna prodaja.
Zdravstvo: dijagnostika, medicinski algoritmi, predikcija ishoda terapija.
Industrija i energetika: prediktivno održavanje, optimizacija proizvodnje.
Transport i logistika: optimizacija ruta, predikcija potražnje, upravljanje flotama.
Gaming: analitika igrača, balansi ekonomije igre.
Državne institucije i istraživački instituti: populacijska analiza, javne politike, demografija.
Tvrde (tehničke) vještine
Data scientist mora znati raditi s kodom, matematikom i modelima.
Python (numpy, pandas, scikit-learn)
SQL (veliki setovi podataka, optimizacija upita)
Machine learning modeli (regresije, klasifikacija, clustering, NLP)
Evaluacija modela (precision, recall, AUC, F1)
Vizualizacija (Tableau, Power BI, matplotlib)
Statistika (Bayes, distribucije, testovi)
Rad s velikim podacima (Spark, Hadoop)
Cloud (AWS, Google Cloud, Azure)
Meke vještine
Uz znanje, za podatkovnog znanstvenika važan je i sam karakter osobe.
Dodatno je dobrodošla:
sposobnost postavljanja pitanja
strpljivost prema neurednim podacima
fokus na problem, ne na algoritam
prezentiranje kompleksnih ideja ljudima izvan struke
razumijevanje biznisa
emocionalna stabilnost kada model ne radi
Podatkovni znanstvenik koji ne zna objasniti model, zapravo ne zna svoj posao.
Budućnost zanimanja
Budućnost podatkovnih znanstvenika je sigurna. Radi se o zanimanju koje usmjerava umjetnu inteligenciju.
Automatski model može generirati predikciju, ali ne može objasniti zašto, kako i koje implikacije ima na proizvodnju, marketing ili prodaju. To radi čovjek.
Industrije poput energetike, medicine, logistike i financija tek ulaze u masovnu digitalizaciju. Kako se digitalni trag širi, potreba za stručnjacima koji znaju interpretirati podatke raste eksponencijalno.
Slično kao što se 2008. svaka tvrtka odjednom našla na internetu, danas se svaka tvrtka odjednom nalazi u svijetu podataka. Iz tog razloga ovi stručnjaci trebaju svima!
Zašto odabrati ovo zanimanje?
Prvo, jer donosi smisao. Rješavate stvarne probleme, utječete na odluke i vidite rezultate.
Drugo, jer je multidisciplinarno, dakle ne dopušta stagnaciju.
Treće, jer je globalno. Podatkovni znanstvenik može raditi za hrvatsku tvrtku, ali isto tako za bilo koju tvrtku u svijetu, bez fizičkog preseljenja.
Četvrto, jer je jako dobro plaćeno.
Rijetko koje zanimanje istovremeno traži logiku, kreativnost i rigoroznu analitiku. Osobe koje imaju te vještine, definitivno su u prednosti.
Koliko zarađuje podatkovni znanstvenik?
Plaće značajno variraju ovisno o industriji, razini senioriteta, jeziku komunikacije, geografskoj lokaciji i opsegu odgovornosti.
Iznosi su okvirni, ali realni prema trenutnim oglasima, trendovima EU tržišta i hrvatskim poslodavcima.
Juniorska pozicija (0–2 godine iskustva)
Junior profesionalac najčešće obavlja čišćenje podataka, pripremu datasetova, osnovne analize i jednostavnije modele.
Zna Python, ali još nema iskustvo s kompleksnim produkcijskim modelima.
U Hrvatskoj se kreću od 1.300€ do 2.000€ neto.
U inozemstvu, posebno u zapadnim državama EU i UK, raspon ide od 2.500€ do 3.800€ neto.
Ovdje je ključno mentorstvo. Loš tim znači stagnaciju.
U dobrom timu do rasta dolazi već za pola godine.
Mid-level pozicija (2–5 godina)
Modelira, testira, prezentira rezultate vodstvu, spaja statistiku s poslovnom logikom. Često vodi manje projekte, radi s proizvodima i proizvodnim timovima.
U Hrvatskoj se kreće od 2.100€ do 3.000€ neto.
U velikim IT i fintech tvrtkama i do 3.500€, osobito ako rade s NLP-om ili prediktivnim sustavima.
U zapadnom dijelu EU i SAD-u mid-level pozicija može osigurati plaću od 5.000 do 7.000€ bruto. Mjesečno, naravno. Moguće još i veće iznose.
Pozicija seniora (5+ godina)
Senior djeluje kao strateg: vodi AI projekte, predstavlja rješenja dioničarima, savjetuje direktore, komunicira s klijentima, brani metodologiju i mijenja smjer tvrtke.
Senior u Hrvatskoj zarađuje od 3.500€ do 5.500€ neto, a u financijama i bio-tech industriji i više.
Malo je drugačija situacija u zapadnim zemljama Europske unije i Sjedinjenim državama. Tamo seniorska pozicija donosi od 7.000 do 12.000€ neto.
U specijaliziranim vertikalama (quant finance, pharma, HPC) mjesečna plaća ide od 15.000 do 20.000€ neto.
Tražite posao u IT-u?
Ma nema nikakvih problema! Pogledajte naše oglase za posao!
Ako volite rješavati probleme, razumjeti svijet brojkama i mijenjati način na koji tvrtke donose odluke, razmislite o zanimanju podatkovni znanstvenik.
Preskrolajte oglase za posao i pronađite idealan posao!