‣ జాబ్ స్కిల్స్ 2024
డేటా సైన్స్ ఉద్యోగ ఖాళీలు ఫ్రెషర్స్ను స్వాగతిస్తున్నాయి. జాబ్ మార్కెట్ గడ్డుగా ఉన్న ప్రస్తుత సంక్లిష్ట పరిస్థితుల్లోనూ ఈ డొమైన్లో పట్టున్నవారికి అవకాశాలు ఉంటున్నాయంటే ఈ సబ్జెక్టు ప్రాముఖ్యాన్నీ, విలువనూ అర్థం చేసుకోవచ్చు!
ఇటీవల వెలుగు చూసిన ఒక వార్త ఐటీ కార్పొరేట్ ఉద్యోగాల అన్వేషణలో ఉన్నవారిలో గుబులు కలిగించింది. ఐఐటియన్లే ఉద్యోగాలు దొరక్క అల్లాడుతున్నారన్నది ఆ వార్త సారాంశం. దేశంలోని 23 ఐఐటీల్లో 2023-24 విద్యాసంవత్సరంలో గ్రాడ్యుయేషన్ పూర్తిచేసినవారిలో 38 శాతం మందికి ఏ కొలువూ రాలేదు. ఇలా అవకాశాలు లభించని 7 వేలమంది.. ఐఐటీల్లో చదివి వివిధ కంపెనీల్లో ఉన్నతస్థానంలో ఉన్న తమ సీనియర్లకు వారి సంస్థల్లో ‘ఉద్యోగాలేమైనా ఉన్నాయా?’ అంటూ లేఖలు రాస్తున్నారు.
ఇలాంటి పరిస్థితిని ఎప్పుడైనా ఊహించామా? ఐఐటీల్లో గ్రాడ్యుయేషన్ పూర్తవుతుండగానే డ్రీమ్ కంపెనీలు వచ్చి మరొకరి కంటపడకుండా ఎగరేసుకుపోతుండటమే ఇప్పటివరకూ విన్నాం. బడా కంపెనీలు భారీ ప్యాకేజీలివ్వడమే గమనించాం. కానీ మొదటిసారిగా ఐఐటియన్లకు కూడా ఆఫర్లు లేవన్న నిజాన్ని జీర్ణించుకోవాల్సి వస్తోంది.
దీని అర్థం ఐఐటియన్ల సత్తా చాలడంలేదని కాదు. జాబ్ మార్కెట్ ఎంత దుర్భేద్యంగా ఉందో స్పష్టమవుతోంది. రిజర్వ్ నిధులు ఉన్న కంపెనీలు సైతం కొత్త నియామకాల విషయంలో ఆచితూచి అడుగులు వేస్తున్నాయని తెలియవస్తోంది. ఎంతటి తెలివితేటలున్న అభ్యర్థిని తీసుకోవాలన్నా మేనేజ్మెంట్లు ఎంత తరచి ఆలోచిస్తున్నాయో తేటతెల్లమవుతోంది.
డేటా దారే సెపరేటు
ఇలాంటి నేపథ్యంలో కూడా డేటా సైన్స్ ఖాళీలు వేలల్లో దర్శనమిస్తున్నాయంటే వినేవారికి ఆశ్చర్యమే. కానీ ఇది నిజం. అంతెందుకు? మొన్న వెల్లడైన ఎగ్జిట్ పోల్స్.. డేటా సైన్స్ బహుముఖ విస్తరణకు తాజా ఉదాహరణ. పోలింగ్ ముగిశాక ఓట్ల లెక్కింపునకు మధ్యగల సుమారు ఇరవై రోజుల ఉత్కంఠను ఎగ్జిట్ పోల్ ఫలితాలు కొంతవరకు తగ్గించాయి. ఒకప్పుడు బ్యాలెట్ బాక్సులను తెరిచేంతవరకు సస్సెన్స్కు తెరపడేది కాదు. అలాంటిది డేటా సైన్స్ ప్రవేశంతో సెఫాలజీ అనే శాస్త్రం వికసించింది. ఎన్నికల, పోలింగ్ వెనుకగల గణాంకాలను విశ్లేషించే శాస్త్రమిది. రాజనీతిశాస్త్రం (పొలిటికల్ సైన్స్)లో ఒక చైతన్య శాస్త్రంగా ఇది డేటాసైన్స్ ఊతంతోనే ఎదిగింది. ప్రణయ్రాయ్, ప్రశాంత్ కిషోర్ల వంటి సెఫాలజిస్టుల అంచనాల కోసం రాజకీయ జీవులు చెవులు కోసుకుంటున్నారు. ఒక రాజకీయ పార్టీపై ప్రజలు ఏమనుకుంటున్నారు? ఏ నియోజకవర్గంలో ఏ అభ్యర్థికి ప్రజల ఆదరణ ఉంది? అనే విషయాల నుంచి తరచూ జనాన్ని కదిలించే వివిధ అంశాలపై రాజకీయ పార్టీలు స్వతంత్ర సంస్థల సర్వేలపై ఆధారపడుతున్నాయని మనకు తెలిసిందే.
సేకరణ.. క్రోడీకరణ.. విశ్లేషణ
ఆంధ్రప్రదేశ్లోని ఒక ప్రధాన రాజకీయపార్టీ ఎన్నికల్లో తమ అభ్యర్థుల ఎంపికకు రాష్ట్రంలోని కోటీ 30 లక్షల మంది అభిప్రాయాలు తీసుకొని నిర్ణయించామని ప్రకటించింది. ఇంతమంది అభిప్రాయాల సేకరణ, క్రోడీకరణ, విశ్లేషణ, తుది నిర్ణయం తీసుకోవడంలో ముఖ్య భూమిక వహించేది డేటా సైన్స్. ఇలాగే ప్రపంచంలోని అతిపెద్దదైన ప్రజాస్వామిక భారతదేశంలో ఎన్నికల నిర్వహణ అనే సవాలును అధిగమించేందుకు ప్రతి దశలోనూ ఆధారపడేది డేటా సైన్స్పైనే. దేశంలో నమోదైన 90 కోట్ల ఓటర్ల కోసం కేంద్ర ఎన్నికల సంఘం 12 లక్షల పోలింగ్ కేంద్రాలను ఏర్పాటు చేయటంతోపాటు శాంతిభద్రతల పరిరక్షణకు సమస్యాత్మక కేంద్రాలను గుర్తించింది. ఇదెలా జరిగిందనేదానికి సమాధానం డేటా సైన్సే. గత ఎన్నికల్లో రికార్డయిన అవాంఛనీయ సంఘటనలను విశ్లేషించి సమస్యాత్మక కేంద్రాలనూ, నియోజకవర్గాలనూ గుర్తించడంవల్ల అక్కడ అదనపు బలగాల మోహరింపునకు ఆస్కారం ఏర్పడింది. భద్రపరచిన గత డేటా ద్వారా ఇటువంటి సౌలభ్యమే లేకపోతే గతంలో మాదిరి బలగాలను ఒకేచోట కేంద్రీకరించి ఎక్కడ అవసరమైతే అక్కడకు అప్పటికప్పుడు బలగాలను తరలించడం వల్ల జరగాల్సిన నష్టం జరిగిపోతుంది. డేటా సైన్స్ పుణ్యమా అని సువిశాల దేశంలో సజావుగా ఎన్నికల నిర్వహణ సాధ్యపడుతోంది.
అడుగు పెట్టాలంటే?
డేటా సైన్స్కు పెరుగుతున్న డిమాండ్, ఈ రంగంలో నిపుణుల కొరత, ఆఫర్ చేస్తున్న ప్యాకేజీలు, కంపెనీల్లో ప్రాధాన్యం.. వీటన్నిటి దృష్ట్యా ఈ దిశగా నేటి తరం మొగ్గు చూపుతోంది. ఈ రంగంలోకి ప్రవేశించాలనుకుంటే కొన్ని సూచనలు:
అభిరుచి: కంపెనీ ఆఫర్ లెటర్లు కలకాలం ఉత్సాహాన్ని నిలబెట్టవు. శాలరీ ప్యాకేజీలు శాశ్వతంగా స్ఫూర్తినివ్వలేవు. దర్జా జీవనశైలి ఉద్యోగ జీవితంలో తృప్తిని ఇవ్వకపోవచ్చు. జ్వలించే జ్వాలలా ఉద్యోగ జీవితమంతా మనల్ని ఉత్తేజంతో నడిపించేది ... ప్యాషన్. డేటా సైన్స్లో విస్తృతమైన సమాచార ప్రపంచంలో విహరించాల్సి ఉంటుంది. ఇది ఇష్టమైన వ్యాపకం కావాలి. దీనికి టెక్నాలజీ జోడిస్తే వచ్చే ఫలితాలు మనల్ని ఎప్పటికప్పుడు ఉద్విగ్నుల్ని చేయగలగాలి. అప్పుడే ఆ వృత్తిలో దీర్ఘ కాలం ఆనందోత్సాహాలతో పనిచేయగలుగుతాం.
అనువైన కోర్సు: డేటా సైన్స్తో సాధారణ డిగ్రీ చేయడం మొదటి దారి. అండర్ గ్రాడ్యుయేషన్లో మేజర్ లేదా మైనర్ సబ్జెక్టుగా డేటా సైన్స్ చదవడం రెండో మార్గం. ఇంజినీరింగ్లో డేటా సైన్స్ను మైనర్ సబ్జెక్టుగా పూర్తిచేయడం మూడో దారి. విడిగా డేటా సైన్స్ను స్వల్పకాలిక కోర్సుగా చదవొచ్చు. ఈ మార్గాల్లో ఏది తనకు సరిపోతుందో విద్యార్థి నిర్ణయించుకోవాలి. ఏది చేసినా వీలైనంతవరకు డేటా సైన్స్ ప్రాధాన్యంగా ఇంటర్న్షిప్ చేస్తే ఈ రంగంలోకి కాలుపెట్టేందుకు అవకాశం లభిస్తుంది.
కోడింగ్ అభిలషణీయం: ఇంజినీరింగ్, నాన్-ఇంజినీరింగ్ స్ట్రీమ్స్లో దేని నుంచి డేటా సైన్స్ పూర్తిచేసినా కోడింగ్ లాంగ్వేజ్ నేర్చుకోవడం అనివార్యం. డేటా సైన్స్ రంగంలో కెరియర్రీత్యా వృద్ధి చెందాలంటే ప్రోగ్రామింగ్ నైపుణ్యం అవసరం. అందువల్ల సాధారణ డిగ్రీతో డేటా సైన్స్ చేసినా కోడింగ్ స్కిల్స్ అలవర్చుకోవడం అభిలషణీయం.
సాఫ్ట్ స్కిల్స్: మంచి ఉద్యోగిగా రాణించేందుకు నిచ్చెన మెట్లుగా దోహదపడే సాఫ్ట్ స్కిల్స్ డేటా రంగానికీ అవసరం. నిరంతరం తెలుసుకోవాలన్న జిజ్ఞాస, సాటివారితో కలివిడితనం, సమయపాలన, బృంద నాయకత్వం, సమస్యా పరిష్కారం వంటి వ్యక్తిత్వ లక్షణాలు పెంపొందించుకుంటే కెరియర్లో అందరికంటే ముందుగా ఉన్నత అవకాశాలను దక్కించుకోవచ్చు.
‣ ఇంజినీరింగ్ నేపథ్యం ఉన్నవారు డేటా సైన్స్ కోర్సు కూడా చేసి ఉంటే డేటా ఇంజినీర్లుగా రాణిస్తారు. నాన్-ఇంజినీరింగ్ స్ట్రీమ్ నుంచి వచ్చినవారు డేటా సైన్స్ డొమైన్కే పరిమితం కావాలి. ఇంజినీరింగ్ చేసిన విద్యార్థులకు డేటా సైన్స్లో స్వల్పకాలిక కోర్సులు అందుబాటులో ఉన్నాయి. ఈ కోర్సులతో పాటు ఇంటర్న్షిప్ ఈ కాంబినేషన్తో చేస్తే క్యాంపస్ ప్లేస్మెంట్స్లో ప్రాధాన్యం లభిస్తుంది
ప్రతి జీవనరంగంలోకీ...
నది భూములవైపుగా ప్రవహించి వాటిని వ్యవసాయ క్షేత్రాలుగా సుభిక్షం చేసినట్టు ప్రతి జీవన రంగంలోకీ డేటా సైన్స్ ప్రవేశించి ఆయా రంగాలను సస్యశ్యామలం చేస్తోంది. దీంతో డేటా సైన్స్ ప్రవేశించిన ప్రతి రంగంలోనూ ఇబ్బడిముబ్బడిగా ఉద్యోగాలు పరవళ్లు తొక్కుతున్నాయి. అయితే డేటా సింగిల్గా వచ్చే సింహం కాదు. డేటాను వర్తింపజేసే రంగాన్ని బట్టి అది భాసిస్తుంది. ఎక్కువగా వ్యాపార రంగంతో చెట్టపట్టాలేసుకుంటుంది. ఈ సందర్భంగా వేర్వేరు నిపుణులతో డేేటా సైంటిస్టులు కలిసి పనిచేస్తారు. ఈ బంధాన్ని అర్థం చేసుకోవడం వల్ల డేటా సైన్స్ రంగంలోకి ప్రవేశించాలనుకునే ఫ్రెషర్స్కూ, దీన్ని మైనర్ సబ్జెక్టుగా చేయాలనుకునే విద్యార్థులకూ స్పష్టత ఏర్పడుతుంది.
సైంటిస్టు... అనలిస్టు
డేటా సైన్స్, బిజినెస్ అనలిటిక్స్ పరస్పరాధారితాలు. కలిసి పనిచేయడం వల్ల రెండూ రాణిస్తాయి. అందువల్ల ఒకదాని పనితీరు చూసి మరొకటిగా అపోహపడే అవకాశం ఉంది. డేటా సైంటిస్టులు, బిజినెస్ అనలిస్టులు ఇద్దరి కార్యక్షేత్రం డేటానే. కానీ డేేటా సైంటిస్టులు డేటా టెక్నాలజీ ఆధారంగా పనిచేస్తారు. టెక్నాలజీని డేేటాకి అనువర్తింపజేయడం ద్వారానే అనుకున్న ఫలితాలు సాధిస్తారు. ఉదాహరణకు ఒక చెయిన్ రెస్టారెంట్ల ద్వారా వచ్చిన అపార సమాచారానికి (డేటా) డేటా సైంటిస్ట్ డేటా టెక్నాలజీని వినియోగించి చలనం కలిగిస్తాడు. దీనిద్వారా రోజుకు అన్ని రెస్టారెంట్లలో కలిసి సగటున ఎంతమంది వస్తున్నారు? సగటున ఒక్కో కస్టమర్ ఎంత బిల్ చేస్తున్నాడు? ఏ ప్రాంత రెస్టారెంట్లో ఎక్కువ/ తక్కువ రాబడి ఉంటోంది? వడ్డించే ఆహార పదార్థాల్లో వేటికి ఎక్కువ ఆర్డర్లు ఉంటున్నాయి? ఎక్కువమంది రెస్టారెంటును సందర్శించే వేళలు ఏవి? వినియోగదారులు అక్కడ గడిపే సగటు సమయం ఎంత? .. ఇలాంటి ఎన్నో విషయాలు బహిర్గతం చేస్తాడు డేటా సైంటిస్ట్. డేటా టెక్నాలజీ సహకారంతో వెల్లడించే విషయాల ఆధారంగా మేనేజ్మెంట్ దిద్దుబాటు నిర్ణయాలు తీసుకోవచ్చు. వ్యాపార విస్తరణ ప్రణాళికలు రూపొందించవచ్చు.
బిజినెస్ అనలిస్ట్ చేసే పని కాస్త భిన్నంగా ఉంటుంది. జరుగుతున్న వ్యాపారాన్ని కంపెనీలోని ఐటీకి అనుసంధానిస్తారు. అంటే ఐటీలో భాగమైన వివిధ సాఫ్ట్వేర్లకు తమ బిజినెస్ సమాచారం అందించి ఫలితాలు పొందాలని ఆశిస్తారు. సాఫ్ట్వేర్ లేని విషయాలపై ఎటువంటి అవగాహనకూ బిజినెస్ అనలిస్టులు రాలేరు. సూక్ష్మంగా చెప్పాలంటే బిజినెస్ అనలిస్ట్ క్షేత్రం పరిమితంగా ఉంటోంది. డేెటా సైంటిస్ట్ పరిధి విశాలం కాబట్టే ఈ హోదా ఇంతగా ప్రాచుర్యం పొందుతోంది.
ఇంజినీర్... సైంటిస్టు
డేటా ఇంజినీరింగ్- డేటా సైన్స్లలో డేటా ఇంజినీరింగ్ ముందుంటుంది. సమాచార ప్రవాహానికి కావలసిన నిర్మాణాన్ని డేటా ఇంజినీరింగ్ నిపుణులు చేస్తారు. విస్తారమైన డేటాకు పగ్గాలు వేసి వ్యాపారాభివృద్ధికి కావలసిన ‘క్లూస్’ రాబట్టేందుకు కొన్ని నమూనాలు (మోడల్స్), నిరంతర సరఫరా (పైప్లైన్), బదలాయింపునకు టెక్నాలజీయే ఆధారం. ఈ విధమైన నిర్మాణాన్ని డేటా ఇంజినీర్లు రూపొందించి ఇస్తే డేటా సైంటిస్టులు వాటిని వినియోగించుకుంటారు. ఇంకా వాణిజ్య సంస్థ పెద్దదయితే బిగ్ డేటా స్టోరేజి, డేటా మథనం (స్ట్రీమింగ్), ప్రక్షాళన (ప్రాసెస్) వంటి పనులు డేటా ఇంజినీర్లు చేస్తారు. అందువల్ల ఇంజినీరింగ్ నేపథ్యం ఉన్నవారు డేటా సైన్స్ కోర్సు కూడా చేసి ఉంటే డేటా ఇంజినీర్లుగా రాణిస్తారు. నాన్-ఇంజినీరింగ్ స్ట్రీమ్ నుంచి వచ్చినవారు డేటా సైన్స్ డొమైన్కే పరిమితం కావాలి. ఇంజినీరింగ్ చేసిన విద్యార్థులకు డేటా సైన్స్లో స్వల్పకాలిక కోర్సులు అందుబాటులో ఉన్నాయి. ఈ కోర్సులతో పాటు ఇంటర్న్షిప్ ఈ కాంబినేషన్తో చేస్తే క్యాంపస్ ప్లేస్మెంట్స్లో ప్రాధాన్యం లభిస్తుంది.
మెషిన్ లెర్నింగ్ నిపుణులు
కంప్యూటర్కు మనిషిలా ఆలోచించి, పనులు చక్కబెట్టేలా నేర్చించడమే మెషిన్ లెర్నింగ్ (ఎంఎల్). కంప్యూటర్కు కొంత డేటా సమకూర్చి ఆపై మనిషి చేసే పనులు చేయమని ఆదేశించడం అన్నమాట. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్కు ఇది ముందు మెట్టు. మెషిన్ లెర్నింగ్ ఇంజినీర్లకు కంప్యూటింగ్, అల్గారిథమ్స్, కోడింగ్ స్కిల్స్పై పట్టు ఉంటుంది. ఈ నైపుణ్యాలతో కంప్యూటర్కి నడకలు నేర్పి వందమంది మనుషులు చేయగలిగే పనిని ఒక్క యంత్రంతో ఎంఎల్ నిపుణులు పూర్తి చేస్తారు. వీరు వేసిన పట్టాలపై డేటా సైంటిస్టులు పరుగులు తీస్తారు. ఎంఎల్ నిపుణులతో సన్నిహితంగా ఉంటూ డేటా నిపుణులు తమకు కావలసిన పనులు చేయించుకుంటారు.
ఎవరిది పైచేయి, ఎవరిది కిందిచేయి అని కాదు కానీ డేటా సైన్స్కి సాంకేతిక పరిజ్ఞానం చేయూత కావాలి. టెక్నాలజీకి డేటా వంటి విందు భోజనం ఉన్నపుడే అనుకున్న ఫలితాలు సాధ్యమవుతాయి. ఒకప్పుడు కేవలం స్టాటిస్టిక్స్గా స్థిరంగా మిగిలిపోయిన డేటా సైన్స్.. గత రెండు దశాబ్దాలనుంచి టెక్నాలజీ తోడవ్వడంతో చైతన్యశీలిగా మారింది. విద్య, ఆరోగ్యం, వ్యాపారం, ప్రజాసేవలు వంటి విభిన్న రంగాలకు ఊపిరిలూదుతోంది.
- యస్.వి. సురేష్ సంపాదకుడు, ఉద్యోగ సోపానం
<
మరింత సమాచారం... మీ కోసం!
‣ ఇంటర్మీడియట్లో ఏ కెరియర్కు ఏ గ్రూపు?
‣ సివిల్స్ ప్రిలిమ్స్ మెలకువలు