סקר שנערך ברבעון הראשון של שנת 2019, בהשתתפות למעלה מ-550 חברי קהילת MDLI (Machine & Deep Learning Israel), העלה כמה נתונים מעניינים על עולם ה-Data וה-ML. הסקר בחן לעומק היבטים שונים בתחומים אלו – וביניהם הפן התעסוקתי (רמות שכר, ביקוש לעובדים חדשים, משרות זמינות וכיו"ב), וכן סוגיות מקצועיות הנלוות לעולמות הללו.

הנה כמה מהנתונים שעלו בסקר:
חלוקה מגדרית – מתוך המשתתפים בסקר, כשלושה רבעים היו גברים, ואילו היתר היו נשים. הנתון הזה לא באמת מפתיע – רבות כבר נכתב ונאמר על המיעוט הנשי בעולמות ההיי-טק והטכנולוגיה – אך יחד עם זאת יש מקום לאופטימיות: בהשוואה לסקר שנערך שנה קודם לכן, מדובר בעלייה לא מבוטלת בייצוג הנשי בסקר.
הנתון הזה מהווה אפוא תמונת ראי של ההיי-טק הישראלי – על פי דו"ח של הרשות לחדשנות, שיעור הנשים המאיישות תפקידים טכנולוגיים עומד על 23% – אך השינויים שעובר עולם ההיי-טק וכניסתם של מקצועות חדשים (דוגמת Data Scientist ו-Machine Learning Engineer) עשויים לחולל שינוי גם בשיעור הנשים הפונות לתחום.

המקצועות הבולטים – בין המשיבים יש לא מעט Data Scientists, Deep Learning Engineers, ML Engineers, Analysts, מפתחי אלגוריתמים, מפתחי תוכנה ו-CTOs. כשנשאלו המשתתפים על התואר שרכשו באוניברסיטאות, התשובות נעו בין תארים במדעי המחשב וההנדסה, תארים במדעי הטבע ותארים במדעים מדויקים (דוגמת מתמטיקה, פיזיקה וכיו"ב).
מה שיותר מעניין הוא הקשר בין התואר למשרה בפועל. לדוגמה, הסקר חשף כי מרבית מהנדסי התוכנה למדו מדעי המחשב. רוב ה-Data Analysts למדו מדעים מדויקים, וגם רוב ה-Data Scientist הם בוגרי לימודי מדעים מדויקים או מקצועות ההנדסה.
מה חשיבותו של נתון זה? סטודנט לעתיד, השוקל את דרכו המקצועית ומגלה כבר עכשיו נטייה לאחד מהתפקידים הללו, יכול להשפיע על עתידו על ידי הבנה טובה יותר של תתי-התחומים והתמקדות בתואר הרלוונטי.

גובה השכר – עולמות ה-Data וה-ML הכניסו לתעשיית ההיי-טק לא רק חדשנות וטכנולוגיות מתקדמות, כי אם גם רף שכר חדש. על פי הסקר. השכר הממוצע לשכירים בעולמות אלו עומד על 31 אלף שקלים בחודש – עלייה של כ-7% מהשנה הקודמת. נשים, כך עולה, עדיין משתכרות פחות מגברים, עם פער של כ-2,500 ₪ בתלוש השכר.
בהקשר הזה חשוב לציין כי יש פער גדול ברמת השכר בין התפקידים השונים. חוקרים, מדענים, CTOs ו-ML Engineers משתכרים כ-35 אלף ₪ בחודש, בעוד ששכרם של האנליסטים עומד על כ-19 אלף ₪ בלבד.
נקודה למחשבה לאוטודידקטים שבחבורה, אלו שסבורים שעדיף ניסיון על תואר: בעלי תואר שני משתכרים בממוצע כ-4,000 ₪ יותר מבעלי תואר ראשון, ואילו שכרם של בעלי תואר שלישי (דוקטורט) גבוה בכ-7,000 (!) ₪ מזה של בעלי תואר שני. בקיצור, כשההורים שלכם דוחפים אתכם ללימודים – כדאי לכם להקשיב, גם אם אתם טאלנטים בתחומכם.

האתגרים המקצועיים – כאמור, הסקר בחן גם את ההיבטים המקצועיים, הטכניים לפעמים, של מלאכת ה-Data וה-Machine Learning. בהקשר הזה מעניין לראות את הקשיים והאתגרים העומדים בפני אנשי המקצוע. הבעיה הגדולה מכולם, כך העידו כ-60% מהמשתתפים, היא איכות המידע. אנשי המקצוע נתקלים בלא מעט Dirty Data, קרי מידע לא טוב המזיק לרציפות העבודה.
בעיה נוספת שעלתה על ידי כשליש מהמשתתפים היא זמינות המידע – הקושי למצוא Data איכותית ונגישה, ובעיה נוספת היא – איך לא – ההון האנושי, או יותר נכון: הקושי למצוא אנשי מקצוע בכלל בתחומים האלו, ו-Data Scientists בפרט. אגב, מעניין לראות כי המשתתפים העלו בעיה נוספת, בעלת אופי שיווקי משהו: הקושי להסביר לגורמים אחרים מהי עבודת ה-Data Scientist ומה חשיבותה.

בשורה התחתונה ניתן לומר כי עולם ה-Data וה-Machine Learning, על כל תחומיו ונגזרותיו, נמצא במגמת צמיחה וזוכה למקום של כבוד בתעשיית ההיי-טק והטכנולוגיה. אם קהילת ההיי-טק בישראל תתגבר על החסמים והמכשולים, ובכללם המחסור בכוח אדם וב-Data איכותית, אין ספק כי חברות ההיי-טק, המגזרים העסקיים ומדינת ישראל כולה ייהנו מהתוצאות וירוויחו בגדול.
לדו"ח המלא: https://machinelearning.co.il/3721/mdli2019report/