Bardziej przyszłościowe: MLops czy Data Analyst?

Cześć, dostałem aktualnie dwie oferty pracy i potrzebuje pomocy osób bardziej doświadczonych, znających rynek pracy:

1. MLops stack: Python, Kubernetes, Jenkins, Terraform, Airflow, GCP.
2. Data Analyst stack: SQL, PowerBI, Azure, DataBricks.`
   Moje pytanie brzmi, która z tych ścieżek wydaje się wam bardziej przyszłościowa, na których specjalistów będzie rosło zapotrzebowanie wraz z rozwojem AI.
   Która z tych dziedzin będzie waszym zdaniem bardziej odporna na całkowite wyparcie czynnika ludzkiego przez AI w najbliższej przyszłości (pytanie może się wydawać nie poważne ale mimo wszystko gdzieś tam mam pewne obawy z tylu głowy na ten temat, wiadomo nikt raczej nie da pewnej odpowiedzi ale jakieś rozważania, przemyślenia chętnie wysłucham). Pomińmy kwestie finansowe, zainteresowania, zadania w pracy bo na ten temat mam już tam przemyślane wszystko.

Obie są tak samo perspektywiczne. Co byś nie wybrał to stack i tak się pokryje + będzie praca.

Mi się wydaje że pierwsza opcja daje większe możliwości jakbyś chciał się rozwinąć w technicznych kierunkach bo patrząc na stack to masz programowanie(Python), clouda(GCP), coś z dev ops (Terraform, Kubernetes).

Natomiast data analyst wydaje się bardziej wrażliwe na AI szczególnie taka prosta analiza danych już jest zastąpiona ale AI to będzie i tak jako wsparcie cały czas traktowane. Natomiast ta rola może dać Ci się rozwinąć bardziej w kierunku biznesowym i kompetencji miękkich które będą w cenie. Tylko to wszystko zależy od tego z kim będziesz pracować i co się od Ciebie będzie wymagać. W startupie wynik Twojej pracy może bezpośrednio wpływać na rozwój produktu, podejmowanie strategicznych decyzji. W innym miejscu coś tam przeanalizujesz a się może okazać ze nikomu to nie jest potrzebne.

Zgadzam się, dużo więcej brakuje na pozycję 1. niż 2. Z mojego punktu widzenia 1. to taki backend, a 2. to bardziej frontend, gdzie jest dużo ludzi co się przebranżowili, bo umieli wyklikać Excela.

@waran88: z ciekawości zapytałem chataGPT, która działka jest łatwiejsza do zastapienia przez AI i wyrzucił mi taka odpowiedz.

W perspektywie mniej narażonej na zastąpienie przez AI, analiza danych może być bardziej stabilna, ponieważ wymaga interpretacyjnych umiejętności, kreatywności w analizie trendów i zrozumienia kontekstu biznesowego. Mimo że narzędzia AI wspomagają analizę danych, decydujące są często ludzkie umiejętności w interpretacji wyników i wyciąganiu wniosków.

MLOps, z drugiej strony, łączy obszary uczenia maszynowego i operacyjne, co może stworzyć bardziej dynamiczną przestrzeń, ale jednocześnie może być bardziej narażone na wprowadzenie automatyzacji.

Oczywiście nie biorę tego za pewnik, ale ciężko mi zweryfikować informacje jako ze nie posiadam wystarczającej wiedzy a internet to wiadomo, każdy artykuł mowi co innego.

Databrick to python, GPC Azure czy AWS mała różnica, i tak będziesz używał programów pokroju PowerBi niezależnie gdzie pójdziesz, tak samo SQL

Jeżeli wywodzisz się z kierunków ekonomicznych idź na Analayst jak z IT to MLopsa
jak ktoś dopiero planuje te kierunki nich sobie odpuści bo jest duża szansa że skończy się to tak samo jak frontem, zresztą już widziałem 1k CV na jedno miejsce jako analyst junior

Jaki masz background, że dostałeś oferty na tak różne pozycje?