Data Scientist: rynek

Oferta

otwarta oferta, która przeszła kontrolę jakości i wymienia co najmniej dwie technologie

Obserwowany kandydat

kandydat, którego stack zawiera tę technologię; agregat — żaden pojedynczy rekord nie opuszcza perymetru

Kandydat do dopasowania

jeszcze nie liczone

Okno

oferty otwarte w chwili tworzenia snapshotu

Junior DS — najbardziej dostępne wejście do kierunku ML/AI (typowa ścieżka: Analyst 1-2 lata → Junior DS). Skok Junior → Middle — po pierwszym modelu produkcyjnym + pierwszym samodzielnym teście A/B. Middle → Senior — odpowiedzialność za wiele projektów + odpowiedzialność za wpływ biznesowy (udokumentowany wzrost przychodu / retencji / konwersji). Senior → Lead / Principal — strategia DS dla obszaru produktu + zatrudnienie 3-7 DS + mentoring. Ścieżka kariery: Data Analyst (1-2 lata) → Junior DS (1-2 lata) → Middle (2-3 lata) → Senior → albo Lead / Principal DS (głębia), zwrot w stronę ML Engineer (bardziej techniczna ścieżka), zwrot w stronę Product Manager, albo Founder.

5 najważniejszych: python, sql, cloud, aws, llm. Python — monopol (R prawie zniknął z nowych ofert 2026, pozostał w legacy ochrony zdrowia/biostatystyki). Biegłość w SQL — obowiązkowa: złożone zapytania z funkcjami okna + CTE + biegłość w JOIN + optymalizacja zapytań (DS czyta plany wykonania). Przetwarzanie danych: pandas (podstawa), NumPy (obliczenia numeryczne), Polars (nowoczesny, rosnący — 10-100× szybszy przy dużych danych), PyArrow. Klasyczne ML — główny arsenał: scikit-learn (wybór modelu / preprocessing / pipeline’y / metryki), XGBoost + LightGBM + CatBoost (gradient boosting — koń roboczy dla danych tabelarycznych), statsmodels (regresja + szeregi czasowe + testy statystyczne). Statystyka: scipy.stats, statsmodels, wnioskowanie przyczynowe (DoWhy, EconML — atut dla Senior). Wizualizacja: matplotlib + seaborn + plotly (w notebooku), Tableau / Looker / Power BI / Apache Superset / Metabase (dla interesariuszy). Testy A/B: scipy.stats / statsmodels do analizy, platformy wewnętrzne lub Statsig / Eppo / Optimizely / GrowthBook. Rozumienie analizy mocy, wyliczania wielkości próby, korekty na wielokrotne testowanie, testów sekwencyjnych. Deep Learning (atut, nieobowiązkowy): PyTorch / TensorFlow do zadań DS z CV / NLP. Śledzenie eksperymentów: MLflow lub Weights & Biases. Narzędzia BI / dashboardy: Tableau / Looker / Apache Superset / Metabase / Mode / Hex. Notebooki: Jupyter + VS Code (rynek 2026 przechodzi z czystego Jupytera na rozwiązania hybrydowe). Chmurowe środowiska DS: AWS SageMaker Studio / GCP Vertex AI Workbench / Databricks / Snowflake Snowpark. Dodatki dla Senior: wnioskowanie przyczynowe (DoWhy / EconML / CausalImpact), modelowanie uplift, modelowanie bayesowskie (PyMC / Stan), szeregi czasowe (Prophet / NeuralProphet / statsforecast).

Data Analyst — nacisk na raportowanie + dashboardy + analizę ad-hoc. SQL + Excel + Tableau / Looker / Power BI. Mniej ML. Dobry na wejście w kierunek danych. Data Scientist (ta strona) — nacisk na formułowanie problemów biznesowych + modelowanie statystyczne + testy A/B + komunikowanie wniosków. SQL dogłębnie + Python + sklearn + XGBoost + statsmodels + wizualizacja. Robi ML, ale nie odpowiada za infrastrukturę produkcyjną (wdrażanie / serving / monitoring — to ML Engineer). ML Engineer — nacisk na produkcyjne pipeline'y ML + wdrażanie + skalowanie + infrastrukturę LLM/RAG. Stack DS + Docker / K8s + MLflow + Airflow + zarządzane ML w chmurze. Zob. ML Engineer. Ścieżka kariery: Analyst → DS Junior → DS Middle/Senior. Przejście DS ↔ ML Engineer w 3-6 miesiące (nauka MLOps + Docker / K8s + ML w chmurze). Przejście DS ↔ Product Manager w 2-4 miesięcy (DS ma już myślenie produktowe + testy A/B — trzeba dodać planowanie roadmapy + zarządzanie interesariuszami). DS → Research Engineer / Scientist — wymaga doktoratu albo 3+ lat głębokiej specjalizacji.

Drzewo decyzyjne wyboru narzędzi DS w 2026: 1) Dane tabelaryczne, klasyfikacja/regresja, <1M wierszy → scikit-learn (LogisticRegression / RandomForest / GradientBoosting). Pipeline'y + preprocessing — sklearn wygrywa prostotą integracji. 2) Dane tabelaryczne, >100K wierszy, krytyczna wydajność → XGBoost / LightGBM / CatBoost. Standardowy koń roboczy 2026 do zadań tabelarycznych: scoring kredytowy, przewidywanie odejść, konwersja, wykrywanie fraudów, prognozowanie popytu. LightGBM — najszybszy, XGBoost — najbardziej dojrzały ekosystem, CatBoost — najlepszy dla cech kategorycznych bez preprocessingu. 3) Szeregi czasowe → Prophet / NeuralProphet (Facebook) albo statsforecast (Nixtla — najnowocześniejsze metody klasyczne) albo podejście ML (LightGBM na szeregach czasowych z feature engineeringiem — często bije wyspecjalizowane biblioteki). 4) NLP / klasyfikacja tekstu → Hugging Face Transformers (fine-tuning małego BERT/DeBERTa/RoBERTa) albo scikit-learn TF-IDF + LogisticRegression przy <10K dokumentów (prostszy baseline). 5) Computer Vision → PyTorch + torchvision (klasyfikacja / detekcja / segmentacja obrazów). Na produkcji — vLLM / TGI. 7) Systemy rekomendacyjne → LightGBM / XGBoost na użytkownikach × produktach z feature engineeringiem (koń roboczy 2026), implicit / LightFM (klasyka collaborative filtering), głębokie recsys w PyTorch (NeuMF / Two-Tower / Transformer4Rec). 8) Wnioskowanie przyczynowe / modelowanie uplift → DoWhy / EconML / CausalML. 9) Modelowanie bayesowskie (gdy liczy się kwantyfikacja niepewności — medycyna / finanse) → PyMC / Stan / NumPyro. 10) Wykrywanie anomalii → PyOD + Isolation Forest + podejścia oparte na LightGBM. Domyślnie 2026: 80% zadań tabelarycznych rozwiązują LightGBM / XGBoost / CatBoost; deep learning — do CV / NLP / recsys.

Tak, 27% ofert DS to praca w pełni zdalna lub hybrydowa. Praca DS — Jupyter + chmurowa hurtownia danych (Snowflake / BigQuery / Databricks / Redshift) + dashboardy. Outsourcerzy — prawie zawsze zdalnie przy projektach z USA. Rosyjskie firmy produktowe — hybrydowo lub zdalnie po okresie próbnym. Rosyjskie banki — hybrydowo/w biurze ze względu na zgodność w zakresie bezpieczeństwa danych. Międzynarodowe firmy technologiczne — praca w pełni zdalna to standard. Huby relokantów: Polska (Warszawa/Kraków — przyjazne DS), Niemcy (Berlin / Monachium), Kanada (Toronto / Vancouver), Serbia, Gruzja, ZEA. Angielski do międzynarodowej pracy zdalnej w DS — obowiązkowo (premia +25-40%, a role DS wymagają komunikacji z interesariuszami — angielski słychać na co dzień).

Product Data Scientist — DS z dogłębnym naciskiem na produkt + odpowiedzialnością za eksperymenty wzrostowe + modelowanie retencji + analizę wpływu funkcji. Ściśle współpracuje z PM i inżynierią. Stack ten sam, ale nacisk: biegłość w testach A/B (eksperymenty wielowariantowe, testy sekwencyjne, korekta wielokrotnego testowania, analiza mocy), metryki wzrostu (DAU/MAU/krzywe retencji/analiza lejka), wnioskowanie przyczynowe dla danych obserwacyjnych. Wynagrodzenie porównywalne z Senior DS (mediana), ale w amerykańskich startupach produktowych Product DS często przewyższa ogólnego Senior DS dzięki odpowiedzialności za wpływ na biznes. Ogólny Data Scientist — może pracować w dowolnej domenie (ryzyko bankowe, popyt w handlu, jakość w produkcji). Research DS (lub po prostu „DS” w kontekście badawczym) — nacisk na nowe podejścia do modelowania + publikacje (często ścieżka doktorancka). Zob. też Research Engineer / Scientist. Wybór kariery: Product DS, jeśli interesuje cię wpływ na produkt i lubisz komunikację z interesariuszami, ogólny DS dla elastyczności domenowej, Research DS dla badań nad nowymi metodologiami. Wszystkie trzy to pełnoprawne ścieżki na poziom Senior+.

Roadmapa: 1) Opanowanie SQL — obowiązkowe (funkcje okna / CTE / strategia JOIN / optymalizacja zapytań). Książka „SQL for Data Scientists” Tanimura. Kurs „Mode SQL Tutorial” (za darmo). 2) Python dla DS: opanowanie pandas + NumPy, nie tylko składni, ale i wzorców wydajności (wektoryzacja, pułapki .apply). Książka „Python for Data Analysis” McKinney. 3) Statystyka: opisowa + inferencyjna + testowanie hipotez + ANOVA + dogłębnie regresja liniowa. Kurs „Statistical Learning” Hastie / Tibshirani (StanfordOnline — za darmo). Książka „Practical Statistics for Data Scientists” Bruce. 4) Klasyczne ML: opanowanie scikit-learn (pipeline'y / walidacja krzyżowa / kompromisy metryk / kalibracja), XGBoost / LightGBM / CatBoost (koniki pociągowe gradient boostingu). Andrew Ng „Machine Learning Specialization” (Coursera) + „Introduction to Statistical Learning” Hastie (ISL — darmowy PDF). 5) Opanowanie testów A/B — analiza mocy, wielkość próby, testowanie sekwencyjne, korekta na wielokrotne testowanie, redukcja wariancji CUPED. Książki: „Trustworthy Online Controlled Experiments” Kohavi (obowiązkowa lektura), „Statistical Methods in Online A/B Testing” Georgi. 6) Wizualizacja i storytelling — matplotlib + seaborn + plotly w notebookach + Tableau / Looker / Power BI / Apache Superset dla interesariuszy. Książki: „Storytelling with Data” Knaflic, „The Visual Display of Quantitative Information” Tufte (klasyka). 7) Specjalizacja domenowa — wybierz jedną z: fintech / ochrona zdrowia / retail / telekomunikacja / e-commerce i przestudiuj wyzwania specyficzne dla domeny. 8) Bonus deep learning: podstawy PyTorch do zadań DS z CV / NLP. 9) Wnioskowanie przyczynowe (bonus dla Seniora): „The Effect” Huntington-Klein (darmowy podręcznik online), biblioteki DoWhy / EconML. 10) Projekt własny: kompletny projekt DS na Kaggle (eksploracja danych → feature engineering → wybór modelu → kalibracja → prezentacja biznesowa) + 1 projekt symulacji testu A/B. Międzynarodowe (EN): DeepLearning.AI (Andrew Ng), fast.ai, Coursera IBM Data Science Professional. Analityk → Junior DS — 6-12 miesięcy. Backend Middle → Junior DS — 8-14 miesięcy (luka w matematyce + statystyce).

3027 active open DS positions. Geography: the US, the UK, Singapore. The real market is broader thanks to a huge international remote segment. Time to close a Senior DS role — 4-10 weeks (faster than ML Engineer thanks to broader entry pool).

Senior DS odpowiada za pełny cykl od problemu biznesowego do modelu na produkcji + przywództwo techniczne. Biegłość w SQL: funkcje okna / CTE / złożone JOIN-y / optymalizacja zapytań / czytanie planów wykonania. Python dla DS: wzorce wydajności pandas / NumPy / Polars, wektoryzacja, optymalizacja oparta na profilowaniu. Biegłość w statystyce: dogłębne testowanie hipotez, myślenie bayesowskie, wnioskowanie przyczynowe (DoWhy / EconML), podstawy modelowania bayesowskiego (PyMC). Biegłość w klasycznym ML: dogłębny feature engineering, uzasadnianie wyboru modelu, kalibracja, metryki zgodne z biznesem, biegłość w hiperparametrach gradient boostingu (XGBoost / LightGBM / CatBoost). Biegłość w testach A/B: analiza mocy, testy sekwencyjne, korekta na wielokrotne testowanie, redukcja wariancji CUPED, obsługa efektów sieciowych, efekty nowości/pierwszeństwa, eksperymenty switchback dla marketplace'ów, eksperymenty geograficzne. „Trustworthy Online Controlled Experiments” Kohaviego — książka na biurko. Deep Learning (bonus): PyTorch do zadań DS z CV / NLP. DS świadomy LLM: prompt engineering, podstawy RAG, LLM-as-judge do ewaluacji, zastosowania LLM w workflow DS (eksploracja danych / dane syntetyczne / wsparcie etykietowania). Wizualizacja i komunikacja: biegłość w storytellingu danymi — zamiana wyników w decyzje biznesowe dla nietechnicznych interesariuszy. DS w chmurze: jedno z AWS SageMaker / GCP Vertex AI / Databricks / Snowflake dogłębnie. Kompetencje miękkie: zarządzanie interesariuszami (produkt / biznes / inżynieria), pisanie techniczne (dokumenty analiz, raporty po eksperymentach, notatki decyzyjne), mentoring DS na poziomie Middle, rekrutacja (rozmowy z kandydatami na DS), komunikacja z kierownictwem. Ekspertyza domenowa: dogłębne rozumienie jednej-dwóch domen (fintech / ochrona zdrowia / retail / telekomunikacja / e-commerce) — główny czynnik premii dla Senior+. Angielski dla Senior+ OBOWIĄZKOWO — role DS wymagają intensywnej pracy z interesariuszami, a większość materiałów / publikacji / społeczności jest po angielsku.