Какие навыки в data-профессиях исчезнут к 2027, а какие взлетят. Прогноз изнутри BigTech
ИСЧЕЗАЮТ:
- Ручная чистка данных — pandas-скрипты для ETL-рутины. AI-агенты делают это за минуты, не за дни.
- SQL как главный скилл — запрос из текста уже реальность. "Знаю SQL" — это теперь базовая грамотность, не преимущество.
- Отчётный аналитик — строить дашборды по ТЗ уже автоматизируется. BI-инструменты сами предлагают инсайты.
- ML без продуктового мышления — взять датасет, подобрать модель, получить метрику. Этого больше недостаточно.
- Классические Data Scientist — роль размывается между ML Engineer и аналитиком. Середина без специализации в зоне риска.
- Feature Engineering вручную — AutoML и LLM-based подходы берут на себя большую часть работы с признаками.
ПОЯВЛЯЮТСЯ (и будут дорогими):
- Data Strategy и Product Sense — понять, КАКОЙ вопрос задать, ценнее чем ответить на него. Это нельзя делегировать AI.
- LLM-инженерия и RAG — построить надёжный пайплайн с большими моделями это отдельная профессия с острым дефицитом.
- Data Governance и качество данных — AI генерирует больше данных, нужны люди которые следят чтобы они были правдивыми.
- Причинный вывод (Causality) — корреляции находит любой. Объяснить ПОЧЕМУ — это настоящая редкость на рынке.
- MLOps и надёжность систем — когда моделей становится больше, критичнее становится их мониторинг, drift, откат версий.
- Коммуникация и влияние — данные без доверия это мусор. Умение убедить стейкхолдера становится стратегическим скиллом.
ЗАРПЛАТЫ ЧЕРЕЗ 3 ГОДА:
Упадут: Junior Data Analyst, отчётная аналитика, ML-специалист без продуктового контекста.
Останутся: Middle аналитик, адаптирующийся к AI. Удержится за счёт контекста и доверия, но стагнирует без движения вверх.
Взлетят: LLM Engineer и RAG-архитектор (острый дефицит), Data Lead с бизнес-влиянием, ML Engineer + MLOps гибрид.
ЧТО ДЕЛАТЬ СЕЙЧАС:
— Работай с данными через LLM каждый день. Опыт 2025 года = рыночный ценник 2027-го. Не жди, экспериментируй в своих проектах уже сейчас.
— Учи причинность, а не только корреляции. Курсы Judea Pearl, Mixtape Econometrics — это то, что AI не умеет делать за тебя.
— Поговори с продуктом. Спроси у PM: "Какое решение мы пытаемся принять? Что изменится, если мы получим этот инсайт?"
— Освой MLOps-стек хотя бы на уровне понимания. Airflow, MLflow, мониторинг drift — это язык, на котором говорит индустрия.
— Строй нарратив вокруг данных. Умение написать документ, который меняет решение топ-менеджера — редкость. Тренируй это как мышцу.
Главное: те, кто учится быстро и видит картину целиком, всегда будут в цене. --- Пишу об этом в "Даня из БИГ ТЕХ" — там честная аналитика о трендах в IT, если интересно не потеряться в этих изменениях.