Mennyit keres egy pályakezdő informatikus 2022-ben?

"Adatmérnök, adatelemző kategóriákban."

Ez az a munkakor, amire a multik tucatjaval veszik fel a friss kozgaz diplomasokat minimalberhez kozeli fizuert, nem foltetlenul "informatikus" melo. Ird jobban korul, hogy mire gondoltal, mert "Adatmérnök, adatelemző" sok mindent jelenthet, de palyakezdo kategoriaban az inkabb olyansmi, amit az elso mondatban irtam.

"Budapesten, multinál, alapdiplomával, felsőfokú angollal és némettel. Adatmérnök, adatelemző kategóriákban."

Egy az egyben illik rám a leírás, azzal megjegyzéssel, hogy nálunk az adatmérnök nem az excellel bohóckodó közgazdászt jelenti, hanem a pontfelhőkkel és szenzoros adatokkal dolgozó informatikusokat, matematikusokat, akik ténylegesen a tanulóadatokat készítik elő a mesterséges intelligencia számára. Annyira nevetséges, hogy két, egymástól ennyire eltérő pozit ugyanúgy hívnak... Na mindegy!

Diákként 300 nettót kerestem, főállásban 1 év szakmai és másfél év részben releváns tapasztalattal 450-et.

Hasonló végzettséggel nekem nettó 300 at adtak és cserébe napi 10 órát kellet exceltbszni.

Megtanultam rendesen sqlt használni és két év után átmentem konkurenciához kétszer ennyiért.

Én junior "adatmérnök" vagyok (Cloud / Big Data Engineer) mérnökinfó diplomával + angol felsõfok

Röviden az a feladatom, hogy forrásrendszerekbõl pl: MQ, Kafka, KafkaFTP, MQTT érkeztessem az adatot Cloud-natív környezetbe ahol a felhõbe integrált eszközökkel egy ETL pipelinet és CI/CD folyamatot építsek fel, ahol különféle egymástól függõ transzformációs eljárások révén Kubernetessel orkesztrált, Docker konténerekben futó feldolgozóegységekkel olyan állapotba hozzam az adatokat, hogy azok automatikusan feldolgozásra kerülhessenek a cloudba integrált fejlett adatanalitikai, statisztikai modellek (többdimenziós regressziós modellek, idõsorok spektrálsűrűségfv becslés, AR folyamatok generálása) és mesterséges intelligencia eszközök által, majd a számításokat követõen különféle dashboardokon vagy riport formájában vizualizálásra kerüljön a feldolgozás eredménye, amit az üzleti oldal vagy a cég vezetése könnyedén értelmezni tud a döntéshozatalhoz.

Ehhez szükséges ismeretek: Python, SQL, PL/SQL, Shell script, Linux, Cloud eszközök (Pub/Sub, Dataproc, BigQuery, AutoML, Looker, VertexAI), ApacheSpark (PySpark), Docker, Kubernetes, CloudRun, Kafka, MQ

Nekem ezzel a tech-stackkel br. 870k a fizum kevesebb mint 1 éves tapasztalattal a jelenlegi cégnél, az egyetemi képzés mellett pedig 6 hónapig gyakornokoskodtam (Cloud) DevOps Engineerként. Tehát összesen durván másfél éves tapasztalatom van.