כפי שסיפרנו לכם בעבר, השנה השקנו לראשונה מחשבון שכר לכל מקצועות הדאטה המבוסס על נתוני הסקר השנתי של קהילת MDLI. בפוסט הבא רצינו לחלוק איתכם את הרציונל שעומד מאחוריי פיתוח המחשבון, לספר מה מייחד אותו ואיך הוא יכול לספק ערך לחברי הקהילה.

הצורך

יש קושי למצוא מידע מדויק על שכר במקצועות ההייטק. עד לאחרונה, האפשרות הכמעט בלעדית הייתה טבלאות שכר שונות, אליהן ניתן להגיע בחיפוש קצר בגוגל, שמציגות ממוצע שכר לתפקיד בהתאם לשנות הניסיון בו. יש ערך לטבלאות האלו כנקודת פתיחה, אבל חסרים להן שקיפות ודיוק. לא ברור על אילו נתונים מסתמכות החברות שמפרסמות אותן, והשימוש בממוצע – כמדד שמושפע מאוד מנקודות קיצון – כמובן לא נותן תמונה מדויקת. מעבר לכך, הטבלאות האלו לא מספקות התייחסות טובה מספיק לפרמטרים חשובים נוספים שעשויים להשפיע מאוד על הרכב השכר האישי.

בשנים האחרונות צמחו קבוצות שונות שמאפשרות לדון ולהתייעץ על הנושא, ומספקות קצת יותר שקיפות על כל מה שקשור לשכר. הדיונים שעולים בקבוצות האלו חשובים ומעניינים, אבל האופי הפומבי שלהן מקשה לעתים על חלק מהחברים לחלוק בנוחות נתונים אמיתיים. מה גם שקשה לשמר את הידע שעולה מהקבוצות בצורה נגישה, ולייצר הכללות רחבות יותר מתוך התייעצויות אישיות ונקודתיות של החברים בהן.

המחשבון

המחשבון שלנו מבקש לענות על הצורך הזה בצורה ממוקדת ומדויקת יותר – לספק שקיפות ומתודולוגיה ברורה. המחשבון מתבסס על נתוני הסקר השנתי שלנו, עליו השיבו השנה 1,250 חברים בקהילה. מספר כזה של משיבים מאפשר יכולת הכללה, והעובדה שאנו יודעים שהם מגיעים מתוך הקהילה מחזקת את הוודאות שלנו באמינות הנתונים.

מה שמייחד את המחשבון שלנו הוא השליטה בפרמטרים שונים שמאפשרים להגיע לרמת דיוק גבוהה יותר בהערכות השכר שלנו; מעבר לפרמטרים בסיסיים כמו סוג התפקיד ושנות הניסיון, כללנו התייחסות נרחבת להשכלה (רמת השכלה ותחום התואר), רמת בכירות, רמת ניהול, סוג החברה והאם היא אחת מחמש חברות GAMFA. יש לך תואר בפיזיקה, ולא במדעי המחשב? יש לך 6 שנות ניסיון אבל אין לך השכלה אקדמית? את סניורית שעובדת בתאגיד? ממוצע השכר שיוצג לכל אפשרות כזו אינו זהה, והמחשבון שלנו יאפשר לשקף זאת ולהציג את התמונה המדויקת ביותר עבורך.

בנוסף, אנחנו מציגים טווח שכר שכולל גם את נקודות המינימום והמקסימום, ומציג תמונה מורכבת ומלאה יותר של השכר בשטח. הרבה נתונים, כמו שחבר’ה מעולמות הדאטה סיינס אוהבים.

עם זאת, חשוב להדגיש כי על אף המידע הרב עליו מתבסס המחשבון, ישנם מקרי קצה אותם היה קשה לפרמל בצורה טובה. ישנם מקצועות עבורם לא היו מספיק דגימות (למשל תפקידים מאוד בכירים כמו CTO) ולכן אף על פי המחשבון יכול להביא לכם טווח הגיוני, כנראה שבמקרים כאלה שווה להתייעץ עם גורמים נוספים. ישנן דוגמאות נוספות אחרות “לנקודות התורפה” של המחשבון והן בעיקר מקרי קיצון: למשל, ג’וניור בחברת GAMFA, חוקרת עם כמה תארים מדיספלינות שונות, שנות ניסיון שהן לא בהכרח במקצועות הדאטה (מפתחים שעשו הסבה), פערי שכר שמבוססים על מיקום גאוגרפי וכו’.

שורות אלה נכתבו כדי להבהיר לכם שהמציאות היא הרבה יותר מורכבת גם ממחשבון עם 8 פרמטרים שונים. לכן, לצד השימוש במחשבון נמליץ לקרוא גם את הדוח המקיף שהכנו כדי לקבל את התמונה המלאה על המצב בשטח.

סיכום

המטרה של המחשבון עבורנו הייתה ליצור שקיפות סביב נושא שקרוב ללב (ולכיס) של כולנו, אבל כזה שיש סביבו עמימות רבה. אנחנו מקווים שהמחשבון ישמש את חברי הקהילה כדי להכיר את המצב בשטח גם כמי שמחפשים עבודה וגם כמי שמחפשים עובדים, ויעזור לכם להגיע מוכנים יותר.

אם אתם סקרנים לגבי מאחורי הקלעים של המחשבון, עמרי גולדשטיין, שעומד מאחורי המודל של המחשבון וניתוח הסקר, כתב פוסט מפורט התהליך הטכני של בניית המחשבון. מוזמנים לקרוא אותו כאן.

ואם עדיין לא בדקתם את המחשבון שלנו בעצמכם, מוזמנים להתנסות כאן.