אילו מקצועות הייטק שווה לשקול כשעושים הסבה - סקירה כנה¶
לפני שנתחיל, הבהרה - לא אזרוק עליכם "לפי מחקר חדש" או אחוזי צמיחה מרשימים. אין לי מחקר כזה, ואני לא אמציא אחד רק כדי שהפוסט יישמע משכנע יותר. מה שיש לי זה תמונה כנה של המסלולים העיקריים שקיימים היום למי ששוקל לאן לכוון, ומה כדאי לדעת על כל אחד לפני שבוחרים.
פיתוח תוכנה - עדיין הליבה של התחום¶
Backend, frontend ו-fullstack נשארים המסלול הכי נגיש למי שעושה הסבה. הביקוש לא נעלם, גם אם השיח סביב כלי AI לכתיבת קוד יצר בשנים האחרונות חשש אצל מתחילים. האמת המדויקת יותר היא שכלים כאלה שינו איך עובדים - הם עוזרים לכתוב קוד מהר יותר - אבל לא ביטלו את הצורך במישהו שמבין מה הקוד עושה, יודע לתקן אותו כשהוא נשבר, ויודע לתכנן מערכת שלמה. מי שמבין יסודות טובים, לא רק יודע להעתיק תשובה מכלי AI, נשאר בעל ערך.
נקודת הכניסה נגישה יחסית עם לימוד עצמי או קורס ממוקד, והדרישה העיקרית היא פרויקטים אמיתיים שמוכיחים יכולת, לא רק תעודה.
DevOps ותשתיות¶
תפקידים שקשורים לתשתית, ענן, ואוטומציה של תהליכי פיתוח. זה מסלול שמתאים למי שנהנה יותר ממערכות ומכלים מאשר מכתיבת פיצ'רים לוגיים, ולעיתים קרובות דורש קודם בסיס בפיתוח או בניהול מערכות לפני שמתמחים בו ספציפית. לא בהכרח מסלול ראשון להסבה, אבל כיוון טוב להתפתחות אחרי משרה ראשונה.
סייבר - משפחה שלמה של תפקידים¶
כבר כתבתי בהרחבה על זה בפוסט נפרד, אז רק בקצרה - סייבר הוא לא תפקיד אחד אלא כמה תחומים שונים לגמרי, מ-SOC ועד בדיקות חדירה ועד אבטחת אפליקציות. מי שנמשך לצד הבלשי-חקירתי של התחום, לחשוב כמו תוקף כדי להגן טוב יותר, ימצא בו עניין אמיתי. חשוב לזכור שגם כאן, בסיס תכנותי ורשתות הוא הכרחי, לא אופציונלי.
בדיקות תוכנה - QA ו-QA אוטומציה¶
תפקיד שלעיתים קרובות מוערך בחסר. QA ידני הוא נקודת כניסה נגישה יחסית לתחום, ו-QA אוטומציה, שדורש כתיבת קוד לבדיקות, הוא גשר טבעי מ-QA לפיתוח מלא. למי שכבר עובד בתפקיד לא-טכני בתוך חברת הייטק, זה לפעמים המסלול הכי קצר פנימה.
נתונים - data analyst ו-data engineer¶
עולם הנתונים גדל, אבל כדאי להיות מדויקים - יש הבדל גדול בין data analyst, שעובד בעיקר עם שאילתות, דוחות וויזואליזציה ודורש פחות רקע תכנותי כבד, לבין data scientist שדורש בסיס מתמטי וסטטיסטי משמעותי, שלרוב נרכש דרך לימודים פורמליים. אם אתם באים בלי רקע כמותי חזק, data analyst הוא כניסה הרבה יותר ריאלית מ-data science.
איך בוחרים בין כל זה¶
הטעות הנפוצה היא לבחור מסלול לפי "מה הכי חם עכשיו" בלי לשאול את עצמכם מה מעניין אתכם באמת. ביקוש בשוק משתנה, אבל המוטיבציה שלכם היא מה שיקבע אם תתמידו דרך החודשים הקשים באמצע הדרך.
שאלו את עצמכם - אתם נמשכים יותר לבנות דברים מאפס (פיתוח), לפרק ולהבין איך מערכות נשברות (סייבר), לסדר ולנתח כמויות מידע (נתונים), או לפתור בעיות תפעוליות ולוגיסטיות (DevOps, QA)? התשובה הכנה לשאלה הזאת שווה יותר מכל דירוג "מקצועות חמים" שתמצאו.
אם אתם עדיין לא בטוחים, הדרך הכי טובה היא פשוט להתחיל מהבסיס המשותף לרוב המסלולים - תכנות - ולראות מה מושך אתכם תוך כדי תנועה. מפת דרכים מלאה לכל המסלולים תמצאו כאן, כולל קורס התכנות הבסיסי שהוא נקודת ההתחלה הטובה ביותר כמעט לכל כיוון.
ואם אתם רוצים לשמוע מאנשים שכבר בחרו כל אחד מהמסלולים האלה למה הם בחרו בו - יש לנו קהילה בדיסקורד בדיוק בשביל זה.