Blogs

അവസാനത്തെ സെമസ്റ്റർ പരീക്ഷയും കഴിഞ്ഞ്, ക്യാമ്പസിൻ്റെ പടിയിറങ്ങുമ്പോൾ മനസ്സിൽ വലിയൊരു ആശ്വാസമായിരിക്കും. "അവസാനം ഡിഗ്രി കഴിഞ്ഞല്ലോ!" എന്ന സന്തോഷം. എന്നാൽ ആ സന്തോഷത്തിന് വലിയ ആയുസ്സുണ്ടാകില്ല. വീട്ടുകാരും നാട്ടുകാരും ബന്ധുക്കളുമെല്ലാം ചോദിക്കാൻ തുടങ്ങും, "അടുത്തത് എന്താ പരിപാടി? പി.ജിക്ക് പോകുന്നില്ലേ? അതോ ജോലിക്ക് ശ്രമിക്കുകയാണോ?"

ഈ ചോദ്യങ്ങൾ കേൾക്കുമ്പോൾ ഡിഗ്രി കഴിഞ്ഞ ഭൂരിഭാഗം കുട്ടികൾക്കും ഒരു ചെറിയ ആശങ്കയുണ്ടാകും. എന്നാൽ, നിങ്ങൾ പഠിച്ചത് 'സ്റ്റാറ്റിസ്റ്റിക്സ്' (B.Sc. Statistics) ആണെങ്കിൽ, നിങ്ങൾക്ക് ആശങ്കപ്പെടാൻ യാതൊരു കാരണവുമില്ല. കാരണം, നിങ്ങൾ പഠിച്ചിറങ്ങിയിരിക്കുന്നത് ഇന്നത്തെ ലോകത്ത് ഏറ്റവും കൂടുതൽ ഡിമാൻഡുള്ള ഒരു വിഷയമാണ്. "ഡാറ്റയാണ് പുതിയ എണ്ണ (Data is the new oil)" എന്ന് കേട്ടിട്ടില്ലേ? ഈ ഡാറ്റ ഖനനം ചെയ്ത് അതിൽ നിന്ന് വിലപ്പെട്ട വിവരങ്ങൾ കണ്ടെത്താൻ കഴിയുന്ന സ്റ്റാറ്റിസ്റ്റിക്സ് ബിരുദധാരികൾക്ക് ഇന്ന് സ്വർണ്ണത്തേക്കാൾ വിലയുണ്ട്!

ഒരു സ്റ്റാറ്റിസ്റ്റിക്സ് ബിരുദധാരിക്ക് മുന്നിലുള്ള വലിയ കരിയർ സാധ്യതകളെക്കുറിച്ച് നമുക്കൊന്ന് വിശദമായി നോക്കാം.

1. ഐ.ടി, ഡാറ്റാ സയൻസ്: ശമ്പളവും ഗ്ലാമറുമുള്ള ലോകം

ഇന്ന് ഒരുപക്ഷെ ഏറ്റവും കൂടുതൽ ചെറുപ്പക്കാർ ആകർഷിക്കപ്പെടുന്ന മേഖലയാണിത്. കൊച്ചിയിലെ ഇൻഫോപാർക്ക് മുതൽ ബാംഗ്ലൂർ, ഹൈദരാബാദ്, പുനെ തുടങ്ങിയ മെട്രോ നഗരങ്ങളിലും വിദേശത്തും നിങ്ങൾക്ക് മികച്ച ജോലി നേടാൻ ഈ മേഖല സഹായിക്കും.

ഡാറ്റാ അനലിസ്റ്റ് (Data Analyst): കമ്പനികൾക്ക് ഇന്ന് അവരുടെ കയ്യിലുള്ളത് ലക്ഷക്കണക്കിന് ഉപഭോക്താക്കളുടെ ഡാറ്റയാണ്. സ്വിഗ്ഗി (Swiggy) എങ്ങനെയാണ് നിങ്ങൾക്ക് ഇഷ്ടപ്പെട്ട ഭക്ഷണങ്ങൾ റെക്കമൻഡ് ചെയ്യുന്നത്? നെറ്റ്ഫ്ലിക്സ് (Netflix) എങ്ങനെയാണ് നിങ്ങൾക്ക് ഇഷ്ടപ്പെടാൻ സാധ്യതയുള്ള സിനിമകൾ കാണിച്ചു തരുന്നത്? ഇതെല്ലാം ഡാറ്റാ അനലിസ്റ്റുകളുടെ പണിയാണ്. സ്റ്റാറ്റിസ്റ്റിക്സ് ഡിഗ്രിക്കാർക്ക് എളുപ്പത്തിൽ കടന്നുവരാൻ പറ്റുന്ന ഒരു തസ്തികയാണിത്. ഇതിനായി Excel, SQL, കൂടാതെ Tableau അല്ലെങ്കിൽ PowerBI പോലെയുള്ള ഡാറ്റ വിഷ്വലൈസേഷൻ ടൂളുകൾ പഠിക്കുന്നത് വളരെ ഗുണം ചെയ്യും.

ഡാറ്റാ സയൻ്റിസ്റ്റ് (Data Scientist): ഡാറ്റാ അനലിസ്റ്റിൻ്റെ ഒരു അഡ്വാൻസ്ഡ് വേർഷൻ ആണിത്. നിലവിലെ ഡാറ്റ ഉപയോഗിച്ച് ഭാവിയിൽ എന്ത് സംഭവിക്കുമെന്ന് പ്രവചിക്കുക (Predictive modeling), മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ ഉണ്ടാക്കുക എന്നിവയൊക്കെയാണ് ഡാറ്റാ സയൻ്റിസ്റ്റിൻ്റെ ജോലി. ലക്ഷങ്ങളാണ് ഈ ജോലിക്ക് ശമ്പളമായി ലഭിക്കുന്നത്. പക്ഷെ ഇതിലേക്ക് എത്താൻ നിങ്ങൾ പൈത്തൺ (Python) അല്ലെങ്കിൽ R പോലെയുള്ള പ്രോഗ്രാമിംഗ് ഭാഷകൾ നന്നായി പഠിക്കേണ്ടതുണ്ട്.

ബിസിനസ് അനലിസ്റ്റ് (Business Analyst): ഡാറ്റയും ബിസിനസും തമ്മിലുള്ള പാലമായി പ്രവർത്തിക്കുന്നവരാണ് ഇവർ. കമ്പനിയുടെ ലാഭം കൂട്ടാനും നഷ്ടം കുറയ്ക്കാനും ഡാറ്റയെ എങ്ങനെ ഉപയോഗിക്കാം എന്ന് ബിസിനസ്സ് മേധാവികൾക്ക് പറഞ്ഞുകൊടുക്കുന്നത് ഇവരാണ്. ആശയവിനിമയ ശേഷിയും (Communication skill) നമ്പറുകളോടുള്ള താല്പര്യവുമുണ്ടെങ്കിൽ ഇതൊരു മികച്ച കരിയർ ഓപ്ഷനാണ്.

2. സർക്കാർ ജോലികൾ: സുരക്ഷിതത്വവും പദവിയും

ഐ.ടി മേഖലയിലെ അസ്ഥിരത ഭയക്കുന്നവർക്കും, ജീവിതകാലം മുഴുവൻ സുരക്ഷിതമായ ഒരു ജോലി ആഗ്രഹിക്കുന്നവർക്കും സ്റ്റാറ്റിസ്റ്റിക്സ് പഠിച്ചതുകൊണ്ട് മാത്രം ലഭിക്കുന്ന ചില മികച്ച സർക്കാർ ജോലികളുണ്ട്.

SSC JSO (Junior Statistical Officer): കേന്ദ്ര സർക്കാരിൻ്റെ കീഴിലുള്ള ഒരു ഗ്രൂപ്പ് ബി (Group B Non-Gazetted) പോസ്റ്റാണിത്. സ്റ്റാഫ് സെലക്ഷൻ കമ്മീഷൻ (SSC) നടത്തുന്ന CGL (Combined Graduate Level) പരീക്ഷ വഴിയാണ് നിയമനം. ഡിഗ്രിക്ക് സ്റ്റാറ്റിസ്റ്റിക്സ് പഠിച്ചവർക്കും, പ്ലസ് ടുവിന് കണക്കിന് 60% മാർക്കുള്ളവർക്കും മാത്രമേ ഈ തസ്തികയിലേക്ക് അപേക്ഷിക്കാൻ കഴിയൂ. അതായത് മത്സരത്തിൽ വലിയൊരു ശതമാനം ആളുകൾ പുറത്താകും. നിങ്ങൾക്ക് താരതമ്യേന എളുപ്പത്തിൽ ജോലി നേടാൻ ഇത് സഹായിക്കും. കേന്ദ്ര സർക്കാരിൻ്റെ വിവിധ മന്ത്രാലയങ്ങളിൽ നയങ്ങൾ രൂപീകരിക്കുന്നതിനുള്ള ഡാറ്റ ശേഖരിക്കുന്നതാണ് പ്രധാന ജോലി.

കേരള പി.എസ്.സി (Kerala PSC): കേരള സർക്കാരിൻ്റെ ഇക്കണോമിക്സ് ആൻഡ് സ്റ്റാറ്റിസ്റ്റിക്സ് വകുപ്പിൽ 'സ്റ്റാറ്റിസ്റ്റിക്കൽ അസിസ്റ്റൻ്റ് / ഇൻവെസ്റ്റിഗേറ്റർ' (Statistical Assistant/Investigator) തസ്തികകളിൽ ഇടയ്ക്കിടെ വൻതോതിൽ ഒഴിവുകൾ വരാറുണ്ട്. സ്റ്റാറ്റിസ്റ്റിക്സ്, മാത്തമാറ്റിക്സ്, ഇക്കണോമിക്സ് ഡിഗ്രിക്കാർക്ക് മാത്രമാണ് ഇതിൽ അപേക്ഷിക്കാൻ കഴിയുക. നമ്മുടെ സംസ്ഥാനത്ത് തന്നെ ജോലി ചെയ്യാൻ ആഗ്രഹിക്കുന്നവർക്ക് ഇതൊരു സുവർണ്ണാവസരമാണ്.

റിസർവ് ബാങ്ക് ഓഫ് ഇന്ത്യ (RBI): ഇന്ത്യയുടെ കേന്ദ്ര ബാങ്കായ ആർ.ബി.ഐയിൽ DSIM (Department of Statistics and Information Management) എന്നൊരു പ്രത്യേക വിഭാഗം തന്നെയുണ്ട്. ഇവിടെ റിസർച്ച് ഓഫീസർ പോലെയുള്ള തസ്തികകളിൽ മികച്ച ശമ്പളത്തിൽ ജോലി നേടാം. (ചില ഉയർന്ന തസ്തികകൾക്ക് പി.ജി ആവശ്യമായി വന്നേക്കാം).

3. ബാങ്കിംഗ്, ഇൻഷുറൻസ്, ആക്ച്വേറിയൽ സയൻസ്: കാശെണ്ണാൻ പഠിക്കാം!

ഫിനാൻസ് ഫീൽഡിൽ സ്റ്റാറ്റിസ്റ്റിക്സിന് വലിയ പ്രാധാന്യമുണ്ട്. പണവുമായി ബന്ധപ്പെട്ട റിസ്കുകൾ മുൻകൂട്ടി കാണാൻ കണക്കുകൾ അത്യന്താപേക്ഷിതമാണ്.

ആക്ച്വേറിയൽ സയൻസ് (Actuarial Science): ഒരുപക്ഷെ പലരും കേട്ടിട്ടുണ്ടാകാൻ വഴിയില്ലാത്ത, എന്നാൽ പഠിച്ചാൽ കോടികൾ ശമ്പളം വാങ്ങാൻ കഴിയുന്ന ഒരു ഫീൽഡാണിത്. ഇൻഷുറൻസ് കമ്പനികളാണ് ഇവരെ പ്രധാനമായും നിയമിക്കുന്നത്. ഉദാഹരണത്തിന്, ഒരു 25 വയസ്സുകാരനും 55 വയസ്സുകാരനും ലൈഫ് ഇൻഷുറൻസ് എടുക്കുമ്പോൾ അവർ അടയ്ക്കേണ്ട പ്രീമിയം തുക വ്യത്യാസമുണ്ടാകും. കാരണം അവരുടെ റിസ്ക് വ്യത്യസ്തമാണ്. ഈ റിസ്ക് കണക്കുകൂട്ടി പ്രീമിയം നിശ്ചയിക്കുന്ന ആളാണ് ആക്ച്വറി (Actuary). ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ആക്ച്വറീസ് ഓഫ് ഇനിഡ്യയുടെ (IAI) പരീക്ഷകൾ പാസായാൽ മാത്രമേ ഈ ജോലി ലഭിക്കൂ. കണക്കിലും സ്റ്റാറ്റിസ്റ്റിക്സിലും മിടുക്കരായവർക്ക് ഈ പരീക്ഷകൾ വേഗത്തിൽ ക്ലിയർ ചെയ്യാൻ സാധിക്കും.

ക്വാണ്ടിറ്റേറ്റീവ് അനലിസ്റ്റ് (Quantitative Analyst / Quant): സ്റ്റോക്ക് മാർക്കറ്റ്, ട്രേഡിംഗ്, ഇൻവെസ്റ്റ്മെൻ്റ് ബാങ്കിംഗ് എന്നീ മേഖലകളിൽ വലിയ അളവിലുള്ള സാമ്പത്തിക ഡാറ്റ വിശകലനം ചെയ്ത് ട്രേഡിംഗ് തന്ത്രങ്ങൾ രൂപീകരിക്കുന്നവരാണ് ക്വാണ്ടുകൾ. വളരെ സങ്കീർണ്ണമായ മാത്തമാറ്റിക്കൽ മോഡലുകളാണ് ഇവർ ഉപയോഗിക്കുന്നത്.

4. പുതിയ കാലത്തെ വ്യത്യസ്തമായ അവസരങ്ങൾ

മുകളിൽ പറഞ്ഞ പരമ്പരാഗത മേഖലകൾക്ക് പുറമെ, ഇന്ന് സ്റ്റാറ്റിസ്റ്റിക്സ് ഉപയോഗിക്കുന്ന വളരെ രസകരമായ മറ്റ് ചില ഫീൽഡുകൾ കൂടിയുണ്ട്.

സ്പോർട്സ് അനലിറ്റിക്സ് (Sports Analytics): നിങ്ങൾ ക്രിക്കറ്റോ ഫുട്ബോളോ ഇഷ്ടപ്പെടുന്ന ആളാണോ? ഐ.പി.എൽ (IPL) ലേലത്തിൽ കളിക്കാരെ ടീമുകൾ കോടികൾ കൊടുത്ത് വാങ്ങുന്നത് വെറുതെയല്ല. ഓരോ കളിക്കാരൻ്റെയും പഴയ ട്രാക്ക് റെക്കോർഡ്, സ്ട്രൈക്ക് റേറ്റ്, ഏത് പിച്ചിൽ എങ്ങനെ കളിക്കുന്നു തുടങ്ങിയ ഡാറ്റയെല്ലാം വിശകലനം ചെയ്യുന്ന സ്പോർട്സ് അനലിസ്റ്റുകൾ ഇന്ന് എല്ലാ ടീമുകൾക്കുമുണ്ട്. സ്പോർട്സും സ്റ്റാറ്റിസ്റ്റിക്സും ഇഷ്ടമുള്ള ഒരാൾക്ക് ഇതിലും മികച്ചൊരു കരിയർ സ്വപ്നം കാണാനില്ല!

ബയോസ്റ്റാറ്റിസ്റ്റിക്സ് (Biostatistics): ആരോഗ്യ മേഖലയിൽ ഗവേഷണങ്ങൾക്ക് ഡാറ്റ അത്യാവശ്യമാണ്. പുതിയൊരു മരുന്ന് കണ്ടുപിടിച്ചാൽ, അത് എത്രത്തോളം ഫലപ്രദമാണെന്നും എന്തെങ്കിലും പാർശ്വഫലങ്ങൾ ഉണ്ടോ എന്നും人类ിൽ പരീക്ഷിച്ച് (Clinical Trials) അതിൻ്റെ ഡാറ്റ വിശകലനം ചെയ്യുന്നത് ബയോസ്റ്റാറ്റിസ്റ്റിഷ്യൻമാരാണ്. കോവിഡ് കാലത്ത് രോഗവ്യാപനത്തിൻ്റെ തോത് കണക്കാക്കാൻ ഈ ഫീൽഡ് വലിയ പങ്ക് വഹിച്ചിട്ടുണ്ട്.

മാർക്കറ്റ് റിസർച്ച് (Market Research): പുതിയൊരു പ്രൊഡക്റ്റ് വിപണിയിൽ ഇറക്കുന്നതിന് മുൻപ്, ജനങ്ങൾക്ക് അത് ഇഷ്ടപ്പെടുമോ എന്ന് സർവേ നടത്തി ഡാറ്റ ശേഖരിച്ച് പഠനം നടത്തുന്ന മേഖലയാണിത്.

5. ഉന്നത പഠനം: ഇനിയെന്ത് പഠിക്കണം?

ജോലിക്ക് കയറുന്നതിന് മുൻപ് കുറച്ചുകൂടി പഠിച്ച് തൻ്റെ യോഗ്യത വർദ്ധിപ്പിക്കണം എന്ന് ചിന്തിക്കുന്നവരാണ് നിങ്ങളെങ്കിൽ, ഡിഗ്രിക്ക് ശേഷം ഒരുപാട് പി.ജി ഓപ്ഷനുകൾ നിങ്ങളെ കാത്തിരിപ്പുണ്ട്.

M.Sc. Statistics / Applied Statistics: അധ്യാപന രംഗത്തേക്കോ (സ്കൂൾ/കോളേജ്), ഗവേഷണ രംഗത്തേക്കോ (Ph.D) പോകാൻ ആഗ്രഹിക്കുന്നവർക്കും, UPSC ISS (Indian Statistical Service) പോലെയുള്ള ഉയർന്ന സിവിൽ സർവീസ് പരീക്ഷകൾ എഴുതാൻ ലക്ഷ്യമിടുന്നവർക്കും ഈ കോഴ്സ് തിരഞ്ഞെടുക്കാം.

M.Sc. Data Science / Big Data Analytics: ഐ.ടി ഫീൽഡിൽ വലിയൊരു കരിയർ ലക്ഷ്യമിടുന്നവർക്ക് നേരിട്ട് ഡാറ്റാ സയൻസ് പി.ജി ചെയ്യാം. ഇതിൽ തിയറിക്കൊപ്പം കോഡിംഗും പ്രായോഗിക പരിശീലനവും ലഭിക്കും.

M.Sc. Biostatistics: മെഡിക്കൽ, ഫാർമസ്യൂട്ടിക്കൽ കമ്പനികളിൽ ജോലി നേടാൻ താല്പര്യമുള്ളവർക്ക് ഏറ്റവും മികച്ച ഓപ്ഷനാണിത്. മണിപ്പാൽ പോലെയുള്ള പ്രമുഖ യൂണിവേഴ്സിറ്റികളിൽ ഈ കോഴ്സ് ലഭ്യമാണ്.

MBA / MCA: നിങ്ങൾക്ക് സ്റ്റാറ്റിസ്റ്റിക്സിൽ നിന്ന് മാറി പൂർണ്ണമായി മാനേജ്മെൻ്റ് ഫീൽഡിലേക്കോ (MBA), അല്ലെങ്കിൽ സോഫ്റ്റ്‌വെയർ ഡെവലപ്മെൻ്റ് ഫീൽഡിലേക്കോ (MCA) മാറണമെങ്കിൽ ഈ കോഴ്സുകൾ പരിഗണിക്കാം. ഒരു സ്റ്റാറ്റിസ്റ്റിക്സ് ബാക്ക്ഗ്രൗണ്ട് ഉള്ളതുകൊണ്ട് MBA യിൽ ഫിനാൻസ് അല്ലെങ്കിൽ ബിസിനസ് അനലിറ്റിക്സ് എടുത്താൽ വലിയ ശോഭിക്കാൻ കഴിയും.

🔖എവിടെ നിന്ന് തുടങ്ങണം?

ഇത്രയും സാധ്യതകൾ മുന്നിലുണ്ടെന്ന് അറിയുമ്പോൾ എന്ത് തിരഞ്ഞെടുക്കണം എന്നൊരു കൺഫ്യൂഷൻ വരുന്നത് സ്വാഭാവികമാണ്. എല്ലാം കൂടി ഒറ്റയടിക്ക് ചെയ്യാൻ ശ്രമിക്കേണ്ട. പതുക്കെ തുടങ്ങാം.

1. നിങ്ങളുടെ താല്പര്യം കണ്ടെത്തുക: നിങ്ങൾക്ക് കോഡിങ് ഇഷ്ടമാണോ? എങ്കിൽ ഡാറ്റാ സയൻസിലേക്ക് തിരിയാം. സുരക്ഷിതത്വമാണ് വലുതെങ്കിൽ പി.എസ്.സി/എസ്.എസ്.സി പഠനം തുടങ്ങാം. ഇനി തുടർന്ന് പഠിക്കാനാണെങ്കിൽ നല്ല യൂണിവേഴ്സിറ്റികളിലേക്കുള്ള പ്രവേശന പരീക്ഷകൾക്ക് തയ്യാറെടുക്കാം.

2. സ്കില്ലുകൾ വളർത്തുക: ഡിഗ്രി സർട്ടിഫിക്കറ്റ് മാത്രം പോര ഇന്നത്തെ കാലത്ത് ജോലി കിട്ടാൻ. യൂട്യൂബിലോ കോഴ്സെറ (Coursera) പോലെയുള്ള പ്ലാറ്റ്‌ഫോമുകളിലോ സൗജന്യമായി Excel, SQL, Python എന്നിവയുടെ അടിസ്ഥാന കാര്യങ്ങൾ പഠിച്ചു തുടങ്ങുക.

3. ലിങ്ക്ഡ്ഇൻ (LinkedIn) ഉപയോഗിക്കുക: പ്രൊഫഷണലുകളുടെ സോഷ്യൽ മീഡിയ ആയ ലിങ്ക്ഡ്ഇനിൽ ഒരു മികച്ച പ്രൊഫൈൽ ഉണ്ടാക്കുക. നിങ്ങളുടെ ഫീൽഡിലുള്ള ആളുകളുമായി കണക്ട് ചെയ്യുക, അവർ എന്തൊക്കെയാണ് ചെയ്യുന്നതെന്ന് മനസ്സിലാക്കുക.

ചുരുക്കത്തിൽ പറഞ്ഞാൽ, സ്റ്റാറ്റിസ്റ്റിക്സ് പഠിച്ചിറങ്ങിയ നിങ്ങൾക്ക് മുന്നിൽ ലോകം മുഴുവൻ ഒരു തുറന്ന പുസ്തകമാണ്. അക്കങ്ങളെ സ്നേഹിക്കുന്ന, ഡാറ്റയിൽ നിന്ന് കഥകൾ വായിച്ചെടുക്കാൻ കഴിവുള്ള നിങ്ങൾക്ക് ഏത് മേഖലയിലും നിങ്ങളുടെതായ ഒരു സ്ഥാനം നേടിയെടുക്കാൻ കഴിയും. ഒരുപാട് സമയം ആലോചിച്ച് കളയാതെ, ഇന്നുമുതൽ തന്നെ നിങ്ങൾക്ക് ഇഷ്ടമുള്ള ഒരു മേഖലയിലേക്ക് ചുവടുവെച്ച് തുടങ്ങുക. വിജയാശംസകൾ!


Article By: Mujeebulla K.M
CIGI Career Team