نعم، مهنة عالم البيانات مطلوبة في السعودية، وتزداد أهميتها مع توسع استخدام الذكاء الاصطناعي والتحليلات المتقدمة في الطاقة والبنوك والاتصالات والاستثمار والصناعة والمشاريع الرقمية.
ولا يعتمد هذا الاستنتاج على انتشار مصطلح الذكاء الاصطناعي فقط؛ فالسعودية لديها استراتيجية وطنية للبيانات والذكاء الاصطناعي تقودها سدايا، وتركز على بناء القدرات والكفاءات وتحويل المملكة إلى اقتصاد يعتمد بصورة أكبر على البيانات والذكاء الاصطناعي.
كما توجد حاليًا وظائف فعلية متخصصة في Data Science لدى شركات كبرى داخل المملكة؛ فعلى سبيل المثال، تعلن أرامكو خلال 2026 عن وظيفة Data Scientist Specialist لتطوير نماذج Machine Learning والتحليلات التنبؤية وتطبيقها على عمليات الشركة.
لماذا يزداد الطلب على علماء البيانات في السعودية؟
السبب الأساسي هو أن المؤسسات أصبحت تمتلك كميات أكبر من البيانات، لكنها تحتاج إلى متخصصين يستطيعون تحويل هذه البيانات إلى قرارات وتوقعات ونماذج قابلة للاستخدام.
يستطيع عالم البيانات مساعدة الشركة في:
- توقع الطلب والمبيعات.
- اكتشاف الاحتيال.
- تحليل سلوك العملاء.
- توقع الأعطال.
- تحسين الأسعار.
- تقييم المخاطر.
- بناء أنظمة التوصية.
- تحليل العمليات.
- تطوير نماذج Machine Learning وAI.
- تحسين القرارات باستخدام البيانات.
وتشير الاستراتيجية الوطنية للبيانات والذكاء الاصطناعي إلى بناء القدرات المتخصصة باعتباره جزءًا من توجه المملكة في هذا المجال.
هل توجد وظائف Data Scientist فعلًا في السعودية؟
نعم.
من الأمثلة المباشرة الحالية وظيفة Data Scientist Specialist في أرامكو السعودية، والتي بدأ نشرها في 29 يناير 2026 ويستمر الإعلان المدرج حتى 31 ديسمبر 2026.
وتتضمن مهام الوظيفة:
- تطوير نماذج Machine Learning.
- Statistical Modeling.
- Predictive Analytics.
- Deep Learning.
- Time-Series Modeling.
- Anomaly Detection.
- معالجة وتنظيف البيانات.
- نشر النماذج في البيئات التشغيلية.
- استخدام Python.
- التعامل مع Cloud وDatabases وأدوات Visualization.
وتعلن أرامكو أيضًا خلال 2026 عن وظائف Data Engineering متخصصة تهدف إلى بناء البنية التحتية للبيانات وأتمتة Data Pipelines ودعم التحليلات في الوقت الحقيقي.
وهذا مهم لأن سوق البيانات لا يتكون من عالم البيانات وحده، بل من منظومة كاملة تشمل Data Engineering وAnalytics وAI وMachine Learning.
ما القطاعات التي تحتاج علماء البيانات؟
فرص Data Science لا تقتصر على شركات التقنية.
من أهم القطاعات التي يمكن استهدافها:
- البنوك والخدمات المالية.
- الطاقة والنفط والغاز.
- الاتصالات.
- التجارة الإلكترونية.
- الذكاء الاصطناعي والتقنية.
- التأمين.
- الصناعة والتعدين.
- الخدمات اللوجستية.
- الاستشارات.
- المشاريع الكبرى والمدن الذكية.
- الرعاية الصحية.
- الاستثمار وإدارة الأصول.
وتظهر أرامكو مثالًا عمليًا على استخدام علوم البيانات في تحسين العمليات والتنبؤ بالأعطال والتحليلات الصناعية، وليس فقط في شركات البرمجيات.
ما وظائف البيانات الأكثر طلبًا؟
لا ينبغي أن تبحث بكلمة Data Scientist فقط.
استخدم أيضًا:
Data Scientist
يعمل على التحليل الإحصائي وبناء النماذج واستخراج الأنماط والتوقعات.
Machine Learning Engineer
يركز بصورة أكبر على تحويل نماذج Machine Learning إلى أنظمة تعمل داخل المنتجات والبيئات التشغيلية.
Data Engineer
يبني Data Pipelines وقواعد ومنصات البيانات التي يعتمد عليها المحللون وعلماء البيانات.
Data Analyst
يركز على تحليل البيانات وإعداد التقارير ومؤشرات الأداء.
AI Engineer
يعمل على تطوير وتطبيق حلول الذكاء الاصطناعي.
MLOps Engineer
يركز على تشغيل نماذج Machine Learning ومراقبتها وتحديثها في بيئة الإنتاج.
BI Analyst
يعمل على Business Intelligence ولوحات البيانات وتحويل الأرقام إلى معلومات تساعد الإدارة.
كلما استخدمت هذه المسميات أثناء البحث، زاد نطاق الوظائف التي تستطيع الوصول إليها.
هل علم البيانات مناسب لحديث التخرج؟
نعم، لكن من غير الواقعي أن يستهدف حديث التخرج وظائف Senior Data Scientist مباشرة.
يمكن البداية عبر:
- Junior Data Analyst.
- Junior Data Scientist.
- BI Analyst.
- Data Analyst.
- AI Trainee.
- Graduate Data Program.
- Junior Machine Learning Engineer.
ومن الأمثلة الحالية برنامج تطوير الخريجين في صندوق الاستثمارات العامة PIF، الذي يدرج Data Science وArtificial Intelligence وStatistics وApplied Mathematics ضمن التخصصات المؤهلة لنسخة البرنامج الحالية، وهو برنامج مخصص للخريجين السعوديين المستوفين للشروط.
وهذا يعطي مؤشرًا على أن المهارات المرتبطة بالبيانات والذكاء الاصطناعي تدخل ضمن التخصصات التي تبني عليها مؤسسات سعودية كبرى برامج تطوير المواهب.
ما المهارات المطلوبة لعالم البيانات؟
من أهم المهارات التقنية:
- Python.
- SQL.
- Statistics.
- Probability.
- Machine Learning.
- Pandas.
- NumPy.
- Scikit-learn.
- TensorFlow أو PyTorch.
- Data Visualization.
- Power BI أو Tableau.
- Git.
- Cloud Computing.
وللوظائف المتقدمة تصبح المهارات التالية أكثر قيمة:
- MLOps.
- Docker.
- Kubernetes.
- Data Engineering.
- Model Deployment.
- Time-Series Forecasting.
- NLP.
- Generative AI.
- Deep Learning.
وتؤكد متطلبات وظيفة Data Scientist الحالية في أرامكو على Machine Learning والنمذجة الإحصائية وData Engineering وPython ونشر النماذج، مع تفضيل الخبرة في Cloud وقواعد البيانات وأدوات التصور.
هل الذكاء الاصطناعي سيقلل وظائف عالم البيانات؟
من المرجح أن يغير الذكاء الاصطناعي طبيعة العمل أكثر من أن يلغي الحاجة إلى المتخصصين في البيانات.
الأدوات الحديثة تستطيع المساعدة في:
- كتابة بعض الأكواد.
- تنظيف البيانات.
- إنشاء الرسوم.
- تجربة النماذج.
- إعداد الاستعلامات.
لكن الشركات ما تزال تحتاج إلى متخصص يستطيع:
- تحديد المشكلة الصحيحة.
- تقييم جودة البيانات.
- اختيار المنهج المناسب.
- اختبار النموذج.
- اكتشاف الأخطاء والانحياز.
- تفسير النتائج.
- ربط النموذج بهدف تجاري.
- تشغيله ومراقبته بعد النشر.
ولهذا من الأفضل ألا يكون هدفك مجرد تعلم كيفية تدريب نموذج داخل Jupyter Notebook، بل تعلم دورة حياة مشروع البيانات كاملة.
هل للمهنة مستقبل حتى 2030؟
المؤشرات الاستراتيجية الحالية تدعم استمرار الاستثمار في المجال.
سدايا مسؤولة عن دفع الأجندة الوطنية المتعلقة بالبيانات والذكاء الاصطناعي، وتوضح استراتيجيتها أن الهدف يشمل بناء القدرات والريادة في Data & AI.
كما أُطلق مشروع HUMAIN ضمن مشاريع رؤية السعودية 2030 لتطوير تقنيات الذكاء الاصطناعي وتمكين قطاعات رئيسية ودعم الاقتصاد الرقمي.
لذلك يمكن اعتبار علم البيانات والذكاء الاصطناعي من المسارات المرتبطة مباشرة بالتوسع الرقمي الجاري في المملكة، مع ضرورة عدم افتراض أن كل خريج سيحصل تلقائيًا على وظيفة؛ المنافسة ستظل تعتمد على المهارة والخبرة.
كيف تجعل نفسك مطلوبًا في السوق؟
بدل الاكتفاء بدورات Data Science، أنشئ Portfolio قويًا.
نفذ مشاريع مثل:
- Fraud Detection.
- Customer Churn Prediction.
- Recommendation System.
- Sales Forecasting.
- NLP للغة العربية.
- Credit Risk Modeling.
- Predictive Maintenance.
- Demand Forecasting.
وفي كل مشروع وضح:
المشكلة → البيانات → تنظيف البيانات → النموذج → التقييم → النتيجة → القيمة التجارية.
هذا يثبت أنك تستطيع حل مشكلة باستخدام البيانات، وليس فقط تشغيل خوارزمية Machine Learning.
الخلاصة
إذن، هل مهنة عالم البيانات مطلوبة في السعودية؟ نعم، والمؤشرات الحالية تدعم استمرار الحاجة إلى متخصصي Data Science وAI وMachine Learning وData Engineering مع توسع الاستراتيجية الوطنية للبيانات والذكاء الاصطناعي والاستثمارات التقنية.
كما توجد وظائف فعلية متخصصة داخل شركات كبيرة مثل أرامكو، وبرامج تطوير تستهدف تخصصات Data Science وAI مثل برنامج PIF للخريجين السعوديين.
لكن أفضل فرص التوظيف ستكون لمن يجمع بين Python + SQL + Statistics + Machine Learning + Cloud/MLOps + مشاريع عملية حقيقية، بدل الاعتماد على الشهادة الجامعية وحدها.
المصادر الرسمية
- سدايا: الاستراتيجية الوطنية للبيانات والذكاء الاصطناعي
- سدايا: فرص العمل في الهيئة السعودية للبيانات والذكاء الاصطناعي
- أرامكو: وظائف Data Science وAnalytics
- صندوق الاستثمارات العامة: Graduate Development Program
- رؤية السعودية 2030: مشروع HUMAIN للذكاء الاصطناعي
