אנחנו חיים בדור בו התפקיד הראשון בהייטק הוא כבר לא היעד הסופי. אנשים נכנסים דרך תפקיד שיכול להרגיש "זמני" כדי לעשות בתוך שנה עד שנתיים מעבר לתפקיד מדויק יותר. מי שלא מתכנן את הקפיצה הזאת, עלול להישאר באותו מקום ולשאול את עצמו למה שום דבר לא זז. מי שכן מבין איך נראית מדרגת ההמשך ומה האופציות האפשריות, מתחיל לבנות אותה כבר מהיום הראשון. אז אספנו לכם חמישה מסלולים נפוצים בשוק הישראלי ואופציות להתקדמות בכל אחד מהם.
1. QA: מבדיקות ידניות לאוטומציה ומשם לניהול צוות
הרבה ג׳וניורים נכנסים דרך QA ידני, אך הבעיה מתחילה כשנשארים בתפקיד QA יותר מדי זמן. הקפיצה האמיתית היא כשאתם הופכים למי שמוריד עומס לצוות. ברגע שאתם מתחילים לבנות אוטומציה שמריצה טסטים קבועים, לגעת בAPI, להבין לוגים ולחבר את הבדיקות ל-CI\CD – אתם כבר לא עוד QA ידני. אתם בדרך ל- QA Automation. השלב הבא מגיע כשאתם הופכים לכתובת. בקצרה, מדובר באחריות אמיתית וזה ערך זה כבר ערך שקשה להתעלם ממנו בארגון. אם אתם שוקלים להיכנס דרך QA, תוכלו לראות משרות פתוחות בתחום כאן.
2. תמיכה טכנית ו-IT: מכיבוי שריפות לאנשים שמונעים אותן
הרבה מתחילים בתפקידי תמיכה או IT כי הם נחשבים לכאלו שיחסית "קל" להיכנס אליהם. זה בית ספר מעולה להבנת מערכות אמיתיות, משתמשים אמיתיים ותקלות אמיתיות. הקפיצה הראשונה מגיעה כשמפסיקים רק לפתור תקלות ומתחילים לשאול למה הן חוזרות. מי שלוקח תקלות שחוזרות על עצמן, מתעד אותן, או כותב סקריפט קטן שמונע אותן בפעם הבאה, כבר חושב על התפקיד הבא. ברגע שמתחילים לקחת בעלות על כלי אחד עד הסוף, ניטור, לוגים, הרשאות או תהליכי דיפלוי, משתנה גם האופן שבו מסתכלים עליכם לא מעט אנשי Support שמפתחים אוטומציה ולוקחים בעלות על מערכות ממשיכים לתפקידי DevOps, לייצר סדר ולהכניס סטנדרטים. "כדי להבין איך נראה מסלול DevOps בפועל, אפשר להיעזר גם במפת הדרכים הזו של roadmap.sh. גם כאן, מי שמביא יציבות מקבל מהר יותר אחריות.
3. דאטה: מדוחות נקודתיים לתשתית שמניעה החלטות
Data Analyst ו-BI Analyst זה תפקיד מצוין להבנת מספרים ומדדים, אבל לא מעט אנשים נתקעים בו כי הם נשארים ברמת הדו"ח. המעבר לשלב הבא קורה כשמתחילים לבנות תשתית ולא רק תשובות. להפוך דוח קבוע לפייפליין מסודר, להגדיר טבלאות נקיות, לייצר בדיקות איכות נתונים. פתאום אתם לא רק עונים על שאלות, אלא מאפשרים לאחרים לעבוד. משם יש שני כיוונים ברורים. מי שנמשך לעולם המודלים והאלגוריתמיקה יתקדם ל- Data Science (בדרך כלל זה דורש העמקה נוספת בסטטיסטיקה, מודלים ופרויקטים ייעודיים) דרך פרויקטים מקצה לקצה, מהגדרת הבעיה ועד מדדים שמוכיחים ערך. מי שנמשך יותר לעולם המוצר ימצא את עצמו מתרגם תובנות לשינויים אמיתיים במוצר, לפעמים בתפקידים שמשלבים דאטה ומוצר, כמו Data Product Manager .
4. Customer Success ו-SDR: מהלקוח החוצה לארגון
יש נטייה לזלזל במסלול הזה, אבל בהרבה חברות SaaS בישראל הוא אחד המסלולים המהירים להשפעה. מי שמכיר את הלקוח מקרוב מבין איפה הבעיות ואיפה המוצר באמת פוגש מציאות. הקפיצה הראשונה מגיעה כשעוברים מלתת שירות נקודתי לניהול תמונה רחבה. למדוד סיכונים, להבין איפה לקוח נתקע ולתרגם את זה לפעולה פנימית מול מוצר או פיתוח. בשלב הבא כבר בוחרים זהות: הצד העסקי יותר, ניהול לקוחות והכנסות, או הצד הטכני יותר Sales או Solution Engineer.
5. פיתוח תוכנה: מג׳וניור למישהו שסומכים עליו
בפיתוח, הקפיצה מג׳וניור למיד לא מגיעה רק מכמות שורות קוד. היא מגיעה מאחריות. מי שמסוגל לקחת פיצ’ר מקצה לקצה, לדבר עם ה-Product, לשאול שאלות נכונות ולתקשר החלטות, נתפס אחרת לגמרי. בחברות ישראליות, בסטארטאפים במיוחד, היכולת הזאת מוערכת לא פחות מידע טכני. השלב הבא כבר כולל הובלה: code reviews משמעותיים, תכנון מוקדם של משימות, חניכה של אחרים. ברגע שאתם לא רק כותבים קוד אלא משפיעים על איך הצוות עובד, אתם באזור של Tech Lead או Senior, גם אם זה עדיין לא מופיע בטייטל.
איך בוחרים מסלול בלי לבזבז שנה
הטעות הנפוצה היא לבחור לפי מה שנשמע נוצץ. הבחירה הנכונה היא לשאול איפה תוכלו לצבור הכי מהר הוכחות. הוכחה יכולה להיות אוטומציה שחוסכת זמן, פייפליין שמייצר סדר, פיצ’ר שלקחתם עליו בעלות מלאה, מדד ששיפרתם אצל לקוח. אם אתם כבר במשרה הראשונה, הגדירו לעצמכם יעד ל-90 יום: הישג אחד ברור שמקרב אתכם לתפקיד הבא. לא “להשתפר”, אלא לבנות משהו שאפשר להצביע עליו. ומשם זה כבר משחק אחר לגמרי
