怎样看待未来全球数据人才激增的现象

当下无论哪个行业，几乎每家公司的数据都比以往任何时候都多。几乎所有的公司要么想利用这些数据使他们的业务更具竞争力，要么想找到一种方法将其转化为新的收入。但无论如何哪种方式，这些数据丰富的公司都需要一点:更多优秀的数据科学家。

围绕数据科学人才的战争可能会异常激烈，大部分首席信息官和领导者都在费心思招聘出色的数据科学家。

但是精通某一特定行业数据需求(比如营销或旅游)的熟练专业人士的数量更少，因此人才争夺战更加激烈。

这就是为什么你会看到大量的人才涌入这个领域。根据贝恩咨询公司(Bain & Company)最近的一份报告，全球拥有高级分析技能的IT专业人士将在2018年底至2020年底期间翻番，达到100万人。

因此，有越来越多的人去接触和学习数据科学和计算机科学是正常且必要的。

但是，有这样的趋势并不代表一切问题都迎刃而解了，一群新兴的数据科学家不可能在一夜之间解决这个行业所有的问题。

仅仅引进更多的分析人才并不能完全解决我们的数据挑战，原因有以下五个:

1. 许多学术界教授数据处理的课程，环境过于真空和封闭:大多数数据科学家发现自己身陷不完美或技术滞后的公司的混乱项目中。数据科学并不是像我们想象的那么精确的一门科学，而且，大多毕业生缺乏实际经验，无法理解这一点。当然，我们可以推动教育系统更好地为学生进入就业市场做好准备，而就业市场需要对数据科学采取更加现实和实用的方法。

2. 招聘成本昂贵:敏锐的分析人非常抢手，所以当前的招聘价格是昂贵的，而且还在不断上涨。对于不那么吸引人的行业来说，要想与世界领先的科技公司争夺这些人才是非常困难的。

3.应届毕业生缺乏真实的技能和经验:为了对大多数大公司有用，数据科学家需要精通行业或公司的细微差别和独特之处。这可能需要三到五年的时间，所以大多数公司都在寻找有经验的员工。

4. 留住人才很难:一旦你的新员工获得了他们需要的经验，他们就有可能被挖墙脚。竞争如此强劲的市场，这些人可能会投入竞争对手的怀抱。

5. 企业数据面临的数据挑战今非昔比:如今，数据量很大，许多最新算法占用了大量资源。数据科学家经常需要快速使用计算能力。他们可能需要几个小时的大量计算，是解决方案。但与过去不同的是，当他们需要管理所有计算机处理能力时，不能再简单地依赖IT部门，更需要自己做出决断。

从某种意义上说，在数据使用高峰期间，每个人都可能是一个IT部门。 不幸的是，大多数新员工都没有接受过这种工作方式的培训。理想情况下他们需要对统计、机器学习和云计算管理有深入的了解，但是这些技能通常是由不同部门教授的。

这并不容易，所以，公司应该做些什么来确保人才成功?

提供培训:公司需要建立自己的组织，以正确的方式培训新人才，这意味着从一开始人才的噢诶阳方向就是合适的。

战略性招聘:公司不应该只是走出去尽可能多地招聘优秀的数据科学专业人士。相反，他们应该根据自己的需要向后工作。重要的是要弄清楚你在哪里需要支持，业务的哪些方面最能受益，然后相应地招聘人才。

注意你的数据科学机遇和局限性:没有数据就没有挖掘，在无处不在的时代同样适用。您正在收集tb级的数据并不意味着数据已经足够完整和干净、可以使用，甚至包含您正在寻找的信息。

　提供激励:不是每家公司都能在高薪或股票期权方面与科技巨头竞争。所以，有必要想办法让新员工融入公司文化。

不管激增的数据人才所面临的挑战如何，毫无疑问，更多熟练的专业人员进入关键领域是一件好事。重要的是我们要认识到，在炒作和招聘热潮中，还有一些严峻的现实需要面对。

而且，成功的数据驱动型公司会有清晰的计划，以组建更大的数据科学团队帮助其业务实现更好的发展。

时间:2019-09-29 23:39  来源:    转发量:次