中国要在数据人才的培养上有所作为,否则数据强国将是可望而不可及;为保证数据人才培养的质量,中国需要制定培训院校的资质要求和各类数据人才的考核鉴定标准
【财新网】(专栏作家 张小彦)据最新统计,中国网民已达到6.5亿以上,手机数量近13亿。中国政府的经济参与和调控能力在世界上首屈一指,所用的各种行政登记、工作报表、调查问卷数量巨大,管理着世界上人口最多的国家。不管是从商业大数据还是政府大数据的角度来说,中国都是名副其实的“数据大国”。正像最近由人民出版社出版的《大数据:领导干部读本》一书所称:“从全球占比来看,中国作为数据大国的潜力极为突出。2010年中国在整个数字宇宙中比例为10%,2013年占比为13%,2020年占比将达到18%。届时,中国的数据规模将超过美国的数据规模,位居世界第一。”
但数据大国不等于数据强国。数据强国最重要的标志不是数据拥有量,而是使数据产生价值的处理和分析能力。在大数据时代,数据已成为最有价值的生产资料。但是仅仅拥有数据不能形成生产力。就像石油埋藏在地下千万年,直到近代人类掌握了勘探技术和提炼工艺才使石油变成能源和多种化工产品。不同于自然资源,数据是人造资源。大数据技术的核心价值是它为人类提供了用海量甚至是全景观的数据达到更精准认知的新手段。它使实时、互动数据驱动的智能决策成为可能。依托覆盖几乎全球各个角落的互联网,数据时时刻刻在一个虚拟世界中传播碰撞,存储记录人类活动和自然界的方方面面。
走向数据强国的关键是提高和增强数据处理和分析的能力。这种能力有两方面的关键要素:(1)数据流通、采集、存取、处理所需的硬件软件和信息基础设施;(2)管理、操作、应用硬软件(包括机器学习)处理和分析数据的不同层次的数据人才。对于前者,中国通过政府和企业的大量投资正在追赶世界先进国家。而后者则是我们的软肋,不是短期内能填补的缺口。硬件、软件、网路、数据库等技术支持的价格在不断降低和商品化,数据获得的难度和费用也会不断改善。因此,在走向数据强国的过程中,最珍贵和难得的资源将是数据人才。最终的竞争也将是人才的竞争。
数据强国将需要多层次的数据人才。
将大数据变成智能以支持决策的过程中包括对海量数据的清理、分类、组织、存储、搭配、聚合等一系列的准备工作。每个亲身参与过大数据开发项目的数据科学家都知道,数据清理和准备要占开发时间的70%-80%,数据清理和准备与数据分析和建模是不同层次的工作,需要不同的技能。虽然一个合格的数据科学家应该懂得数据开发的全过程,但让数据科学家在数据清理和准备上花费太多时间是很大的资源浪费。迎接数据强国挑战之良策应是培养不同层次的数据人才,使之各有所长、各尽其能。
在互联网几乎无处不在的大数据时代,各行各业都需要拥有懂得如何应用数据创造价值的专业人才。这不仅是能建立数据模型的数据科学家和高级数据分析家,也包括数据采集、清理、整合、加工、存储的数据管理员,建立和维护数据库的数据工程师,能胜任日常数据分析和应用的数据分析师。老企业的转型和新企业的创立都离不开数据的应用。我们不但需要高级数据分析师和数据科学家,同时也需要数量更多的数据管理员、数据工程师、和数据分析师。
在实现中国经济从效益驱动向创新驱动的转型中,数据的应用将会起到越来越大的作用。这就要求企业和政府的管理人员提高使用数据支持决策的能力。目前在美国不断升温的大数据技术之一的自助可视化分析(Self-Service Visual Analytics)很可能在不远的将来成为每个管理者必备的技能。
数据人才的培养应通过多种渠道。高级数据分析家和数据科学家很适合在大学和研究生院培养。职业教育在数据人才培养方向上应注重于数据管理员、数据工程师、以及数据分析师。后三种数据人才的需求量远大于前两种高级数据人才。企业教育则可侧重于在职管理人员数据应用能力的培训和提高。各种渠道的培养都必须注重数据科学的研究和发展。
为保证数据人才培养的质量,中国需要制定培训院校的资质要求和各类数据人才的考核鉴定标准。数据科学是应用科学,数据人才必须亲身参与到数据应用的实际项目中去,在实践中提高数据应用能力。大数据时代的技术发展一日千里,数据人才的鉴定也必须与时俱进,定期重新认证。
《大数据:领导干部读本》一书的后记中指出:“中国面临着成为‘数据大国’和‘数据强国’,实现‘弯道超车’的历史机遇。”这个机遇是珍贵的,这个愿景是振奋人心的。中国成为数据大国是顺理成章的,但成为数据强国却是真正的挑战。迎接这一挑战的关键是中国要在数据人才的培养上有所作为,否则数据强国将是可望而不可及。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14