京公网安备 11010802034615号
经营许可证编号:京B2-20210330
近期,许多大企业信息技术部总管表示,聘用资优数据人才非常困难。而美国高等学府每年培养的数据人才也只有区区千人,每个毕业生就有四家公司提供聘书。
《华尔街日报》11月11日报导说,“大数据”(Big Data)时代来临,公司急需的数据家不仅需要拥有工程知识和商业能力,还需对数据有敏锐的感觉,这样他们才能胜任分析和处理“大数据”公司提供的各项数据和信息。
与此同时,高等学府也正在努力提供同时涉及多个领域的课程,希望能籍此培养出更多的数据专才。这些课程鼓励学生拓宽思路,启发他们利用科技和商业工具,从而成为合格的数据家。
不过,对于大学院校来说,要培养出同时在数学、计算机和商科等数个领域内具有很强能力的学生实属不易。美国第一批提供数据学课程的大学之一、北卡州立大学高等分析学院(Institute for Advanced Analytics at North Carolina State University)创始人拉帕(Michael Rappa)表示,传统大学的结构并不利于跨科目的教育方式。
麦肯锡全球机构(McKinsey Global Institute)顾问Michael Chui在上周戴尔公司举办的一项客户活动中发言表示,到2018年,将会出现14万至18万个数据家空缺。对于信息技术长官们,这样的情况自然不能接受。他们需要数据家来解开深藏在公司数据中的商业信息和价值。
在SunTrust Banks Inc银行任职信息主管的薛立言(Anil Cheriyan)表示,数据家的职位由两人担任。一位数据能力强的工作人员先以深度的商业知识和经验将数据进行归类、整合和管理。然后,另一位致力分析的工作人员采用数据模型和数据挖掘的方式来对客户分类,或研究有关产品、风险等方面的课题。薛立言认为,要找到一个人有能力同时涉足这两大领域非常困难。不过他相信,随着这个领域的发展和成熟,这样的全面型人才逐渐会出现。该行已经开始将数据处理和分析这两个领域的工作人员一起培训了。
美国密西西比大学医疗中心(The University of Mississippi Medical Center)信息主管周大卫(David Chou)表示,他们聘用了不少可以分析数据的研究员,但是他们不懂如何将这些分析用来实质改善对病人的照看料理。“他们不具备这方面的能力。”
北卡州立大学高等分析学院的创始人拉帕表示,要想具备这些能力,关键是采用跨部门的学习和培训。在他们的学院,学生必须花整整十个月,一周五天,朝九晚五,主修应用数学、统计、计算机、金融和市场学。其中许多课目是一个数据家应当暸解的内容。学院会提供给学生来自政府的真实、但隐去真名实姓的数据,让他们分析并解决经营方面的具体问题。自2007年建立以来,该校已有340名毕业生,还有85名将在2015年毕业。平均每个毕业生获得四家公司的聘书。
《华尔街日报》引述拉帕说,美国大约有70家高等学府教授类似的分析课程,其中包括西北大学(Northwestern University)、纽约大学(New York University)和哥伦比亚大学(Columbia University),每年大约产生1000名数据家,完全不能满足市场需求。
尽管企业和大学都在努力培养数据人才,但是也有专家认为数据分析还是需要依赖软件,没有必要花费大力气培养这么多的专业人士,企业不用如此“小题大做”。
拉帕先生不赞同这样的说法。他认为,计算机可以处理比较简单的工作,但是数据家们必须在使用和分析数据时保持创新的态度,才能应对经营方面不断出现的新挑战。
互联网、社交网站、电子商务等新一代技术的广泛应用催生了“大数据”。“大数据”(Big Data)指巨量数据的集合。大数据具有多样化和海量的特点,而且无法用常规软件工具分析。西方企业开始认识到,善用“大数据”将成为提高核心竞争力的关键。卡内基梅隆大学(Carnegie-Mellon University)海因兹学院(Heinz College)院长克里希南教授(Ramayya Krishnan)说,“大数据”具有催生社会变革的能量。但是释放这样能量,需要严谨的数据家、富有洞见的数据分析和激发管理创新的环境。(文章来源:CDA数据分析师培训官网)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20