京公网安备 11010802034615号
经营许可证编号:京B2-20210330
案例分享,数据型人才短缺的应急三法
大数据的市场在蓬勃发展,随之演变而来的是狼多肉少的混战……寻寻觅觅,觅觅寻寻只为找到喜欢深耕数据的内个他……
IDC预测,到2018年,仅在美国就有181000个深度数据分析师的角色空缺,而这一空缺将是与数据管理相关职位空缺的五倍。据国内大数据权威专家估算,5年内,大数据人才缺口也将高达130万左右,然而,市场却没有足够多合格的申请者来填补这些职位空缺。
有人说了:“招聘、招聘、再招聘!”
难道你想把时间用在无尽的打电话中?
难道你想每天在某些科技大楼门前玩堵人?
还是说你想等着自动送上门来的数据大师?
我觉得,很难!
Gartner表示,大数据的需求将在全球范围内创造440万个就业机会,但却只有三分之一的岗位能够招到合适的人才。而这三分之一的岗位想必也是Oracle、亚马逊的囊中之物。据调查发现,近九成的大数据专业人员具有诸如统计学,应用数学,运筹学或经济学等相关学科硕士以上学历,而这些高学历的人才早已注定将驻扎在多金多福利多晋升空间的高大上企业之中,这对于其他企业而言,实属无奈, 如果你的企业无法招聘到具备相关高学历背景的大数据专家的话,该怎么办呢?
或许你可以换个角度,也许会有意外的收获!
不用去挖墙脚,只要你有时间。
自己培养数据人才,这可不是一个段子!分享几个国外案例,也许可以帮到你!
企业往往认为他们需要的是一个具有先进数据科学或数学博士学位的专业人士,但往往都不容易找到,所以一切只是空谈,与其等待,不如找一个真正熟悉您企业业务的人员代替,教给员工进行数据处理和统计,或找到具备编程背景学位的人,加大对这些人的培养。不过有个前提:你企业寻找的这些人必须要具备强大的学习能力……
培养对象1:理工科专业
领先的大数据软件提供商Tamr公司的现场工程技术负责人Min Xiao表示他寻找人才的诀窍就是培养潜力股!他所看重的潜力主要是教育,包括学历和学校。他所考察的人才主要来自统计学,计算机科学等相关专业,物理专业的人才可能不会是数据分析工作岗位的首选学位,但他表示有物理学位的人往往都很聪明,虽然没有接受过正式的计算机科学的正式训练,但是他们往往进行过大量编程,所以已经具备了数据科学家角色所需的计算机技能,有着这些背景的人才都是Min Xiao希望培养的对象。
培养对象2:Excel专家
The Hershey Company人才分析部门经理Jason Chavarry在另一个不寻常的领域找到了大数据人才:通过Excel……Excel是学习大数据分析基本功能的一款入门级的学习管道,可以通过Excel创造一些相应的规则,利用其基础的统计功能,实现一些基本的数据分析和可视化。Jason Chavarry 表示“Excel可以说是一份沃土,很多人从中可以获得大数据的能力。” 所以精通Excel的人才也是各大企业应该多加留意的对象。
培养对象3:建立导师计划
大数据软件集成公司Talend的CMO Ashley Stirrup的方法是让公司内部有经验的专家来培训年轻人才,开展导师计划,以一带一或者一带多的形式,作为嫁接其业务部门和新兴技术之间的桥梁。取得的效果也非常好。当然了,你要培养的人必须要对大数据有着浓厚的兴趣,否则这个计划也不会持续太久。
人才培养好了,是否能留住他……这是你下一步需要考虑的问题。
留下他,可以为你的企业创造价值。前提企业一定要设置期望。
放开他,也许可以为你的企业创造更大价值!因为他发展的可能会更好,而他出自你的公司。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14