
大数据短板:分析人才短缺成CIO困局
眼下,商业智能、数据分析和大数据大行其道。但是企业的这些项目需要员工具备扎实的业务知识、统计专长和演示技巧--而许多IT专业人员并不具备这些技能。看看一些CIO在如何解决这个问题的。
正如单单历史报告不足以公司主管作出企业决策--他们希望借助商业智能来确定当前和未来的趋势,IT人员也需要更深入地了解商业智能,而不是仅仅懂得如何运行数据仓库或制作仪表板。据业内专家们表示,这使得CIO处于困境。专家们已发出数据分析技能短缺的预警。
比如说,麦肯锡全球研究所在去年春天发布的一份报告预测,到2018年,美国可能缺少拥有扎实分析技能的14万至19万工人,另外缺少150万名懂得如何通过分析大数据来作出有效决策的经理和分析师。
GregMeyers是年收入50亿美元的生物科技公司百健艾迪(BiogenIdec)的全球IT副总裁,他说:"我们觉得我们的商业智能主管在积极推动本公司弃用纯粹的历史报告,力求真正的推理分析。这既是技术方面的挑战,又是变更管理方面的挑战。"
弗雷斯特调研公司的分析师BorisEvelson表示,不过,尽管美国失业率继续高企,但还是缺少商业智能方面的人才。"我接触过的每一个客户都对我说,他们在为寻找和留住商业智能方面的人才而绞尽脑汁。"
Evelson表示,为了填补这一缺口,CIO们在争夺具备这些素质的员工:除了搜索、数据集成以及其他方面(如业务知识)具有专长外,还有扎实的数学技能,能够熟练使用大型数据库和新兴的数据库技术。他说,实际上,业务知识(比如对流程、客户和产品的了解)"至少与技术技能一样重要。"
IT主管们在考虑现在如何获得所需的数据分析人才,同时为将来培养拥有相应技能的技术人才。
业务分析教育方面的不足
FootePartners是一家研究咨询公司,专门跟踪分析IT技能需求和薪酬水平。它认为,商业智能人才方面前景黯淡,这归因于从事架构师、模型师、集成员、分析师和开发员等岗位的年轻员工供应不足。该公司的联合创始人、首席执行官兼首席研究官DavidFoote表示,这一发现结果只是初步性的;不过他认为,一个问题是,许多高等院校还没有积极应对这个挑战:向学生传授数据分析岗位可能需要的一些技能。
他提到了政府和行业需要与学术界寻求合作(比如美国网络安全挑战赛),通过网上竞赛和奖励,吸引学生从事信息安全行业。Foote说:"数据分析/统计/商业智能方面需要出现同样一幕。要积极培养渴望进入这个行业、并以此为业的学生。"
遗憾的是,学历(如上课或者甚至相关学位)的作用很有限。合格的员工需要好几年的工作经验,才能了解如何应对"实际环境下的"商业智能挑战。Evelson说:"你可以通过上六个月的课,掌握商业智能所需的技术技能;但是这并不重要。重要的是通过成功或失败的实施项目,不断掌握最佳实践、汲取经验教训。"
需要实际的数据分析经验
所以,IT主管们如今在全国四处寻找拥有自己所需的数据分析技能的人才。DouglasMenefee是舒马赫集团(SchumacherGroup)的CIO,这家私人持有的公司为全国各地的医院提供急诊室管理服务。他不仅想招聘"懂得如何用数据来阐明情况"的演示分析师,还想招聘熟悉数据库抽取、转换和加载(ETL)的开发人员。
Menefee说:"这两种人才都要有非常扎实的批判性思考技能,需要能够通过提出尖锐问题来获取信息。"他表示,ETL开发人员需要"扎实的数学和逻辑匹配技能,"而演示开发人员"需要能够运用左右脑思维"--换句话说,运用逻辑思维和创造性思维。"我们希望他们运用创造力,生动直观地阐明情况。"
他表示,由于项目在迅速变化--这取决于"当天亟需解决的难题",舒马赫集团寻找敏捷开发方面也有经验、能轻松适应变化的人才。
Menefee表示,招聘周期长达三至六个月,有时使得公司开展的项目达不到想要的进度。如果有必要,就会聘请顾问填补缺口,比如该公司在建立一个商业智能卓越中心,需要架构和设计方面的专长时,就是这么做的。日立咨询公司(HitachiConsulting)"帮了我们好几年的忙,直到我们内部有了相应的人员,"Menefee如是说。
让Menefee更为头痛的是,公司恰恰又在路易斯安那州拉斐特市。很难说服之前对拉斐特市不熟悉的人来此工作。他致力于招聘当地人以及想搬回到路易斯安那州的人。舒马赫集团还充分利用了通过路易斯安那州政府的FastStart劳动力计划提供的各项求职、招聘和培训服务。
与Menefee一样,百健艾迪公司的Meyers也想招聘在数据仓库、ETL和报告方面有经验的人员。他表示,这相对容易。不过他还需要这样的员工:知道如何从用户那里获得详细情况,了解他们用来作出决策的度量标准,以及用户面临的,但数据能帮他们找到办法的未解决问题。要找到这样的员工更具挑战性。他认为,自己可以从其他公司处招到从事过类似工作的员工。
为未来作规划
Meyers表示,他能找到需要为当前项目配备的人手。他说:"就分析过去几年的情况而言,这些技能应该绰绰有余;但要真正将商业智能作为一种竞争优势来使用,你就得关注为未来预测提供决策支持--而不是仅仅报告过去的情况。"同样,Menefee说:"我们的下一代技能将主要侧重业务方面,与统计建模和定量分析相结合。"他补充说,不过,"这些技能可能不会出现在IT部门。"
他正在努力打造一支适应形势的IT劳动力,一方面与路易斯安那州大学合作,每年有70名持有计算机硕士学位的学生从这所大学毕业。他还是该大学拉斐特分校的课程委员会成员,该委员会"让我们得以了解教学内容与公司实际需求之间存在什么样的差距。"他还与该学校一起制定实习计划。
太平洋海岸公司(PacificCoastCompanies)为十几家供应建筑产品和相关服务的子公司提供业务和IT服务。CIOMikeO'Dell需要的员工不但要有统计分析技能,了解经济知识,"还要有了解数据中因果关系的头脑。"他说:"我们在开展的几种项目致力于让我们的人员更高效地工作,从主管、销售员直到一线员工。"
事实上,需要业务技能决定着O'Dell的人员配备和招聘策略。他充分利用内部的业务人员,教他们技术方面的知识。他还招聘拥有技术技能的本地大学生,教他们业务方面的知识。
O'Dell说:"了解业务是更为复杂的一方面,所以想培养那些技能,最好的方法就是让技术型人员接触业务,并且把他们派到工作一线,让他们不断地学习。"
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15