
大数据时代我们最需要什么样的人才
当今世界,正在从数据时代走向大数据时代。今年两会,“大数据”第一次出现在政府工作报告中,这表明,我们对大数据重要性的认识上升到国家层面。
与互联网的出现一样,大数据带来的不仅是信息技术领域的革命,它正在改变着人们的生活以及我们理解世界的方式,并成为更多新发明、新服务的重要源泉。
大数据时代到来,将给中国人才队伍带来哪些机会?提出什么样的挑战?谁将是未来最热门的人才?让我们一起来看看吧——
“人人皆可成才”将成现实
记者:大数据到底有什么用?
吴江:大数据最重要的功能,是能把未来一些不确定性的东西准确地预测出来。举个例子——2008年,谷歌的一支研发团队利用在网上收集到的海量个人搜索词汇数据,赶在政府流行病学家之前两星期预测了甲型H1N1流感的暴发。这样的事情在以前是不可想象的,掌握了大数据后,谷歌就做到了。
大数据浪潮,让人类在历史上第一次有机会用数据围绕一个东西形成完整的描述。凭借日益增强的数据分析能力,人类得以有效实现对未来的预测。大数据可以帮助人们提升对整个社会的管理水平,对于人才管理领域来说,更是迎来了一个得以迈上新台阶的大好时机。
记者:大数据对人才工作带来最直接的影响是什么?
吴江:小数据时代,数据掌握在精英手里;大数据时代,数据掌握在老百姓手里。大数据的公开透明,可以推动社会变革发展,更大意义在于,人人可以通过分析大数据,对自己的未来作出理性抉择。数据时代,“人人皆可成才”,将从理念走向现实。
“新一轮人才流失”要避免
记者:大数据对全球产业带来哪些影响?
吴江:与互联网的出现一样,大数据不仅是信息技术领域的一场革命,它将在全球范围内启动透明政府、加速企业创新、引领社会变革。
一家名为“埃森哲”的管理咨询公司去年调查了600家英美公司发现,33%的受访企业表示正在整个企业范围内积极使用大数据。68%的企业认为,企业自身的高管团队作为一个整体,能够参与和支持数据分析法的部署,并基于事实情况作出决策。有三分之二的公司在之前18个月任命了负责数据管理和分析工作的高管,其他企业中的71%准备任命此类高管。
美国通用电气公司就较早地意识到了大数据这个难得的机遇,并采取了行动。通用电气正启动在旧金山湾区投资15亿美元,建立一个全球软件和分析中心,拟雇用至少400名数据科学家,现在已经有180名各就其位。
“埃森哲”去年开展的一项调查,研究了美国、中国、印度、英国、日本、巴西和新加坡对数据分析人才的需求发现,到2015年,除中国之外都面临胜任数据分析科学家的净短缺。中国还似乎出现了少量的过剩。
记者:为什么只有中国没有出现短缺?
吴江:因为需求不足。有需求,才有紧迫感。我们的政府和企业都还没有关注到这个问题。我们的企业真的不需要大数据人才吗?当然不是,只是我们还没有意识到问题的严重性。大数据时代求发展,企业、政府首先要明确大数据高管的岗位设置,没有岗位我们怎么能留得住人才,抢人才更是谈不上。
另据“埃森哲”公布的数据,美国新增数据分析高管职位的数量将占全世界的44%,但美国只能提供23%,将会有3.2万人的人才缺口。不足的部分怎么办?美国必然会从全世界范围内网罗。正如表面上看中国目前这类人才还有富余,新一轮人才流失的危险恐怕难以避免。但中国如果再继续向美国输送这类人才的话,在大数据时代的国际竞争中将落伍。
我认为,从中央到地方必须重视大数据人才队伍的建设,从基础抓起,完善岗位设置,在培养、留住人才的同时,更要积极面向全球吸引相关人才。
“首席信息官”亟待设立
记者:大数据时代的中国,最需要什么样的人才?
吴江:现在有一种错觉,一提大数据时代,就认为我们最需要数据技术人才,比如计算机人才和数学工程人才。
我们确实很需要数据技术人才,但真正能够帮助政府和企业转变思维、应对大数据挑战的人才不是一个来自IT部门的技术专家,而是政府和企业的高层管理者。我认为,对目前的中国来说,对大数据管理人才需求的迫切性要超越对技术人才需求的迫切性。
政府和企业的领导者,也要有意识地转变思维方式,学习用数据思考、说话和管理。在这个飞速变化的社会中,过去的经验甚至可能成为现在的束缚。比如,我们常常听到管理者抱怨“90后”员工难管,就是因为过往的激励方式对他们不奏效。这一点还体现在走出国门的中国企业里。很多人发现与自己的上司、同事和下属沟通不畅,因为各自是在不同文化中成长起来的。管理者需要不断更新自己的数据库,学会用大数据的方法,随时去找到合适的解决方案。
记者:组建大数据管理人才队伍,该从何处切入?
吴江:首先要设立专门的数据管理岗位,进入决策层,推动各单位迎接大数据时代到来。我已连续几次提交《关于建立政府首席信息官制度的提案》,建议借鉴国际通行做法,在各级政府及其所属部门组建首席信息官办公室,负责人为首席信息官,直接向政府或部门行政首长负责。他们的职位必须是矩阵式结构,在中央有专门领导机构,推动形成国家级的数据库和数据平台,人员要定期交流,以便全方位掌握数据,消除信息孤岛。
政府首席信息官制度的立足点,在于为国家整体服务,切忌为某家单位粉饰太平。今年我再次提交了这方面内容的提案,这个问题必须引起高度关注。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-08-07SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07CDA 数据分析师考试全解析 在当今数字化时代,数据已成为企业发展的核心驱动力,数据分析师这一职业也愈发受到重视。CDA 数据分 ...
2025-08-07大数据时代的隐患:繁荣背后的隐忧 当我们在电商平台浏览商品时,系统总能 “精准” 推送心仪的物品;当我们刷短视频时,算法 ...
2025-08-07解析 F 边界检验:协整分析中的实用工具 在计量经济学的时间序列分析中,判断变量之间是否存在长期稳定的均衡关系(即协整关系) ...
2025-08-07CDA 数据分析师报考条件详解:迈向专业认证的指南 在数据分析行业蓬勃发展的当下,CDA 数据分析师认证成为众多从业者提升专业 ...
2025-08-07通过 COX 回归模型诊断异常值 一、COX 回归模型概述 COX 回归模型,又称比例风险回归模型,是一种用于生存分析的统计方法。它能 ...
2025-08-07评判两组数据与初始数据准确值的方法 在数据分析与研究中,我们常常会面临这样的情况:需要对通过不同方法、不同过程得到的两组 ...
2025-08-07CDA 数据分析师行业标准:构建数据人才的能力坐标系 在数据驱动决策成为企业核心竞争力的时代,CDA(数据分析师)行业标准作为 ...
2025-08-07反向传播神经网络:突破传统算法瓶颈的革命性力量 在人工智能发展的历史长河中,传统算法曾长期主导着数据处理与模式识别领域 ...
2025-08-07MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-07抖音数据分析师:驱动平台增长的幕后推手 在抖音这个日活用户数以亿计的超级平台上,每一次用户的滑动、点赞、评论,每一条 ...
2025-08-07基于 SPSS 的中介效应分析结果解读:揭示变量间的隐性关联 在社会科学与自然科学研究中,变量之间的关系往往并非简单的直接作用 ...
2025-08-07