成为完美数据技术专家的最大障碍
随着进化数据科学多年来的数据技术和相关数据技术证明,单个专家很难跟上计算机科学、计算机工程、神经科学、统计学、数学、人工智能及相关领域等多个研究领域的步伐,甚至大数据、Hadoop、物联网、无服务器、边缘等新技术——名单不胜枚举。然而,全球 IT 行业期望数据科学家成为“万事通”,这就排除了“无所事事”的警告。
虽然受过良好的教育和经验数据科学家——他们经常实际担任数据工程师、数据分析师或高级程序员——被吸引到具有松散结构的职位描述的有吸引力的职位中,在许多情况下,这些数据书呆子最终对永无止境的技术学习曲线感到厌倦或筋疲力尽。数据科学的现实是它表示“太多不同学科的交叉点”,一个人不可能成为这么多领域的专家。
如果自主技术没有接管,人类数据技术专家很快就会筋疲力尽地放弃他们的职业生涯。在某种程度上,AL 引入了广泛的自主技术和工具,这些技术和工具可以与人类一起提供最佳结果,这是一件好事。人类最擅长成为“思想家”,在不久的将来,任何其他世俗实体都无法从他们手中夺取这一角色。然而,机器是“行动者”,他们可以利用人类的知识和智慧,根据自己的学习自主行动。机器学习已经指明了方向。
2019 年预测:值得关注的数据分析趋势讨论了在后大数据的商业分析世界中,它不再是关于囤积数据,而是更多地关于根据数据驱动的洞察力采取智能行动。
让我们从好消息开始
以下是对数据分析师的一些好消息:
标签创新学校,该组织对 550 家意大利中小企业进行了调查,发现 50% 的受访企业计划在未来三年内到 2021 年聘请数据分析师。
世界经济论坛预测,到 2020 年,数据分析师的需求量将会很大。
在数据分析领域,女性与男性竞争激烈——女性与男性数据分析师的比例为 41 比 59。
对“数据解释”的需求不断增长,而这些机器尚未完全掌握。
数据科学对商业分析的未来影响似乎表明数据科学家在不久的将来将扮演的最重要的角色是数据分析师。这种增长趋势背后的原因是许多数据科学任务的完全自动化以及人类数据分析的日益重要。
如何面向未来的人类数据技术人员
每个全球企业都承认“数据和分析”将成为未来几年市场竞争的关键驱动力。鉴于现代劳动力中自主技术带来的战略挑战,行业领导者是否真的担心明天的半或全自动机器人和机器人将逐渐取代所有人类专家?人类会吸收和利用智能解决方案,还是智能解决方案会吞噬人类?
在不断发展的人类劳动力中,现在行业运营商正在谈论引入数据伦理学家(他们判断应该如何处理数据)、算法业务领域专家和算法业务开拓者。这些头衔持有者是谁?人类还是机器人?或两者?如果未来的技术角色与业务角色融合在一起,自动化工具能否满足如此复杂角色的需求?
振作起来,人类数据技术专家。审查Gartner洞察题为 面向未来的数据和分析员工队伍,了解这些天让行业思想领袖忙碌的原因。
2019年数据行业顶级职业预测丽塔萨拉姆,Gartner研究副总裁,技术如增强分析、持续智能和可解释的人工智能将在未来三到五年内颠覆商业生态系统。她认为,除非“数据和分析领导者”为这个颠覆性的未来做好准备并适当调整他们的商业模式,否则他们将面临在全球竞争中失败的风险。
这些技术具有自动化许多主要数据分析任务的潜力。这是人类数据分析师需要担心的事情吗?随着自助分析和 BI 平台的日益普及,未来的数据分析师会保留他们的传统角色,还是必须重新考虑他们的工作描述?
这麦肯锡报告 分析时代:在数据驱动的世界中竞争表明 ML 算法的日益复杂化正在慢慢揭开高级业务分析的神秘面纱。这份富有洞察力的报告还表明,虽然现在有数 PB 的数据可用,但传感器驱动的文化并没有抓住主流企业。尽管从业务数据中提取“价值”的潜力是巨大的,但当前的商业模式并没有为从其数据堆中提取价值做好充分准备。自 2011 年以来,企业没有取得重大飞跃。
未来,公司将不得不重新设计其业务模式,以充分利用技术基础设施和可用人才,将“洞察力或竞争情报”商品化,以创造额外的收入渠道。
最后的想法:如果企业推出提供竞争情报即服务 (CIaS) 的新业务部门,那么人类数据分析师可能会在这些部门中找到新的咨询角色。
机器学习有可能取代包括数据分析师在内的许多工作角色。因此,这些人类专家将不得不重新设计他们现有的角色,并在机器驱动的商业世界中发明更多的贡献功能。另一个迫在眉睫的威胁是深度学习,它将使机器能够像人类一样思考和解决问题。
大数据如何影响数据驱动的商业世界?
以下统计数据有助于解释大数据的显着影响:欧洲,除了使用大数据减少税收欺诈之外,政府机构还有可能通过使用大数据来节省超过“1000 亿欧元(1490 亿美元)的运营效率”。 高级分析:探索一些变革性的未来趋势为采用先进大数据技术的政府提供商业案例。
在价值链的一端,企业正在苦苦挣扎跨越大数据/数据科学分析鸿沟,这正在成为价值创造的移动障碍。因此,最终结果是,不知情的组织不断地投资于更新的技术,而没有“了解如何跨越分析鸿沟。
在价值链的另一端,有大数据——一个接一个地克服与数据相关的挑战。根据收集的结果同行研究——大数据分析调查, 74% 的受访者认为大数据分析通过支持及时的数据驱动决策为他们的组织增加价值。随着半结构化和非结构化数据的未来增长,对大数据分析师的需求将很高。
相关帖子DA内容精选
|