Fotolia.

评估 衡量您正在考虑的技术,产品和项目的优缺点。

专家敦促数据专业人员磨练数据科学技能

IT专家William McKnight股份为希望在不断变化的企业中繁荣的数据专业人员股票提示。他的第一件建议:不断促进数据科学技能。

数据专业人员应该一致提高他们的数据科学技能据McKnign咨询小组总裁William Mcknight称,根据William Mcknight的说法,找到增加公司数据成熟的方法。

麦克奈特指的是一份数据成熟度模型以及数据专业人员在工作中应该遵循的数据科学技能学习路径。从本质上说,这意味着抛弃旧习惯,一直学习新的技术和技术。

麦克奈特说:“不完美的发展比单纯地完善和定义缺点要成熟得多。”“我们必须踏上前进的旅程。我们必须拥抱那些会持续下去的趋势。”

如果数据从业者更全面地拥抱数据科学,寻求提升他们的技能,并建立一个强大的数据基础——无论是传统的数据仓库、数据湖还是多云设施——他们将为数据科学做更好的准备BI和Analytics趋势麦克奈特今天转变企业的技术。在最近的DataVersity网络研讨会中,他为数据专业人员提供了在分析软件市场的快速上成功的职业建议。

保持你的技能

紧跟分析和数据科学技巧是关键,麦克奈特说。

我们不能简单地把人扔在公司里其他人似乎都能想出的计划上。
威廉麦克奈特麦克奈咨询小组总裁

“我希望你的技能每年提高20%,”他说。如果你不学习新技能你所做的一切都是在为自己积累技术债务。然后,总有一天,(新技术和新趋势)会实现,你需要100%地改变,而你无法做到这一点。”

类似地,it专业人员也该这样做了成为数据科学领导者在他们的组织内 - 即使他们不认为自己数据科学家麦克奈斯说。这些组织创新者通过强调统计模型和统计模型,优先考虑数据驱动的见解和铅机器学习帮助推动业务决策。

成为一个有效的数据科学家根据McKnight,您应该不断推进数据科学技能并尝试新的方法和方法。这就是第一波数据科学领导者所做的,他们为其他IT专业人士设定了一个例子,他们可能不会认为自己是“数据科学家”的类别中,他说。

数据专业人员提示

“过去几年,在那里有一些”假的IT-Tight-you-make-it“数据科学家,”麦克奈斯说。“他们没有训练博士学位;他们是商业分析师。但其中一些实际上是它,他们现在是数据科学家。”

数据成熟与业务成功高度相关,Mcknight蒙上了。他鼓励数据专业人员使用并遵循成熟模型 - 用于评估组织的数据水平的评估工具 - 帮助将它们引导到处理数据中的下一个复杂程度。

McKnight说:“你不会仅仅得到一个预算来完全地‘提高数据成熟度’。”“数据专业人员需要的领导力是(提高数据成熟度),与此同时,继续提供业务上的胜利,并以可扩展的方式实现。”

不要只是雇用更多的人

如果数据专业人员主要依靠更多的人员和硬件来解决问题,麦克奈特说,他们基本上将保持静止。

“作为一个数据专业人士没有处于内部人员的业务,”麦克奈斯表示。“我们不能简单地扔这些倡议的倡议,即公司的其他每个人似乎都会想出。我们需要举行倡议,因为只有我们有远见才能进入那里的可能性。”

一部分前瞻意味着数据专业人员不能再询问商业用户:“我今天可以为你做些什么?”他们负责主动建设未来的应用McKnight说,并结合了新技术来提高性能和用户满意度。

“你需要不断改进和提高[技术]基础,”麦克奈特说。

“不要听信那些唱反调的人,他们会让我们坚持到底,说‘不要陷入云端’。不要拥抱敏捷开发。别管什么数据湖、大数据或Hadoop,’”麦克奈特说。“这种心态开始不适用于企业。”

除了避免这种消极心态,数据专业人员还应该密切关注行业发展,保持自己的数据科学技能与时俱进,同时不断评估最重要的因素市场趋势。麦克奈特说:“你不能仅仅追逐旧趋势,然后抱着最好的希望。”

深入了解数据分析

搜索数据管理
搜索AWS.
搜索内容管理
搜索甲骨文
搜索SAP
搜索SQL服务器
关闭