电子帐册:

数据科学技能催生了人工智能、大数据分析方面的成功

奥丽- Fotolia

管理 学习应用最佳实践并优化您的操作。

招聘和培训数据科学家:每种方法的案例

招聘数据科学家说起来容易做起来难——所以,你是否应该尝试培训现有员工的数据科学技能?这取决于你公司的需求,一位分析专家写道。

在大数据分析项目上,企业面临着一个两难境地:是从外部聘用数据科学家,还是培训现有员工以满足新需求。在很多情况下,要认识到大数据巨大的未开发潜力,就需要提高数据科学技能——但增强自己的能力可能很棘手,尤其是在一个拥挤的企业市场上,到处都在寻找分析人才。

即使缺乏可用数据的科学家在美国,筛选和面试高质量员工是一项时间和资源密集型工作。或者,如果内部候选人没有基本的能力,从内部培训数据科学家可能是徒劳的。

在数据孵化器(The Data Incubator),我们帮助数百家公司培训了数据科学方面的员工,并招聘了新的人才——而且,我们经常帮助组织处理两种方法之间的权衡。根据我们与公司客户的经验,当你决定走哪条路时,你应该考虑以下因素。

新员工带来新思维

雇佣数据科学家而不是培训数据科学家的主要好处在于为你的组织引入新的想法和能力。你添加的内容可能是技术性的:例如,你想要领养吗先进的机器学习技术,比如神经网络,还是利用Spark Streaming开发实时客户洞察?这也可能是文化上的问题:你想要敏捷吗数据科学团队能够快速迭代的公司——即使以“破坏东西”(Facebook的著名说法)为代价?还是一个能够创造性地思考数据并找到使用内部和外部信息的新方法的人?

在其他时候,它是关于有一个新的视角来看待同样的问题。许多量化对冲基金有意聘用新诞生的STEM博士(拥有科学、技术、工程或数学学位的人),而不是行业资深人士,正是为了对金融市场有一个全新的认识。不只是华尔街;在其他竞争激烈的行业,新想法也是最重要的货币,公司为了保持竞争力而努力。

在人才稀缺的情况下,公司如何寻找新的人才也需要一些创新技术数据科学家。Kaggle和其他竞争平台可以是很棒的地方寻找新兴的数据科学人才。Kaggle上的公开比赛以将非传统的明星和未知的神童带到聚光灯下而闻名,并证明最好的分析表现可能来自于其他领域。

类似地,我们发现经济学家和其他社会科学家他们通常与传统的STEM同行拥有同样强大的定量技能,但却被人力资源部门和招聘经理所忽视。

培训增加了现有的专业知识

在其他情况下,雇主可能会把行业经验放在首位。在某些行业,领域专业知识是复杂的、错综复杂的,很难获得。这些行业的核心往往已经有了另一门科学。火箭,采矿,化工,石油和天然气——这些都是基础科学的知识比数据科学知识更重要。

高度监管的行业是另一个例子。面临复杂监管负担的公司通常必须满足非常具体的、经常是长期存在的要求。银行必须遵守金融风险测试和通常几十年前制定的法规。类似地,医疗保健领域的药物批准过程受一组复杂的、不可改变的规则控制。虽然在这些领域中,通过数据科学和大数据进行创新的空间肯定存在,但它受到法规的限制。

什么是数据科学家?

处于这一职位的公司经常发现,在开发大数据分析能力方面,在内部培训数据科学家是比招聘新人才更好的选择。例如,在数据孵化器(The Data Incubator),我们与一家大型消费金融机构合作,该机构正在寻找数据科学能力,以帮助增强其信贷建模。但这份工作的理想候选人,与那些寻求商业运营或产品和服务新理念的组织所要求的候选人,有很大的不同。

相关的信贷数据姗姗来迟:最初可靠的借款人可能在最初的信贷决策几个月或几年之后就无力偿债,这使得在没有强大的信贷模型的情况下很难预测违约情况。错误的决策代价高昂:贷款违约会直接影响到公司的盈利能力。在这种情况下,我们与该公司合作,培训现有的统计人员和保险公司的补充数据科学技能在大数据。

公司在选择培训候选人时必须有针对性。

当然,公司在选择培训候选人时必须有针对性。他们通常首先要确定哪些员工拥有很强的数据科学基础技能——比如编程和统计经验。合适的候选人有很多头衔,包括统计师、精算师和定量分析师(通常被称为定量分析师)。

找到你需要的平衡点

对于许多公司来说,权衡雇佣或培训数据科学家的选择,归根结底就是了解他们的具体业务需求,即使在组织的不同部门,业务需求也可能有所不同。值得注意的是,这家培训员工进行信用建模分析的金融机构,也为其数字营销团队聘请了数据科学家。

由于承销方面没有复杂的监管要求,数字营销团队觉得可以更自由地创新,因此决定引入具有新想法的新鲜血液。这些新员工现在是建立分析模型该公司利用数百个数据信号,利用先进的人工智能和机器学习技术,更精确地针对客户开展营销活动,更好地了解人们的购买旅程。

最终,对于一个组织来说,雇佣或培训数据科学家的决定必须是有意义的。公司必须在创新愿望与整合现有专业知识和满足监管要求之间取得平衡。正确把握这种平衡是成功的数据科学人才战略的关键一步。

下一个步骤

提供免费的数据读写程序是BI供应商的关键吗

深入挖掘大数据分析

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