Video: Why Japan's Great Pyramid of Giza Can't be Built Until 2110 2024
Kemahiran data yang besar masih kurang. Oleh kerana jumlah maklumat digital yang dihasilkan oleh perniagaan telah berkembang dengan pesat, cabaran (sesetengah orang menyebutnya sebagai krisis) telah timbul: hanya ada orang yang cukup dengan kemahiran yang diperlukan untuk menganalisis dan mentafsir semua data besar ini. Dalam satu kaji selidik baru-baru ini, lebih daripada separuh pemimpin perniagaan mempersoalkan merasakan keupayaan mereka untuk menjalankan analitik data yang besar dihadkan oleh cabaran mencari bakat yang tepat.
Semakin banyak kursus berleluasa untuk memenuhi kekurangan kemahiran ini dan data besar tidak diragukan lagi menjadi laluan kerjaya yang diinginkan untuk lepasan kolej. Tetapi ia akan mengambil masa untuk bilangan orang yang berkelayakan untuk mengejar permintaan yang tinggi untuk kemahiran data yang besar. Jadi, sekurang-kurangnya untuk beberapa tahun akan datang, kekurangan data kemahiran besar adalah masalah yang semua syarikat yang berminat dalam data besar (yang sepatutnya semua syarikat) perlu menghadapi.
Dengan persaingan sengit untuk menarik bakat terbaik, syarikat beralih kepada cara kreatif untuk memanfaatkan kemahiran data yang besar. Walmart, contohnya, memutuskan untuk memohon kuasa orang ramai, beralih kepada platform persaingan analytics pertunjukan crowded Kaggle. Di Kaggle, ahli sains data kerusi menggunakan kemahiran mereka untuk masalah analitik yang dikemukakan oleh syarikat, dengan pereka penyelesaian terbaik diberikan ganjaran - kadang-kadang secara kewangan atau, dalam hal Walmart, dengan pekerjaan.
Pada pertandingan pertama Walmart, yang berlangsung pada tahun 2014, calon diberi satu set data jualan sejarah dari sampel kedai, bersama-sama dengan peristiwa jualan yang berkaitan, seperti penjualan kelulusan dan penggantian harga. Mereka diminta tampil dengan model yang menunjukkan bagaimana peristiwa ini akan menjejaskan jualan merentas beberapa jabatan. Akibat persaingan, beberapa orang telah disewa dalam pasukan analisis.
Best of all, pendekatan ini memberikan banyak perhatian yang menarik - orang yang mungkin tidak dipertimbangkan untuk temu bual berdasarkan CV mereka sahaja. Contoh yang dilantik, misalnya, mempunyai latar belakang yang sangat kuat dalam fizik tetapi tidak ada latar belakang analisis formal.
Apakah maksud ini untuk perniagaan yang lebih kecil? Walaupun anda mampu menyewa ahli sains data dalaman, anda mungkin mendapati diri anda menghadapi persaingan yang sengit daripada syarikat yang lebih besar. Contoh Walmart menunjukkan kepada kami bahawa, untuk memanfaatkan kemahiran data yang besar, anda mungkin perlu mendapatkan sedikit kreatif. Mungkin anda juga boleh memanfaatkan projek data (walaupun hasil akhirnya adalah ganjaran kewangan yang mudah, berbanding pekerjaan sepenuh masa).
Atau mungkin anda boleh bergaul dengan universiti atau kolej tempatan, di mana pelajar mengkritik data anda sebagai balasan untuk beberapa mentoring perniagaan. Atau mungkin anda sudah mempunyai pemikir analitik dan komunikator yang kuat dalam perniagaan anda yang, dengan sedikit bantuan dan latihan tambahan, dapat menubuhkan dan menjalankan projek data besar di masa depan.
