2017年2月14日
2017年2月14日
贡献:苏珊摩尔
许多组织缺乏计划和执行初始试验所需的技能。
数据和分析领导人面临着两难的境地。没有数据科学家,冒险进入机器学习数据科学是很困难的。在没有任何成功试点的情况下,说服企业雇佣数据科学家同样具有挑战性。
“许多组织仍处于数据科学之旅的早期阶段,努力理解机器学习和数据科学可以为他们做什么,”他说辛迪豪森他是Gartner的研究副总裁。“他们并不确切知道需要哪些技能,招聘数据科学家也很困难。”
超过40%的从事高级分析的组织表示,“缺乏足够的技能”是一个挑战。招聘有经验的应聘者非常困难,原因有以下几点:
留住高质量的数据科学家也是一个难题。他们目前喜欢跳槽,以便接触更广泛的任务,最好是在不同的行业。
企业不需要有一个大型的数据科学实验室来利用机器学习的优势。豪森建议,从小事做起,慢慢培养这些能力。
许多组织都有数学能力很强的员工,可以利用他们来执行更多的分析任务。这些员工可能从高中起就是数学极客,或者正在其他岗位上使用他们的量化技能。
现在许多大学和学院都提供数据科学相关的学位。利用大学进行特定项目有双重目的,组织可以获得技术资源,同时也可以为学生提供真实的学习经验。这种关系主要有四种形式:实习、课堂项目、创新实验室或黑客马拉松。
在这个机器学习技能严重短缺的时代,第三方专业人员可以加速和启动数据科学项目的成功。有数百家咨询公司可以提供各种各样的帮助,从创建项目想法、早期试点、对初级员工进行培训和教学,到全面创建托管服务。
机器学习功能通常被包装成目标软件应用程序,以解决特定的问题。这通常提供了极好的成本-时间-风险权衡,显著降低了技能障碍,并比从零开始创建一个解决方案更快地提供解决方案。
加入您的同行,在高德纳会议上揭开最新的见解。
为Gartner客户推荐的资源*:
*注意,有些文档可能不是所有Gartner客户都可以使用的。