如何在不雇佣数据科学家的情况下进行机器学习

为什么这么难?

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:

• 经验丰富的数据科学家可能希望避免成为第一个加入公司的人。
• 仅仅是获取数据、整合数据并将第一个机器学习模型部署到业务中，就需要大量的精力，这可能是惊人的。
• 可供选择的候选人数量有限。

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。

如何应对技能挑战

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。

将现有员工培训为(公民)数据科学家

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。

与学术界合作

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。

聘请第三方专业人员

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。

使用打包的应用程序

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。