Video: UDSPRING I SVØMMEHALLEN (Min største frygt!) 2024
Stor datakompetencer mangler. Da mængden af digital information genereret af virksomheder er vokset eksponentielt, er der opstået en udfordring (nogle mennesker kalder det en krise): Der er bare ikke nok mennesker med de nødvendige færdigheder til at analysere og fortolke alle disse store data. I en nylig undersøgelse følte mere end halvdelen af de ledende virksomhedsledere, at deres evne til at udføre stor dataanalyse var begrænset af udfordringen med at finde det rigtige talent.
Flere og flere kurser springer op for at imødekomme denne mangel på færdigheder, og store data bliver utvivlsomt en ønskelig karrierevej for kollegiums forlader. Men det tager tid for antallet af kvalificerede personer at indhente den store efterspørgsel efter store datakompetencer. Så i de mindste i de kommende år er den store mangel på mangel på data et problem, at alle virksomheder, der er interesseret i store data (som skal være alle virksomheder) bliver nødt til at stå over for.
Med hård konkurrence for at tiltrække det bedste talent, drejer virksomhederne sig om kreative måder at tappe ind i store datakompetencer. Walmart, for eksempel, besluttede at anvende kraften i mængden, vende sig til crowdsourced analytics konkurrence platform Kaggle. Ved Kaggle anvender lænestol datavidenskabsmænd deres færdigheder til analytiske problemer fra virksomheder, hvor designeren af den bedste løsning bliver belønnet - nogle gange økonomisk eller i tilfælde af Walmart med et job.
I Walmarts første konkurrence, der fandt sted i 2014, blev kandidater givet et sæt historiske salgsdata fra en stikprøve af butikker sammen med tilhørende salgsbegivenheder, såsom clearance salg og pris tilbagekøb. De blev bedt om at komme op med modeller, der viste, hvordan disse begivenheder ville påvirke salget på tværs af en række afdelinger. Som et resultat af konkurrencen blev flere personer ansat i analyseholdet.
Bedst af alt førte denne crowdsourced tilgang til nogle interessante udnævnelser - folk der måske ikke har været betragtet som et interview baseret alene på deres CV'er. En ansat, for eksempel, havde en meget stærk baggrund i fysik, men ingen formel analytics baggrund.
Hvad betyder dette for mindre virksomheder? Selvom du har råd til at ansætte en in-house datavidenskabsmand, kan du finde dig selv op imod hård konkurrence fra større virksomheder. Walmart-eksemplet viser os, at du måske skal have lidt kreativitet for at kunne klare store datafærdigheder. Måske kan du også crowdsource dataprojekter (selvom slutresultatet er en simpel økonomisk belønning, i modsætning til et fuldtidsjob).
Eller måske du kunne samarbejde med et lokalt universitet eller college, hvor eleverne knuser dine data til gengæld for nogle business mentoring. Eller måske har du allerede stærke analytiske tænkere og kommunikatorer i din virksomhed, der med lidt ekstra hjælp og træning kunne etablere og køre store dataprojekter i fremtiden.
