来源：CPDA数据分析师网 / 作者：数据君
洞察力领导者在这里也已经具有优势-大多数人都有数据科学路线图
并确定了整个企业中大数据的用例，而其他公司中这一比例不到30％，领导者过上高尚的生活，成为洞察力领袖是一件好事，有80％的洞察力领导者报告收入增长超过5％，将近一半（44％）的受访者表示，他们公司的增长超出了股东的预期，同样的百分比表示，他们的底线利润也超出了预期，近三分之二（64％）的受访者表示，他们“以比他们提供的所有产品/服务更高的份额领先于各自的市场，洞察力领导者在整个组织中的表现也往往更好：67％的部门级别的受访者表示，各自的部门已经超出了为企业贡献价值的目标。
CPDA数据分析师 这些决策者具有各种数据科学或数据工程角色
它使用成熟度框架（具有加权量表的问卷调查）来识别领导者，落后者和正态分布中最大的部分，领导者倾向于将更多的预算用于高级分析，这平均是落后者的两倍，数据科学调查还发现了其他方面：洞察力领导者总体上倾向于小公司，调查发现，略超过一半（53％）的数据科学领导者的员工人数不到5,000，计划采用“平台方法”来构建其数据科学堆栈。在所有公司中，目前只有极少数（26％）使用单个数据科学平台。
受访者报告说使用了超过一半的分析工具
从基本的BI工具和关系数据库到预测分析，流分析和NoSQL数据库。许多人还计划在明年实施更多工具，报告指出有46％的人缺乏用于和谐使用这些工具的集成平台，我们发现的主要技术和数据挑战反映了这种集成方法的缺乏，公司采用基于平台的方法来进行数据科学和高级分析，洞察力领导人认识到他们的竞争优势通常来自于他们快速优化洞察力应用程序的速度，平台统一了数据科学家所需的工具开发和部署这些应用程序，将您的数据科学工具视为一个互联平台，并朝着整合和统一它们的方向迈出的步伐，对于任何公司而言都是朝着正确方向迈出的重要一步。
需要更多的深度学习技能
随着对从业者的渴望超过供应，深度学习的重要性日益增加，可能会导致另一种技能短缺，随着深度学习成为人工智能和业务环境中越来越重要的一部分，它将激发影响其他系统和流程以及软件开发中业务需求的变化，尽管机器学习长期以来一直被认为是分析工具箱不可或缺的一部分，尤其是作为预测分析的一部分，但不断增强的功能，灵活性和深度学习的广泛性使它与众不同，深度学习的发展为将分析和人工智能应用于业务问题创造了新的可能性和新方法。
我们正处于大数据分析和数据科学领域的技能短缺之中
对人才的争夺推动了学术计划的扩大，许多企业通过收购创新型初创企业而获得技能，通过深度学习，我们可以期待类似的策略，深度学习所需的技能与分析所需的技能相似，但有一些重要区别，机器学习主要不是关于数据库或将统计信息应用于结构化和非结构化数据，取而代之的是，它是一种尝试使用一组从神经网络派生的离散和自主算法，从任何数据流导航，讯问，剖析和派生结果的方法。
谁将负责组装激增的深度学习项目？
专注于这一领域的数据科学家将需要将结果与更大的分析框架进行集成，以实现所需的结果。另一方面，深度学习专家需要专注于深度学习，其进展以及机器学习和神经网络应用中的一般性问题，了解深度学习就是了解许多深度学习算法，了解深度学习如何与其他AI和分析组件一起使用也至关重要，该领域正在发展，并且在广泛的应用领域中有许多进步的线索，该领域的从业者需要熟悉这些算法以及支持它们的工具，他们还需要对应用这些算法的情况以及每种算法中出现的特定问题有更深入的了解。
这些问题与大数据引发的统计问题不同
它们是匹配边缘，选择层次特征，企业查询网络以及建立输出参数的问题，所需的技能与编程以及机器学习领域中的现有工作紧密相关，流行的编程语言包括R和Python，特殊技能包括对模式识别中核心概念的理解，以及理解和应用日益广泛的分析策略组合的能力。
即将到来的技能短缺
深度学习的独特性可能意味着企业将难以迅速填补职位。随着深度学习在每个希望在机器人技术和过程自动化领域扩展功能的组织中普及，这将在招聘流程上造成更多的消耗，并发展为全球竞争，这项技术的应用对于竞争优势至关重要，以至于在未来几年内对这些技能的需求可能会激增，除了需要机器学习的一般领域的专家外，随着深度学习不断开发新的用例和更强大的功能，子专业的数量也会越来越多，它既需要考虑数据的新方法，又需要对解决方案建模的新方法。
深度学习解决方案并非凭空存在的，在这一领域发展专业知识将带来数据访问和流传输的问题
传感器和机器人；最重要的是，如何将自主和半自主的深度学习系统与其他技术集成在一起，即使在分析的一般领域内，将这些算法和体系结构与其他分析方法和流程集成在一起也会产生对新技能的需求，作为快速发展的技能，对具有实践经验的专家的最大需求是，对深度学习技能的追求已经在进行中，在越来越多的过程中将需要这些技能，这将导致在学术和培训计划中更加重视深度学习，但是与大数据和数据科学一样，由于可能会从工作场所获得可用的专业知识，因此可能会立即出现延迟。
如果有合适的应用程序，尽早获得这些技能可以提供优势，但是特殊技能并不便宜
同时，培训可以满足许多需求，特别是从已经对该领域具有特殊兴趣的数据科学家开始，由于该领域正在迅速发展，因此需要作出承诺，希望可以避免以前技能短缺的错误。
网友评论