大数据人才“求贤若渴”

　　人类的生活、工作和思维方式正因席卷而来的大数据信息风暴而发生前所未有的变革，这就意味着一场全新的、重大的商业变革、思维变革和管理变革正在悄然进行。在大数据时代，数据已成为重要的生产要素，渗透到各行各业。

　　在推进大数据应用的过程中，企业主要面临以下三方面的困难，一是认识上的不足，很多人并不知道大数据是什么，因此也就无法知道如何正确地使用大数据工具；二是投入上的不足，大数据的应用可能需要相当大的投入，一般的企业可能很难承受；三是大数据人才的匮乏将制约大数据应用的发展。

　　大数据相关人才的欠缺将会成为影响大数据市场发展的一个重要因素。据Gartner预测，到2015年，全球将新增440万个与大数据相关的工作岗位，且会有25%的组织设立首席数据官职位。大数据的相关职位需要的是复合型人才，能够对数学、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控。未来，大数据将会出现约100万的人才缺口，需要社会、高校和企业共同努力去培养和挖掘。

　　想成功地驾驭海量信息，公司就需要拥有相应技能的人才能如愿以偿。这些人要知道如何管理数据，建立分析系统，并且帮助解读数据。在大数据领域，不久的将来，我们可能会听到很多花哨的名称，如CDO（首席数据官）、数据科学家或者首席数据工程师、架构师等。数据对企业来说变得越来越重要，而且逐渐成了企业核心竞争力的一部分。企业关注的不仅仅是数据本身，而且会更加重视数据的价值，以及数据对企业产生的影响。

　　首席数据官 亟待设立

　　二十年前，当IT达到临界值时，在商人投资大型机技术发展超出预期之后，CIO诞生了；十年前，广告、营销和PR在公司内部开始融合，产生了战略营销主管的名头，CMO诞生了；如今，随着大数据时代企业数据已经达到临界值，除了数据科学家外，企业还需要能够将数据转化为商业能力的数据领袖，而设立一个全新的C-Level战略角色——首席数据官（Chief Data Officer，简称CDO），正在被越来越多的企业提上日程。

　　今天，数据对于理解和构建业务是如此的重要，以至于需要有人在上面评估什么样的数据业务应该收集，然后让他变得有价值。

　　把数据转化为商业能力的唯一办法就是使之系统化。企业内的数据已经达到临界值了，是时候设立战略领导者CDO了。那么CDO的主要职责是什么呢？作为企业的执行管理层，CDO将在以下领域中扮演举足轻重的角色：主导并实施数据管理策略和标准，实现数据质量管理的制度化；衡量并管理数据风险，在执行层影响企业的风险评估偏好；实现更佳的决策支持，通过对数据的有效分析获得洞察力，帮助企业改善策略；通过对数据的有效管控及使用，增加企业的业务收入，提升客户满意度、客户忠诚度和市场美誉度；降低合规成本，通过正确运用数据提高生产效率。

　　大数据涉及的不仅仅是技术方面的问题。CDO应该主要从业务层面去审视大数据的应用。数据存放在哪里，数据应该如何处理，哪些人能拥有数据，为什么要这样使用数据……CDO必须能够明确地解答这些问题。CDO应该站在业务团队和技术团队的中间，就像是一座桥梁，可以把业务需求与IT规划联系起来。CDO能发挥什么样的作用，还要看每个企业在大数据方面的需求以及策略。

　　举例来说，一个零售企业以前可能只能通过CRM系统来了解和掌握客户的需求。现在，随着社交媒体的兴起，零售企业有必要也有可能从微博、博客、论坛等社交媒体上了解与企业和经营相关的信息。以前，企业的IT架构不具备处理海量社交媒体数据的能力，但是现在，实时、快速地处理大量的非结构化数据已经成了一种常态。对于CDO来说，他的职责就是利用IT手段找到企业所需的数据和信息，并发挥其应有的价值。

　　从当前国内信息化应用的现状来看，有大数据应用的企业一般集中在金融、电信、互联网等大型企业。从企业的需求上来看，设立CDO可以解决企业在数据搜集、使用、存储和再利用方面的难题，同时还能为企业高层提供更好的决策支持。但是，由于大数据应用在中国的各行业还处于初步阶段，很多企业并没有发展到系统化地使用大数据工具进行深度数据挖掘的阶段。CDO的设立应该是企业在数据使用和挖掘上有了成熟的模式以后的事情，否则，盲目设立此职位只能给企业内部带来冗余的工作岗位和职责上的不明确。

　　数据科学家不足成为发展瓶颈

　　CDO的职责是为企业的业务和数据提供更好的价值平台。通过CDO的工作，企业能将数据转化为业务语言，被管理层更好地理解和运用。因此，企业对CDO的数据业务专业性要求并不高。而数据科学家是专业数据的研究者，其主要工作是对数据及其价值的专业性进行研究，比如数据科学家队伍中包括数据分析师、数据挖掘师、数据可视化设计师等。

　　那么，大数据人才究竟是哪类人才？大数据最关键的部分是数据分析和挖掘数据价值，要获得这些，就需要大量的数据科学家。数据科学家是复合型人才，是对数学、统计学、机器学习等多方面知识的综合掌控。初级的分析人员只能是对数据进行报表、描述性分析，真正高级的数据科学家需要对数据做出预测性的、有价值的分析。从目前的人才储备来看，这部分的储备欠缺。

　　数据科学家能够解决复杂的数据问题，但与CDO相比，它更像是高级工程师或高级技术人员，因为CDO的工作内容中还有一部分是进行公司管理和战略决策，而这不属于数据科学家的工作范畴。谈到数据科学家应该具备的能力，托尼·杨将其归纳为以下几点：第一， 数据科学家不是传统的IT人士，它的工作中既包含IT的成分，也包含业务的成分；第二，数据科学家具有很强的逻辑分析能力，能够了解数据和信息如何与企业的业务产生关联；第三，数据科学家还拥有其他多种能力，既了解信息、业务以及数据如何在企业中流动，也知道如何将信息整合在一起，这是数据科学家拥有的独一无二的能力。

　　数据分析师 姗姗来迟

　　其实，数据挖掘并不是一项新技术，已经有几十年的发展历史了。对于用户来说，如果只是招聘技术人员对相关算法进行研究，那是没有止境的。现在，很多用户都说要做大数据， 比如NBA球队在比赛中别出心裁地引入了数据分析技术，甚至有些房地产企业也宣称要做大数据。有人笑称，现在是全民皆大数据分析的时代。真正有用的大数据人才应该可以分辨出哪些工作可以做，而哪些工作不必做。

　　与CDO、数据科学家比起来，数据分析师虽然不太起眼，却大量存在，并且已经是一支庞大的专业队伍。2008 年4 月，数据分析行业的全国性行业组织——中国商业联合会数据分析专业委员会正式成立。工业和信息化部教育与考试中心也早在2003年就从国外引进了数据分析师培训和认证课程，并于2008年开始在国内大规模推广。在国内一些经济发达城市里的项目数据分析师事务所，既承接大量的数据分析项目，也从事数据分析师的培训与认证工作。

　　在一些金融机构、上市公司中早就开始了项目数据分析工作。在大数据的概念出现后，数据分析项目得到了越来越多企业和机构的关注，曾经默默无闻的数据分析师，包括新兴的CDO、数据科学家等职位开始受到追捧。据记者了解，国内一些知名的IT培训机构也开设了大数据方面的培训课程，不过主要还是集中在数据库方面。目前，我国数据分析与管理人才紧缺，企业必须加大招聘和人才挽留力度，同时还要大力投入关键数据人员的教育和培训工作。

　　大数据对所有企业来说都是一个新的机遇。企业只有拥有了像CDO、数据科学家、数据分析师这样的专业人才，才有可能将技术与业务有机地结合在一起，从而确保大数据项目的成功开展。

　　校企合作 大数据人才培养的基石

　　虽然目前大数据应用比较少，人才也比较少，但是中国的知识积累并不少，例如中国的学术界和产业界在机器学习上也有积累，现在的问题是如何将这个知识和大数据结合起来。

　　诚然，企业可以与学校联合培养人才，或建立专门的数据科学家团队，或与专业的数据处理公司合作，以解人才之急。

　　没有什么能够阻挡大数据的发展势头。借用《天下无贼》里黎叔的一句话就是：21世纪什么最重要？人才？No！大数据？No！是懂大数据的复合型人才最重要！

　　本刊记者 谢然

关注读览天下微信， 100万篇深度好文， 等你来看……