隨著企業(yè)以數(shù)據(jù)為中心的文化，以做出決策和規(guī)劃，數(shù)據(jù)科學(xué)家對全球企業(yè)的重要性日益增加。但是企業(yè)無法足夠快地聘請數(shù)據(jù)科學(xué)家，因為合格候選人仍然非常有限。

為了應(yīng)對數(shù)據(jù)科學(xué)家短缺的問題，企業(yè)正在采取各種方法，以從他們可以找到和保留的少數(shù)數(shù)據(jù)專業(yè)人員中獲取最大的收益。

自動化

數(shù)據(jù)科學(xué)家完成的很多工作側(cè)重于數(shù)據(jù)管理和操作任務(wù)，例如識別數(shù)據(jù)源、合并數(shù)據(jù)集和驗證數(shù)據(jù)質(zhì)量。這些任務(wù)并不是通常聘用數(shù)據(jù)科學(xué)家的目的，他們應(yīng)該負(fù)責(zé)高價值工作。隨著更多的自動化工作進(jìn)入企業(yè)，這種情況正在改變。

自動機器學(xué)習(xí)（ML）軟件公司DotData首席執(zhí)行官兼創(chuàng)始人Ryohei Fujimaki說：“通過自動化，模型開發(fā)以及模型操作得到極大簡化。新的數(shù)據(jù)科學(xué)自動化平臺將使企業(yè)只需付出最小的努力，便可在生產(chǎn)中部署、操作和維護(hù)數(shù)據(jù)科學(xué)流程，從而幫助企業(yè)最大程度地利用其AI和ML投資以及當(dāng)前的數(shù)據(jù)團(tuán)隊?！?/p>

自動化數(shù)據(jù)工程軟件公司AtScale創(chuàng)始人兼首席技術(shù)官Matthew Baird表示，在數(shù)據(jù)科學(xué)自動化領(lǐng)域，最有前景的發(fā)展是在自主數(shù)據(jù)工程領(lǐng)域，該領(lǐng)域?qū)崿F(xiàn)了數(shù)據(jù)管理和處理任務(wù)的自動化。

Baird 稱：“這些進(jìn)步是以‘實時’數(shù)據(jù)工程的形式出現(xiàn)，如果具備所有知識并完整地輸入數(shù)據(jù)，自動化就可以像完美的數(shù)據(jù)工程團(tuán)隊一樣工作。這包括了解如何最好地利用各種數(shù)據(jù)庫的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)，其獨特的網(wǎng)絡(luò)特性、數(shù)據(jù)位置、本機安全設(shè)置和策略?！?/p>

自助服務(wù)分析

所有這些額外的數(shù)據(jù)管理和建模自動化功能不僅旨在最大程度地利用高級數(shù)據(jù)科學(xué)家，還可以讓公民數(shù)據(jù)科學(xué)家利用數(shù)據(jù)資源。通過自助服務(wù)分析擴展數(shù)據(jù)探索是解決數(shù)據(jù)科學(xué)家短缺的另一種流行方法。

Baird 稱：“自主數(shù)據(jù)工程技術(shù)的進(jìn)步，再加上自助服務(wù)分析帶來很多公民分析人員，可讓寶貴的數(shù)據(jù)科學(xué)和數(shù)據(jù)工程資源專注于更高價值的活動，例如構(gòu)建下一代機器學(xué)習(xí)或人工智能模型。”

創(chuàng)建跨職能團(tuán)隊

同時，企業(yè)開始看到自助服務(wù)分析工具和自動化的局限性。

深度學(xué)習(xí)軟件公司Pathmind創(chuàng)始人兼首席執(zhí)行官Chris Nicholson說：“簡化數(shù)據(jù)科學(xué)的工具也限制了用戶的靈活性和選擇，這意味著某些需要定制的復(fù)雜任務(wù)不可能實現(xiàn)?！?Nicholson認(rèn)為，這種現(xiàn)實已導(dǎo)致很多公司探索新的團(tuán)隊策略，以從有限的數(shù)據(jù)專家中獲取更多信息。

Nicholson說：“很多公司通過建立跨職能的數(shù)據(jù)科學(xué)團(tuán)隊來應(yīng)對數(shù)據(jù)科學(xué)家的短缺問題，這些團(tuán)隊可以與企業(yè)中的很多業(yè)務(wù)部門合作，也可以聘用外部顧問。通常，限制企業(yè)數(shù)據(jù)科學(xué)價值的不是數(shù)據(jù)科學(xué)家的匱乏，而是企業(yè)收集的數(shù)據(jù)以及企業(yè)如何使人們訪問和處理數(shù)據(jù)?！?/p>

Nicholson說，跨職能團(tuán)隊可以幫助企業(yè)解決因技術(shù)和內(nèi)部政治障礙而造成的零散的數(shù)據(jù)孤島問題，只要正確的利益相關(guān)者在同一團(tuán)隊中共同努力，就可以克服這些障礙。

這也可以緩解一個常見問題，這個問題看起來像數(shù)據(jù)科學(xué)家短缺，但其實更基礎(chǔ)，即太多數(shù)據(jù)科學(xué)項目看起來難以管理，因為它們沒有通往業(yè)務(wù)價值的明確途徑。

IT咨詢公司More Than Code首席顧問Sten Vesterli說：“太多的項目令人難以置信，企業(yè)將大量數(shù)據(jù)丟給數(shù)據(jù)科學(xué)家，然后說，‘看看你能做什么?！覀円呀?jīng)看到超過80%的數(shù)據(jù)科學(xué)項目無法從實驗室轉(zhuǎn)移到生產(chǎn)環(huán)境中，而企業(yè)需要將其數(shù)據(jù)科學(xué)家分配給最高價值的業(yè)務(wù)目標(biāo)?！?/p>

更好地定義數(shù)據(jù)科學(xué)角色

圖形數(shù)據(jù)庫公司Neo4j的圖形分析和AI程序主管Amy Hodler表示，阻礙有效招聘數(shù)據(jù)科學(xué)家的一大問題是，企業(yè)正在使數(shù)據(jù)科學(xué)的頭銜和職責(zé)變得過于廣泛。

Hodler稱：“這使企業(yè)很難找到合適人選，這意味著新員工很難理解和適應(yīng)業(yè)務(wù)目標(biāo)?！?/p>

她認(rèn)為，未來一年，很多企業(yè)將開始多樣化與數(shù)據(jù)科學(xué)相關(guān)的職位，從而創(chuàng)建子類別的工作重點和更加嚴(yán)格的工作要求。

內(nèi)部培訓(xùn)

Hodler還認(rèn)為，企業(yè)將通過對現(xiàn)有員工進(jìn)行更多內(nèi)部培訓(xùn)–這些員工表現(xiàn)出任何潛力或希望轉(zhuǎn)向數(shù)據(jù)科學(xué)崗位，以應(yīng)對數(shù)據(jù)科學(xué)家的短缺。她說，企業(yè)必須戰(zhàn)略性地培養(yǎng)潛在數(shù)據(jù)科學(xué)家的特定技能。

Hodler說：“企業(yè)必須以長遠(yuǎn)的眼光來清晰地評估和定義所需的技能，不僅需要考慮當(dāng)今炙手可熱的工具/方法，而且還要投資可在未來數(shù)年內(nèi)建立的核心概念。在未來幾年內(nèi)，初級和高級數(shù)據(jù)科學(xué)家配對將對發(fā)展和保留這些員工變得至關(guān)重要?！?/p>