數據科學家短缺成大數據時代絆腳石？

“智慧”的能力，是能夠適應不斷變化的環境，以及改變環境使之更加有利於人類的生活和繁榮。對於在不斷變化的世界中人類的可持續發展，連續的適應性是至關重要的。 　　這個智慧的願景依賴於先進的分析，而這又依賴於培養專業的數據科學家，以建立大數據應用程序驅動其成爲現實。在一定程度上，爲我們的企業和社區配上大數據、高級分析、實時傳感器網格、自動反饋迴路、嵌入式決策自動化，和其他優化的基礎設施的武器，我們就可以確保人類在地球上的可持續發展。 　　在大數據時代，數據科學家在開發團隊中至關重要。他們包括統計分析專家、數據挖掘專家、預測建模專家、計算語言學家和其他的專業人士，他們的工作是在大型、複雜的數據集中找到深刻的見解。要釋放大數據在您的業務中的全部價值，您需要彙集最優秀和最聰明的數據科學家，並提供他們所需要的工具，讓他們能夠以最大的生產力做好自己的工作。 　　有些人認爲，由於面向企業的數據科學家短缺，大數據時代的發展將會被迫停頓。但是，我認爲這些擔憂被誇大了，原因如下： 　　*隨着更多的數據發現、採集、準備和建模功能等在更好的工具中實現自動化，今天的數據科學家們將有更多的時間開展他們的核心工作：統計分析，建模和互動探索。 　　*需要數據科學家從零開始進行開發的模型日漸稀少。這是因爲越來越多的大數據項目上運行的嵌入式應用程序的分析模型被納入到商業解決方案。 　　*數據科學家將能夠越來越多地根據需要從外部的專業服務公司獲得。 　　*越來越多的企業建立數據科學中心，以促進數據科學舉措的標準化、再利用、協作、管理和自動化。 　　*開源社區和工具將大大延展數據科學知識的'邊界，增加您身邊的數據科學家，無論是作爲員工還是合作伙伴。 　　*自學成才 - 包括自學成才的、未獲證書的、對數據充滿激情的業務分析師 - 會在許多企業的數據科學措施中發揮重大的作用。 　　結論是核心數據科學家的資質 - 包括好奇心、智力敏捷、統計流暢、科研後勁、科學嚴謹、懷疑天性 - 分佈廣泛，遍及世界各地的勞動力。如果您的企業的生存依賴於大數據，您需要招募、培訓和激勵這些人。同樣重要的是，您應該給予他們的工具和環境，使他們可以做最好的工作。您的企業的成功依賴於這一點。