Waarom u niet meer datawetenschappers hoeft in te huren



Waarom u niet meer datawetenschappers hoeft in te huren afbeelding

Analyseer dit: uw eigen personeel kan uw interne data science-team worden met de juiste training

Het wereldwijde tekort aan datawetenschappers treft elk groot bedrijf. Maar maak je geen zorgen – de mogelijkheid om gegevens te analyseren heb je al in huis

Wereldwijd bevinden we ons te midden van het grootste tekort aan dataprofessionals in de geschiedenis. Gecombineerd met grootschalige disruptie, het onvermogen om snel mensen aan te nemen en een snel veranderend concurrentielandschap, is de impact van deze tekorten – van deskundige datawetenschappers tot interne kenniswerkers – duidelijk voelbaar.

Voor een specialisme dat pas 20 jaar oud is, is deze begrijpelijke kloof tussen wat beschikbaar is en wat nodig is verklaarbaar. In werkelijkheid zijn de meest verbluffende datagestuurde inzichten van de vorige eeuw geleverd door materiedeskundigen – niet datawetenschappers – die werken met hun eigen unieke expertise en beperkte datasets.

Florence Nightingale, bijvoorbeeld, zorgde voor een revolutie en hervormde het medische veld met gezondheidsstatistieken en wiskunde, waarbij hygiëne werd gekoppeld aan verbeterde medische resultaten. Veel bedrijven verwarren tegenwoordig de behoefte aan datawetenschappers met de behoefte aan data inzichten.

‚De mogelijkheid om ‚gegevens uit te spreken‘ moet een selectievakje worden op de briefing van elke personeelsmanager bij het zoeken naar nieuwe medewerkers‘

Klaslokalen over de hele wereld gebruiken zinnen als „meetbare doelen zijn haalbare doelen“ of kleurrijke collages die de deugden van de SMART-strategie voor het stellen van doelen verheerlijken. Maar wat gebeurt er als de dingen die ‚bekend‘ en gemeten zijn – op zichzelf – verkeerd zijn? Wat gebeurt er als focus op meetbare factoren resulteert in onjuiste uitkomsten?

Je hebt geen datawetenschappers meer nodig

Bedrijven hebben mensen nodig met de zakelijke context waarin vragen worden gesteld en datavaardigheden om informatie om te zetten in inzichten. Gartner benadrukt dat tegen 2023 datageletterdheid een expliciet en noodzakelijk aanjager van bedrijfswaarde – het koppelen van succesvolle bedrijfsresultaten aan het vermogen van werknemers om „gegevens te spreken“. De uitdaging draait daarom niet alleen om de behoefte aan snelle inzichten, maar ook om het inhuren van de juiste mensen om leveren die snelle inzichten.

Er zijn twee kernbarrières om deze uitdaging het hoofd te bieden. De eerste is de veel gepubliceerde kenniskloof – de misvatting dat het inhuren van meer datawetenschappers de oplossing is om deze inzichten te leveren. De tweede is de mentaliteit dat het aanbrengen van laagjes op technologie na technologie een tekort aan menselijk vernuft kan compenseren.

In plaats daarvan ligt de oplossing bij de experts die al in een bedrijf werken – kenniswerkers op de afdeling met de context van het probleem dat ze willen oplossen, de bredere context achter de vraag die wordt gesteld en de implicaties van eventuele voorstellen. Deze werknemers hebben misschien niet meteen meetbare ‚data science‘-vaardigheden, maar het volledig benutten van deze bestaande werknemers – en het verbreden van algemeen aanvaarde definities van vaardigheden voor nieuwe kenniswerkers – is een van de meest effectieve productiviteitsstimulansen die bedrijven tegenwoordig kunnen integreren.

Je eigen kenniswerkers bijscholen

Bij het ontwikkelen van deze nieuwe datastrategie is het essentieel om kenniswerkers te benadrukken als de ontbrekende schakel tussen data en datawetenschapper. Deze experts van de afdeling – en de unieke kennis waarover ze beschikken – naar de voorgrond van de besluitvorming brengen, is de tweede strategie voor het leveren van de datavaardigheden die bedrijven tegenwoordig nodig hebben. Bedrijven moeten kijken naar wat middelen worden gehouden in afdelingen, en hoe ze kunnen worden gebruikt.

Casestudy – een logistiek bedrijf

Als u in een logistiek bedrijf bijvoorbeeld de meest optimale route voor een levering zoekt, vraagt ​​u het aan de chauffeur, niet aan de datawetenschapper. Terwijl de datawetenschapper rekening kan houden met macrotrends, kan de bestuurder de microveranderingen beoordelen die anders onzichtbaar zouden zijn. In de productie is het het equivalent van een langdurige werknemer die naar een machine luistert en weet dat er iets niet klopt.

Bij het integreren van strategieën om het probleem van het tekort aan datavaardigheden te verminderen, maakt de oplossing volledig gebruik van de waarde van de zwaarbevochten directe ervaring – tools in handen geven van de mensen die de meeste waarde kunnen leveren. Voor bestaande werknemers is dit haalbaar door middel van bijscholingsprogramma’s, waardoor deze kenniswerkers hun eigen uitdagingen met data kunnen oplossen.

Door een wervingslens vereist dit een heroriëntatie en een verschuiving in zakelijk begrip. Elke afdeling kan computers gebruiken – en maakt daar ook steevast gebruik van. Alleen omdat het elektronisch is, wil nog niet zeggen dat het de exclusieve verantwoordelijkheid van het IT-team is. Het is een hulpmiddel voor het hele bedrijf.

Dezelfde mentaliteitsverandering moet plaatsvinden met het genereren van zakelijke inzichten. De uitdagingen die ontstaan ​​door de enorme hoeveelheid data die wordt gecreëerd, betekenen dat het onmogelijk is om de verantwoordelijkheid voor data-inzichten uitsluitend binnen datawetenschapsteams te sequencen. Bedrijven moeten de vaardigheden die ze zoeken in alle teams opnieuw beoordelen, naast een lineaire benadering van hun specifieke taak. In plaats daarvan moet de mogelijkheid om „gegevens uit te spreken“ een selectievakje worden op de briefing van elke personeelsmanager bij het zoeken naar nieuwe medewerkers.

Dit is wat we bedoelen als we het hebben over datademocratisering en bijscholing. Hoewel niet elke werknemer een datawetenschapper hoeft te worden, zitten er verborgen inzichten opgesloten in – bijvoorbeeld – verouderde spreadsheets van afdelingen die volledig onzichtbaar zijn voor formele datateams zonder een gedemocratiseerde verantwoordelijkheid voor datawerk. Deze bedrijfsbrede benadering van datagestuurde inzichten is van vitaal belang.

Expertise in huis cultiveren

Gemiddeld gebruiken gegevenswerkers meer dan zes gegevensbronnen, 40 miljoen rijen gegevens en zeven verschillende outputs tijdens hun analytische reis. In de praktijk betekent dit dat datawetenschappers heb gewoon geen tijd om elk probleem op te lossen dat ze nodig hebben. In plaats daarvan zouden deze experts het voortouw moeten nemen op het gebied van datastrategieën, terwijl ze worden ondersteund en ondersteund door een groot aantal interne experts – werknemers die waardevolle context en unieke perspectieven kunnen bieden om strategische beslissingen te kleuren.

De USP van de vijf meest winstgevende bedrijven ter wereld zijn geen kasreserves of onroerend goed – het is het vermogen om de gegevens die ze hebben te verzamelen, analyseren en ernaar te handelen – op grote schaal – om de waarde te verfijnen en effectieve beslissingen te nemen. Bovendien hebben deze analytisch volwassen organisaties een organisatiestructuur ontwikkeld die het niet alleen mogelijk maakt, maar faciliteert de mededeling van deze gegevens. Het realiseren van deze nieuwe culturele structuur – voor zowel interne opleiding als toekomstige aanwerving – kan worden bereikt met de juiste strategie.

Drie manieren om medewerkers te helpen hun eigen datawetenschappers te worden

  • Bewustzijn en opwinding opbouwen: mensen moeten begrijpen wat het voordeel voor hen persoonlijk is, en ze moeten enthousiast en gemotiveerd zijn om die verandering aan te brengen
  • Zorg voor activering en training: mensen hebben de nodige vaardigheden nodig om: handelen op die eerste impuls
  • Ondersteun en behoud succes: met begrip van de waarde die op tafel ligt, draait de prioriteit vervolgens naar het ondersteunen en aanmoedigen van gewenste acties om succesvolle verandering te bewerkstelligen

Onderzoek van Gartner schat dat we in 2019 wereldwijd de grens van één miljard kenniswerkers overschreden. Deze kenniswerkers zijn de experts van uw afdeling. Deze kenniswerkers zijn niet alleen bestaan maar zijn al in dienst. Het zijn de mensen die betaald worden om te denken, die informatie gebruiken om die gedachten te onderbouwen. Ze worden ook kritisch onderbenut.

Tegenwoordig presenteert het tekort aan gegevensvaardigheden – op alle niveaus – een kritieke behoefte aan gegevenswerkers met de vaardigheden, datageletterdheid en toegankelijke tools om effectief te werken in een steeds meer gegevensgestuurde omgeving.

Verder benadrukt dat tekort ook de impact van een gebrek aan diversiteit en inclusie binnen de data-analyseruimte zelf… een gebrek aan diverse gezichtspunten leidt uiteindelijk tot een beperkt begrip van zowel de uitdaging als de oplossing. Net zoals het niet effectief zou zijn om een ​​hoofdmonteur een olieverversing te laten uitvoeren, is het ook niet effectief om een ​​data-analyseteam te hebben dat uitsluitend – of zelfs grotendeels – bestaat uit datawetenschappers.

Bouw je een weg uit het tekort aan datawetenschapsvaardigheden

Uiteindelijk is de beste strategie om uit het tekort aan datawetenschapsvaardigheden te komen en de kloof te overbruggen eenvoudig: werk om te gebruiken, bij te scholen en de experts die al op de loonlijst staan ​​in staat te stellen uw bestaande datawetenschapsteams te ondersteunen – zodat ze kunnen leveren de juiste inzichten, op het juiste moment, voor zakelijk voordeel. Met die benchmark op zijn plaats, heroriënteer en activeer de wervingsstrategieën met een overkoepelende focus op de prioriteiten die het belangrijkst zijn voor uw bedrijf.

Libby Duane Adams is mede-oprichter en chief advocacy officer bij AI-analysebedrijf Alteryx

Kloof in digitale vaardigheden kost Britse economie £ 12,8 miljard – Onderzoek van Virgin Media O2 heeft aangetoond dat een tekort aan digitale vaardigheden de Britse economie £ 12,8 miljard kost, aangezien de kosten van levensonderhoud in het hele land voortduren

De waarde van data – een nieuwe structurele uitdaging voor datawetenschappers – Felipe Henao Brand, senior productmanager bij Talend, bespreekt hoe de echte waarde van data te identificeren – een nieuwe structurele uitdaging voor datawetenschappers

Hoe u uw datawetenschappers sterker maakt in het tijdperk van edge computing en AI – Dan Warner, CEO en mede-oprichter van LGN, bespreekt hoe datawetenschappers sterker kunnen worden in het tijdperk van edge computing en AI

Kommentar verfassen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert