Ξεπερνώντας την έλλειψη μεγάλων δεξιοτήτων δεδομένων - ανδρείκελα

Οι μεγάλες δεξιότητες δεδομένων είναι ελλιπείς. Καθώς η ποσότητα των ψηφιακών πληροφοριών που παράγονται από τις επιχειρήσεις έχει αυξηθεί εκθετικά, προέκυψε μια πρόκληση (μερικοί άνθρωποι το ονομάζουν και μια κρίση): δεν υπάρχουν αρκετά άτομα με τις απαραίτητες δεξιότητες για να αναλύσουν και να ερμηνεύσουν όλα αυτά τα μεγάλα δεδομένα. Σε μια πρόσφατη έρευνα, περισσότεροι από τους μισούς ηγέτες των επιχειρήσεων αμφισβήτησαν ότι η ικανότητά τους να πραγματοποιούν μεγάλες αναλύσεις δεδομένων περιοριζόταν από την πρόκληση να βρεθεί το σωστό ταλέντο.

Όλο και περισσότεροι κύκλοι σπουδών αναδύονται για να καλύψουν αυτή την έλλειψη δεξιοτήτων και τα μεγάλα δεδομένα αναμφίβολα καθίστανται μια επιθυμητή διαδρομή σταδιοδρομίας για τους φοιτητές που εγκαταλείπουν το κολέγιο. Αλλά θα χρειαστεί χρόνος για τον αριθμό των ειδικευμένων ατόμων για να καλύψουν την τεράστια ζήτηση για μεγάλες δεξιότητες δεδομένων. Έτσι, τουλάχιστον για τα επόμενα χρόνια, η μεγάλη έλλειψη δεξιοτήτων δεδομένων είναι ένα πρόβλημα που θα πρέπει να αντιμετωπίσει όλες οι εταιρείες που ενδιαφέρονται για μεγάλα δεδομένα (που θα πρέπει να είναι όλες οι εταιρείες).

Με σκληρό ανταγωνισμό για να προσελκύσουν τα καλύτερα ταλέντα, οι εταιρείες στρέφονται σε δημιουργικούς τρόπους αξιοποίησης των μεγάλων δεξιοτήτων δεδομένων. Η Walmart, για παράδειγμα, αποφάσισε να εφαρμόσει τη δύναμη του πλήθους, μετατρέποντας την πλατφόρμα Kaggle σε ανταγωνισμό με τις αναλύσεις. Στο Kaggle, οι επιστήμονες δεδομένων των πολυθρόνων εφαρμόζουν τις δεξιότητές τους σε αναλυτικά προβλήματα που υποβάλλουν οι εταιρείες, ενώ ο σχεδιαστής της καλύτερης λύσης ανταμείβεται - μερικές φορές οικονομικά ή, στην περίπτωση της Walmart, με δουλειά.

Η καλύτερη αυτή προσέγγιση οδήγησε σε μερικές ενδιαφέρουσες συναντήσεις - άτομα που μπορεί να μην είχαν εξεταστεί για συνέντευξη με βάση μόνο το βιογραφικό τους. Ένας διορισμένος, για παράδειγμα, είχε πολύ ισχυρό υπόβαθρο στη φυσική, αλλά δεν είχε επίσημα αναλυτικό υπόβαθρο.

Τι σημαίνει αυτό για τις μικρότερες επιχειρήσεις; Ακόμη και αν μπορείτε να αντέξετε οικονομικά να προσλάβετε έναν εσωτερικό επιστήμονα δεδομένων, μπορείτε να βρείτε τον εαυτό σας ενάντια στον έντονο ανταγωνισμό από τις μεγαλύτερες εταιρείες. Το παράδειγμα της Walmart μας δείχνει ότι, για να αξιοποιήσετε μεγάλες δεξιότητες δεδομένων, μπορεί να χρειαστεί να δημιουργήσετε λίγο δημιουργικό περιεχόμενο. Ίσως και εσείς, θα μπορούσατε να γεμίσατε έργα δεδομένων (ακόμα και αν το τελικό αποτέλεσμα είναι μια απλή οικονομική ανταμοιβή, σε αντίθεση με μια εργασία πλήρους απασχόλησης).

Ή ίσως θα μπορούσατε να συνεργαστείτε με ένα τοπικό πανεπιστήμιο ή κολλέγιο, όπου οι μαθητές τσακίζουν τα δεδομένα σας σε αντάλλαγμα για κάποια καθοδήγηση των επιχειρήσεων. Ή ίσως έχετε ήδη ισχυρούς αναλυτικούς στοχαστές και επικοινωνίας στην επιχείρησή σας που, με λίγη επιπλέον βοήθεια και εκπαίδευση, θα μπορούσαν να δημιουργήσουν και να τρέξουν μεγάλα έργα δεδομένων στο μέλλον.