Kaggle公司的调查发现，许多数据科学家认为如何更好向其他人解释数据科学是工作中面临的障碍之一。此外，根据Hugo Bowne-Anderson的研究，数据科学要求从科学家的技能中学习动态技能和软技能，以便解决业务问题，并且需要向一些不懂技术的股东解释难以理解的技术与结果。
缩小数据科学家与业务人员之间的差距
技术人员和业务人员之间的这种差距长期存在。而采用团队方法有助于弥补这些差距，并可以利用数据科学。
一些主要软件开发商致力于应对当今的技术挑战，并以有意义的方式应用大数据。通过数据驱动的决策和高级分析，可以轻松地保持正常运行。
企业需要做什么
(1)企业必须检查他们是否需要专业知识。这涉及操作大数据平台的技能，并应用不同的分析技术，如机器学习，以及使用Python和R等工具。
(2)企业需要弥合工程团队和数据科学之间日益增长的沟通差距，以及依赖于数据驱动决策的相关业务功能。
这两个步骤很重要，因为数据分析只有在可能产生洞察力时才有帮助。在大多数情况下，数据科学家不能很好地解释他们的工作成果。
组织需要的是具有混合技能的人员，其将意识与数据科学、大数据平台的深入知识、基本技术和分析工具相结合，并能够以一种易于实现的方式呈现技术见解。
更好地处理数据
企业的不同部门分别生成数据，并单独分发。在个人和结构层面上处理这些局限性的好的替代方案已经出现，其结合了员工技能和新技术。这就是创建企业数据中心的重要性的原因，因为数据集中在一起，任何人都可以访问和利用数据中心进行探索和分析。
为了处理这些数据，企业需要分析师和数据工程师，他们可以同步、理解、促进和帮助构建IT部门、业务资产和大数据之间的通信。
以下深入考虑企业架构师和大数据业务分析师可以解决的问题。
(1)企业架构师。他们创建了企业范围的响应式数据架构，有助于协调IT战略和业务目标。此外，企业架构师提供大规模的项目审查，跟踪技术生命周期，并确定个别技术将如何变化。他们的工作要求与企业的各种员工保持联系，以便分配自定义数据存储，并开发解决方案。他们开发环境，并将大数据转化为有意义的业务洞察。
(2)大数据业务分析师。大数据改变了业务分析师的角色。如今，他们可能不再依赖于市场研究和趋势的决策。大数据业务分析师依靠数据分析带来的洞察力来开发业务。
许多公司已经开始尝试DevOps功能，这些功能涉及多个部门的运营和IT。这些发展展示了业务流程如何提升以及如何使用新技术。
开发更好的数据科学操作
基于自动化，团队合作和采用可视化技术可以更好地进行数据操作。这些步骤将帮助用户开发和构建所需的数据科学操作。
(1)项目管理。一个成功的项目经理需要具备良好的组织和强大的外交技巧，通过聚集不同的人才并让他们采用相同的语言来填补文化空白。
(2)数据争论。重要的能力是收集和清理数据、构建系统，以及开发和支持算法和其他统计引擎。具有重要才能的人将通过可预测的视觉输出来寻找加速运营的机会，从而促进信息设计过程。
(3)数据分析。利用数据并将其与特定业务场景相关联的技能至关重要。背景设置和批判性思维也是分析数据的关键技能。
数据科学家和业务人员需要更好的沟通
因此，弥合数据科学家和其他部门人员之间的差距对于组织具有更大的价值。企业需要那些可以将困难的技术见解转化为简单明确想法的人才。这些措施将帮助企业从所有数据中获利。
京公网安备 11010502049343号