在过去几年中，一家美国金融服务公司的 IT 领导一直在努力招聘数据科学家，以便更好地利用不断增加的数据流量。如果使用得当，这些数据可以改善客户体验并推动新产品的开发。为了解决这个招聘问题，他们必须发挥创造力。
他们不仅仅提供远程工作和灵活的工作时间。他们还与大学建立了关系，建立了一个以新兴技术为重点的实习生队伍。这些实习生在公司工作，获得数据科学方面的经验，毕业后有可能被聘用。
位于康涅狄格州斯坦福德的 Synchrony 金融公司Synchrony 是一家拥有 18000 多名员工和 620 亿美元存款的金融公司，公司的高级副总裁兼首席信息官 Bess Healy 说：“尽管我们看到了数据的激增，但分析师的供给并不能满足需求。我们试图在决策中以数据为导向，因此我们非常需要分析相关技能……我们有一套专注于此的方法来构建这条管道。”
Synchrony 并不是唯一一家面对数据科学家短缺问题的公司，他们在企业中执行越来越重要的工作。
各类公司正在努力雇佣真正的数据科学家——那些受过足够训练并拥有经验的科学家，他们能够处理以前可能从未解决过的复杂而困难的问题。如果该公司不是最大的品牌或知名度最高的公司，雇用数据科学家就变得更加困难。一般来说，寻找并保留IT人才的困难已经持续一段时间了。对于数据科学家来说，这就更是难上加难多。
行业分析公司 IDC 最近的研究表明，LinkedIn上有21万个数据科学职位。该研究报告还指出，德勤（Deloitte）、亚马逊（Amazon）和微软（Microsoft）等顶级企业正在寻求填补广泛的技术岗位，但数据科学远远超过了所有其他岗位。
2021，Forrester 的行业分析师进行了一项调查证实了这一点。该调查显示，在全球 2329 位数据和分析决策者中，55%的人希望聘请数据科学家。另有 62%的人表示，他们计划聘用数据工程师，37%的人正在寻找机器学习工程师——可以支持数据科学家的数据分析团队成员。
Forrester 副总裁兼首席分析师 Brandon Purcell 表示：“对数据科学家的需求一直很高，因为他们拥有将数据转化为见解的炼金术。这对外行来说非常神秘。他们拥有非常专业的技能。进入这一行业的人寥寥无几。尽管比以前多了，但仍然不够多。”
1.扩大数据科学团队
企业数据科学团队的构成也在一直在发生变化。
数据科学家拥有广泛的学术背景——通常在计算机科学、统计学和数学领域。他们专注于构建强大的算法，并分析、处理和建模数据，这样他们就可以解释结果以创建可行的计划。但多年来，这些专家也发现自己从事的工作都是工程工作，比如建造管道和将模型嵌入操作系统。这不仅让数据科学家感到无聊，而且让他们感到沮丧，因为他们没有专注于他们接受过培训的核心工作。
现在，公司正抓住这种挫折感，为了吸引新的数据科学家并留住他们团队中已有的数据科学家，他们正在扩大分析团队中的角色。
企业越来越多地引进了机载数据工程师，他们可以处理诸如构建ETL管道、准备数据以及让数据科学家可以分析这些工作。机器学习工程师被雇佣来设计和构建自动预测模型。这些人正在构建一个数据科学支持系统。
珀塞尔说：“三年前被称为数据科学家的人，现 在（被）分为数据科学家、数据工程师和机器学习工程师。更先进的公司都能做到这一点。这当然是一项团队运动。”
公司也越来越依赖有时被称为 D 代的技术。这些员工不仅熟悉技术，而且具备基本的数据素养。他们可能无法构建算法或分析数据，但他们确实知道什么样的问题可以用数据来回答，什么样的数据可以用来找到这些答案。
这些工人不仅熟悉和适应技术，而且具有基本的数据知识水平。他们可能无法建立算法或分析数据，但他们确实了解什么样的问题可以通过数据来回答，以及什么样的数据会被用来寻找这些答案。
2.变得有创意
在 Synchrony，希利说，他们正在使用上述所有人——数据科学家、数据工程师、数据分析师和一般都懂数据的人。为了填补这些职位，他们不仅与伊利诺伊大学和康涅狄格大学建立实习生管道；2021 秋天，他们还作为团队的一员启动了 Synchrony Skills Academy 高中项目。该项目旨在帮助来背景不满足任职资格的高中生获得包括数据分析在内的数字和软件技能。
Oshkosh 公司（前身为 OshkoshTruck 卡车公司）正在采取类似的策略，不仅仅是为所需的数据科学家投放广告。
这家总部位于威斯康星州的特种卡车、军用车辆和机场消防设备工业制造商有一个四级战略：他们正在努力雇佣数据科学家，培训现有员工掌握数据知识，从大学引进实习生，并与承包商合作处理需求激增的问题。
Anupam Khare 是 Oshkosh 高级副总裁兼 CIO。他表示：“对我们来说，雇佣能够编写机器学习算法的数据科学专业人员非常重要。我认为这一点非常重要，因为该团队正在编写的算法正在帮助我们的业务预测可能的结果并做出更好的决策。对于（我们分析团队的）其他成员来说，我们的战略是提高技能。提高技能正变得越来越重要，它为我们创造了业务优势。”
由于补充他们的数据团队一直“非常困难”，Khare 说他们非常专注于内部培训。为此，Oshkosh 创建了一个员工技能提升计划，为员工提供多种资源，如免费在线课程和体验项目，以获得各种技术领域的培训。首席信息官说，这是一个很受欢迎的项目，仅在过去几年里，员工就修了 2500 多门课程。
“对（技术技能）的需求增加了很多，而且人才库有限，因此我们的战略目的性很强。不是争夺每种类型的人才，而是专注于我们需要的技能，”Khare 补充道。“我们的法律团队中有一位出色的数据分析师。他对数据科学充满热情并有兴趣。我们将这位来自法律团队的人员带到分析团队，接受数据科学方面的培训。现在他对我们来说已经是一位杰出的数据科学家。”
3.专注于团队建设
总部位于明尼苏达州的 TruStone 金融信用联盟拥有 40 亿美元的资产、24 个分支机构和约 20 万名成员。作为执行副总裁兼 CIO，Gary Jeter 大约九个月前开始为该公司的数据科学团队招聘新成员。为了吸引合适的候选人，他已经多次改变工作描述。他甚至还没有为数据科学家发出招聘启示。
“在我的上一份工作中，我曾与资深数据科学家合作过很多次，”他说。“能够找到集这些能力于一身的候选人是一项挑战，费用将是其中的一个重要方面……是的，如果我们不能雇佣数据科学家，我们将处于劣势。我们将寻求内部培训人员。他们不是真正的数据科学家，但他们将精通数据的使用和组织。”
与此同时，Jeter 计划利用供应商和顾问帮助 TruStone 的数据科学工作。他还邀请了明尼苏达大学的学生在 TruStone 完成他们最后一年的毕业设计。学生们专注于使用机器学习来分析公司的数据，以推动数字会员资格。分析哪些产品正在使用，哪些客户正在使用这些产品，以及这些产品的盈利能力。
IDC 的智能未来研究总监 Chandana Gopal 说，拥有各种数据专家是明智的——从 D 代数据学者到拥有数学或数据科学博士学位的数据专家。
Gopal 说：“你不能让你的数据科学家做平凡的日常工作。你让他们从事特殊项目。你允许 D 代人做这些日常工作，因为他们知道足够多的信息，能够理解数据告诉他们什么。受过正式培训的真正的数据科学家的数量将是你劳动力的一小部分。通过利用不同的角色，你可以从数据中获得真实的背景。”
来源：www.cio.com
