[an error occurred while processing this directive]

ZDNet>存储频道>存储系统>数据科学家,是鸡肋还是主流?

邮件订阅订阅:

数据科学家,是鸡肋还是主流?

摘要:大数据和分析是强大的,大数据和分析相关技术令人兴奋。但是难道只有那些“科学家”才能配得上它吗?也许这正是我们无法完全取得进展的症结所在。我们需要大数据和分析技术,但是不需要昂贵的、稀缺的人才去采用这些技术...

作者:来源:ZDNet存储频道 | 2013年05月28日

关键字:大数据 数据科学家 数据分析

在本页阅读全文(共2页)

“数据科学家”就是一个独特的、听上去有些冷漠的词儿。有一点要弄清楚,那些有资格获得这个头衔的人是非常有价值的,但是这个头衔本身并没有。阻碍大数据分析被广泛采用的原因并不是缺少数据科学家,而是目前我们对他们的依赖。

大数据和分析是强大的,相关技术令人感到兴奋。但是如果只有高收入的专家配得上,那么就无法完全取得进展。我们需要数据和分析技术,但是我们不应该需要昂贵的、稀缺的实践者去采用这些技术。相比数据科学家来说,我们需要能够让知识工作者自己去做大数据分析的工具。

跨界是可能的吗?

人们肯定可以获得对大数据进行分析所需的能力,企业员工可以在工作中使用大数据,开发者可以收集数据并在代码中进行分析。

当然,某些人通过驯良可以成为具有高技能的专家,但这是超越常规的例外。我们并不需要有人把大批人才改造成科学家,我们需要的是让他们获得一种能力。

不仅仅是炒作

数据科学家这个词儿被过分夸大了。但是公平地说,实际上大数据和分析这两个词也是一样,但这些仍然是具有相当专业技术的领域。数据科学家这个词的问题不仅仅炒作的问题,还有一种态度和对抗的语气。这种语气让人们对获得分析能力感到沮丧,因为这个词的背后似乎蕴含着“这项工作必须外包给经过高度培训的某些人”的意思。

头衔的玄机

可能会有一种风险,很多技术专家将以获得更高能力的名义成为“数据科学家”,有点像技术领域其他听上去很牛的头衔,比如“架构师”。在任何领域都会看到这种“头衔的膨胀”,但是在技术领域,术语和头衔在任何情况下都被视为一种隐喻,而不是字面上的描述。技术控们似乎把这些头衔美化了,而那些没有这么做的人会发现自己处于某种劣势。

大数据是不成熟的工具

与主流的关系数据库和BI产品相比,分析尤其是大数据具有非常不成熟的模型。在这样的情况下,也难怪只有“科学家”能完成实际的工作。这些工具是专为实验室使用的,不是商业用途。

正如自助式BI如今很流行一样,自助式大数据和预测分析也应该是一股市场潮流。一旦这样,那些拥有我们所谓数据科学方面技能的人,仍将扮演重要的角色,但不会如现在这般具有核心的重要的作用。

数据通,是什么?

这一点都不奇怪,我相信会有一个场景,有越来越多的“数据通”——业务和技术人员都是多面手——这将成功地解决目前所面临的劳工问题。数据科学要求既懂数据技术,又有业务经验。如果技术变得简单容易了,那么业务人员也就更容易掌握它,那么企业用户可以成为真正的分析专业人士。

如果我的梦想变成现实,那么一个理想的业务分析人士,应该是一名销售、市场营销或者规划方面的专业人员,他们也是技术用户,拥有统计数据,精通Excel,可以做一些简单的编程。但这只是一个理想……为了让分析技术发展起来,我们不应该让人们来适应这个理想,以期成为具有生产力的大数据分析师。

    [an error occurred while processing this directive]

    ZDNet周刊订阅

    热门文章

    • 热门文章
    • 本周
    • 本月

    IT采购指南

    • 整体竞争力榜
    • 云计算能力榜
    • 最具人气榜
    • 1

      IBM

      8.9

    • 2

      惠普

      8.6

    • 3

      东软

      8.4

    • 4

      甲骨文

      8.4

    • 5

      用友

      8.4

    • 6

      SAP

      8.4

    • 7

      Teradata

      8.4

    • 8

      H3C

      8.4

    • 9

      赛门铁克

      8.4

    • 10

      华为

      8.3

    推荐词条