被《哈佛商業評論》譽為
21世紀最性感的職業
Glassdoor 2022年美國職業榜上
排名第三
以“高大上、高工資、高技能”
為主要標簽
打工人做夢的素材源泉
這個金光閃閃的職業就是
「數據科學家」
數據科學家人才困境
“數據科學家是能夠從雜亂無章的非結構化數據中挖掘出寶藏的人。”
商業世界正變得越來越以數據為中心，隨著高級分析、人工智能 (AI) 和機器學習 (ML) 的廣泛應用，組織對數據科學家的需求正在飆升。
數據科學家了解數據的力量并將其與更大的業務戰略聯系起來，他們對數據進行清洗、處理，將大量信息轉化為有益于增加收入的情報。然而現在除了科技巨頭，很多公司都缺乏數據科學家。
軟件開發和咨詢公司Anaconda的2022年數據科學現狀調查表明，90%的公司都遭遇了數據科學家人才短缺的問題。無獨有偶，在全球最大的自由職業工作社區Upwork今年8月發布的調查中，60%的招聘人員表示，最難招聘的職位是數據科學家。
不少組織試圖提高數據科學家的職位薪水來吸引人才，但獲得必要的技能和學位既困難又費時，可能需要很多年才能找到足夠的候選人來滿足需求。對此就沒有辦法了嗎?
不，越來越多的組織正在尋找數據科學家的“平替”——「公民數據科學家」。
公民數據科學家
按照Gartner的定義，公民數據科學家(citizen data scientist)是創建或生成模型的人，這些人可能是營銷、運營、金融、定價、IT或任何其他員工，基本角色在統計和分析領域之外。
與真正的數據科學家相比，公民數據科學家可能缺乏深厚的統計知識、不會編程、也不了解機器學習的工作原理，但他們可能是最了解公司文化、市場和盈利驅動的人。
公民數據科學家可以使用各種自動化工具來降低數據科學任務的難度，如數據準備、建模和模式識別等，并據此執行復雜的診斷分析，從數據中提取有價值的見解——而這可能比對公司運作機制知之甚少的專業數據科學家更能給公司帶來創新。
授權公民數據科學家的關鍵是賦予他們適當的工具，這些工具將重復型、手動密集型的機器學習任務自動化，可以讓缺乏專業技能的公民數據科學家用來解決相對簡單的數據分析問題。
于是可得以下公式：
普通員工+適當的工具=公民數據科學家
授權公民數據科學家
作為全球領先的IT解決方案供應商，戴爾科技集團以全面先進的解決方案助力各行業用戶數字化轉型，其中經驗證的工程設計方案提供交鑰匙式的硬件和軟件組合，可幫助組織又快又好地實現數據洞察。
戴爾經過驗證的AI設計從一開始就設計為根據特定用例動態滿足需求，自動機器學習解決方案Automatic Machine Learning(AutoML)可自動執行算法選擇、特征生成、超參數調整和模型評估，能夠簡化和加快AI的開發時間，降低數據科學門檻，幫助組織授權公民數據科學家。
這一方案包括用于自動機器學習H20.ai Driverless AI、用于云原生AI開發和部署的NVIDIA AI Enterprise Suite™，VMware vSphere® Tanzu™，以及經過驗證和優化的戴爾基礎架構堆棧，包括VxRail V670或PowerEdge R750xa服務器、PowerSwitch網絡和PowerScale F600存儲。
該方案主要優點如下：
AI簡化：自動機器學習讓用戶更容易訓練AI模型，快速比較數千種組合和迭代，在幾分鐘或幾小時內找到最佳模型;
更快的AI洞察力：機器學習操作 (MLOps)允許將AI更快引地入到生產中，幫助組織快速發現隱藏在數據中的業務價值，輕松解決復雜問題;
經過驗證的AI專業知識：組織可以自信地部署經過工程測試/驗證的AutoML解決方案，并獲得世界一流的服務和支持。
基于戴爾自動機器學習解決方案，那些一般由專業數據科學家負責的工作(如構建機器學習 (ML) 模型、數據預處理、特征工程、模型選擇、超參數優化和模型后處理等復雜任務)，可全部或部分交給AutoML框架自動完成，即便是不具備數據科學專業知識的公民數據科學家也可以成功構建機器學習模型，推動業務成果轉化。
數據科學經常被視為從事高深莫測的活動，專業數據科學家的高門檻也讓很多組織望而卻步，這一現狀嚴重限制了多個項目快速迭代和增量改進的可能性，對打造數據驅動型企業形成障礙。
對于資源有限、無力雇傭數據科學家的企業來說，使用戴爾自動機器學習解決方案授權公民數據科學家帶來了機會，數據科學民主化是大勢所趨，在戴爾AI解決方案支持下，普通員工也可以撥開數據礦山上的迷霧，獲得價值洞察，進而助力組織在數字經濟中取得成功。
END
如果您想了解更多有關戴爾科技的產品和解決方案信息，請掃描以下二維碼咨詢戴爾官方客服。
京公網安備 11010502049343號