數(shù)據(jù)人才白皮書(shū)

1、CONTENTS HYPERLINK l _bookmark0 01 HYPERLINK l _bookmark0 前言 HYPERLINK l _bookmark1 CHAP1 當(dāng)我們討論數(shù)據(jù)人才的時(shí)候，我們?cè)谟懻撌裁矗?HYPERLINK l _bookmark2 一、為什么企業(yè)需要數(shù)據(jù)化轉(zhuǎn)型 HYPERLINK l _bookmark2 二、數(shù)據(jù)人才支撐數(shù)據(jù)化轉(zhuǎn)型 HYPERLINK l _bookmark3 CHAP2 什么是數(shù)據(jù)人才？ HYPERLINK l _bookmark4 一、數(shù)據(jù)工作者的定義 HYPERLINK l _bookmark4 07 HYPERLINK l _bo

2、okmark4 二、關(guān)鍵經(jīng)歷 HYPERLINK l _bookmark5 10 HYPERLINK l _bookmark5 三、知識(shí)技能 HYPERLINK l _bookmark6 13 HYPERLINK l _bookmark6 四、Wave R 勝任力潛能 HYPERLINK l _bookmark7 17 HYPERLINK l _bookmark7 五、對(duì)未來(lái)的期望 HYPERLINK l _bookmark8 CHAP3 頭部數(shù)據(jù)人才是什么樣的？ HYPERLINK l _bookmark9 一、什么是頭部數(shù)據(jù)人才 HYPERLINK l _bookmark10 二、頭部數(shù)據(jù)

3、人才 v.s 其他數(shù)據(jù)人才 HYPERLINK l _bookmark11 三、頭部數(shù)據(jù)人才畫(huà)像的價(jià)值 HYPERLINK l _bookmark12 CHAP4 如何構(gòu)建優(yōu)秀的數(shù)據(jù)人才團(tuán)隊(duì)？ HYPERLINK l _bookmark13 一、數(shù)據(jù)團(tuán)隊(duì)的組建 HYPERLINK l _bookmark14 二、數(shù)據(jù)團(tuán)隊(duì)的賦能 HYPERLINK l _bookmark15 三、數(shù)據(jù)團(tuán)隊(duì)的評(píng)估 HYPERLINK l _bookmark16 CHAP5 數(shù)據(jù)武裝，決勝這個(gè) VUCA 的時(shí)代！ HYPERLINK l _bookmark17 32 HYPERLINK l _bookmark17

4、后記CHAP 1當(dāng)我我們們?cè)谟懻摂?shù)什據(jù)么人？才的時(shí)候，一、為什么企業(yè)需要數(shù)據(jù)化轉(zhuǎn)型二、數(shù)據(jù)人才支撐數(shù)據(jù)化轉(zhuǎn)型一、為什么企業(yè)需要數(shù)據(jù)化轉(zhuǎn)型近些年，我國(guó)居民生活水平有了極大的提升，對(duì)生活品質(zhì)的要求也越來(lái)越高。消費(fèi)者對(duì)于產(chǎn)品、服務(wù)、體驗(yàn)的需求也呈現(xiàn)多元化發(fā)展方向，企業(yè)需要通過(guò)為客戶(hù)提供更加貼心與高品質(zhì)的服務(wù)和產(chǎn)品來(lái)滿(mǎn)足客戶(hù)的需求，這是企業(yè)重視數(shù)據(jù)、期望挖掘和應(yīng)用數(shù)據(jù)的根本驅(qū)動(dòng)力。于是，在科技飛速發(fā)展的今天，越來(lái)越多的企業(yè)正在借助大數(shù)據(jù)及人工智能的力量提升經(jīng)營(yíng)效率和市場(chǎng)競(jìng)爭(zhēng)力，數(shù)據(jù)化轉(zhuǎn)型已經(jīng)當(dāng)我們討論數(shù)據(jù)人才的時(shí)候，我們?cè)谟懻撌裁矗?05成為優(yōu)秀企業(yè)的戰(zhàn)略共識(shí)。數(shù)據(jù)處理技術(shù)的突飛猛進(jìn)，使得數(shù)據(jù)資源能夠

5、以更高效率、更加豐富的形式，轉(zhuǎn)化為企業(yè)所需要的商業(yè)價(jià)值。很多大型企業(yè)已經(jīng)走在數(shù)字化轉(zhuǎn)型道路的前沿，其中數(shù)據(jù)團(tuán)隊(duì)功不可沒(méi)。數(shù)據(jù)團(tuán)隊(duì)通過(guò)對(duì)以往數(shù)據(jù)的收集、整合、加工、利用，對(duì)現(xiàn)有業(yè)務(wù)進(jìn)行調(diào)整和預(yù)測(cè)，不斷推出更高性?xún)r(jià)比的產(chǎn)品、服務(wù)與體驗(yàn)，提升企業(yè)效益。二、數(shù)據(jù)人才支撐數(shù)據(jù)化轉(zhuǎn)型數(shù)據(jù)化轉(zhuǎn)型是一個(gè)充分利用數(shù)據(jù)資源及技術(shù)手段來(lái)解決現(xiàn)有行業(yè)問(wèn)題和社會(huì)問(wèn)題的過(guò)程，這個(gè)過(guò)程不僅依賴(lài)于資金投入、資源整合，更高度依賴(lài)人才的技能、創(chuàng)造性以及管理能力，數(shù)據(jù)人才就是支撐企業(yè)數(shù)據(jù)化轉(zhuǎn)型的重要基礎(chǔ)和武器。然而，面對(duì)快速變化的商業(yè)和科技環(huán)境，學(xué)校和企業(yè)對(duì)于數(shù)據(jù)人才的培養(yǎng)始終面臨著多形態(tài)的挑戰(zhàn)；另一方面，數(shù)據(jù)人才需要大量實(shí)踐經(jīng)驗(yàn)

6、的積累和不同場(chǎng)景的歷練，才能夠?qū)?shù)據(jù)科學(xué)運(yùn)用到真實(shí)的商務(wù)情景中，因此一個(gè)優(yōu)秀的數(shù)據(jù)人才的培養(yǎng)周期是非常漫長(zhǎng)的。如何最大化數(shù)據(jù)人才的價(jià)值，充分支撐企業(yè)的數(shù)據(jù)化轉(zhuǎn)型，是非常值得探究的重要命題。CHAP 2什么是數(shù)據(jù)人才？一、數(shù)據(jù)工作者的定義二、關(guān)鍵經(jīng)歷三、知識(shí)技能四、Wave R 勝任力潛能五、對(duì)未來(lái)的期望一、數(shù)據(jù)工作者的定義知識(shí)工作者，是以知識(shí)為主要資本積累，基于知識(shí)發(fā)揮生產(chǎn)力和商業(yè)價(jià)值的一類(lèi)人群。二、關(guān)鍵經(jīng)歷通過(guò)調(diào)研，我們從成長(zhǎng)歷程及目前現(xiàn)狀兩個(gè)方面進(jìn)行分析，幫助我們進(jìn)一步了解數(shù)據(jù)人才這個(gè)新興族群。成長(zhǎng)歷程數(shù)據(jù)工作者擁有怎樣的專(zhuān)業(yè)背景與教育背景？無(wú)論是對(duì)企業(yè)的數(shù)據(jù)人才招募，學(xué)校的數(shù)據(jù)人才培養(yǎng)，

7、還是對(duì)人才個(gè)人的數(shù)據(jù)化轉(zhuǎn)型，都是一個(gè)值得關(guān)心的問(wèn)題。 多元化專(zhuān)業(yè)背景，理工科人才依然是主力數(shù)據(jù)人才的專(zhuān)業(yè)背景呈現(xiàn)出多元化特點(diǎn)，并沒(méi)有局限于某一專(zhuān)業(yè)門(mén)類(lèi)，經(jīng)管類(lèi)與基礎(chǔ)學(xué)科同樣占據(jù)了一席之地，數(shù)據(jù)處理技術(shù)的應(yīng)用滲透于各個(gè)專(zhuān)業(yè)領(lǐng)域。然而，在數(shù)據(jù)人才多元化的專(zhuān)業(yè)背景中，依然可以看到計(jì)算機(jī)類(lèi)、數(shù)理統(tǒng)計(jì)及工程類(lèi)學(xué)科占比總計(jì)超過(guò) 60%。這些偏理工學(xué)科背景的人才，具備良好的數(shù)理統(tǒng)計(jì)基礎(chǔ)、邏輯思維與編程能力，是科技企業(yè)的重要人才來(lái)源。數(shù)據(jù)工作者，是知識(shí)工作者的一種，基于知識(shí)和工具開(kāi)展工作，對(duì)數(shù)據(jù)進(jìn)行加工與利用，解決問(wèn)題并創(chuàng)造價(jià)值。22%24%1%6%20%9%18%圖 1 數(shù)據(jù)人才來(lái)自哪些專(zhuān)業(yè)？ 優(yōu)質(zhì)院校占據(jù)

8、半壁江山，市場(chǎng)供給質(zhì)量較高與其他人才群體相比，海外院校與國(guó)內(nèi) 211/985 院校占比接近 50%。每 2 個(gè)數(shù)據(jù)專(zhuān)業(yè)人才中就有 1 位來(lái)自海外院?；驀?guó)內(nèi) 985/211 院校，從側(cè)面反映出數(shù)據(jù)人才群體整體供給質(zhì)量較高。圖 2 數(shù)據(jù)人才畢業(yè)于哪些院校？38%9%53%目前現(xiàn)狀數(shù)據(jù)人才分布在哪些城市，他們聚集在哪些類(lèi)型的行業(yè)，性別是否有明顯差異，工作經(jīng)驗(yàn)與工作滿(mǎn)意度如何，這些問(wèn)題亦是企業(yè)、學(xué)校與個(gè)人關(guān)注的重點(diǎn)。 數(shù)據(jù)人才的分布與行業(yè)及城市的發(fā)展程度呈現(xiàn)高度相關(guān)性從行業(yè)的分布來(lái)看，數(shù)據(jù)人才主要集中在數(shù)據(jù)分析需求較高的行業(yè)，如科技、互聯(lián)網(wǎng)、金融、零售等；同時(shí)，隨著高科技賦能現(xiàn)代化商業(yè)場(chǎng)景，信息化戰(zhàn)略

9、的實(shí)施達(dá)到了一定成效，數(shù)據(jù)處理技術(shù)得以在此基礎(chǔ)上發(fā)揮其良好的效用。目前，數(shù)據(jù)思維已滲透到各行各業(yè)， 我們看到越來(lái)越多的傳統(tǒng)行業(yè)中也涌現(xiàn)了優(yōu)秀的數(shù)據(jù)人才。從地域的分布來(lái)看，數(shù)據(jù)人才主要分布于高科技企業(yè)較為集中的城市，如北京、上海、廣州、深圳、杭州等城市；同時(shí)，隨著國(guó)家政策對(duì)于不同城市科技發(fā)展的支持和資源傾斜，以及地方政府的人才吸引策略的大力推進(jìn)，我們看到數(shù)據(jù)人才已經(jīng)不再是一線城市的獨(dú)寵，二線城市的實(shí)力也在增強(qiáng)。 數(shù)據(jù)工作亦受到女性青睞在傳統(tǒng)高科技行業(yè)的技術(shù)崗位中，男性工作者數(shù)量普遍具有更高占比，且與女性數(shù)量有較大差異。然而從本次調(diào)研結(jié)果來(lái)看，每 3 位數(shù)據(jù)人才中就有 1 位女性，與科技行業(yè)的其他

10、技術(shù)崗位相比，女性占比更高。圖3 圖4 圖 5 數(shù)據(jù)人才是否存在明顯性別差異？ 職場(chǎng)新人和企業(yè)內(nèi)部轉(zhuǎn)型員工是數(shù)據(jù)人才的主要來(lái)源從參與調(diào)研人群的工作年限分布來(lái)看，有接近 50% 的人目前具有 3 年以下的工作經(jīng)驗(yàn)，從側(cè)面反映出數(shù)據(jù)人才群體中職場(chǎng)新人居多，意味著在數(shù)字化高速發(fā)展的今天，企業(yè)對(duì)數(shù)據(jù)人才有著很大的熱情，促生了逐漸壯大的新生力量；同時(shí)，有 30% 的人具備超過(guò) 5 年的工作經(jīng)驗(yàn)，反映出目前數(shù)據(jù)人才中的另一主要人群來(lái)自于企業(yè)中傳統(tǒng)崗位的人才轉(zhuǎn)型，這些人才具有豐富的行業(yè)經(jīng)驗(yàn)，在掌握了數(shù)據(jù)技術(shù)后，能夠?qū)⑦@些經(jīng)驗(yàn)轉(zhuǎn)變?yōu)榭闪炕俺绦蚧呐袛噙^(guò)程和洞察方式，為企業(yè)提供更高效、更準(zhǔn)確、更具價(jià)值的商業(yè)決

11、策依據(jù)。 超過(guò)八成的數(shù)據(jù)人才滿(mǎn)意自己的工作看似枯燥無(wú)味的數(shù)據(jù)處理與建模工作，高強(qiáng)度的工作壓力，并沒(méi)有降低數(shù)據(jù)人才對(duì)于工作的認(rèn)可和滿(mǎn)意度。調(diào)研結(jié)果顯示，超過(guò) 80% 的數(shù)據(jù)人才滿(mǎn)意自己當(dāng)下的工作。 根據(jù) Glassdoor 在 2017 年的調(diào)研，數(shù)據(jù)科學(xué)家是北美工作滿(mǎn)意度最高的職業(yè)，在中國(guó)我們也能夠看到相似的現(xiàn)象。圖 6 數(shù)據(jù)人才的工作年限分布49%30%21%46%31%11%9%2%圖 7 數(shù)據(jù)人才對(duì)工作的滿(mǎn)意度分布三、知識(shí)技能成為一名優(yōu)秀的數(shù)據(jù)人才要兼?zhèn)溆矊?shí)力與軟實(shí)力。在硬實(shí)力方面，數(shù)據(jù)人才不僅需要掌握數(shù)據(jù)科學(xué)相關(guān)理論知識(shí)、數(shù)據(jù)分析處理的方法和步驟，還要能夠應(yīng)用先進(jìn)的軟件工具，使分析更為

12、高效。常用的數(shù)據(jù)科學(xué)理論知識(shí)數(shù)據(jù)人才的知識(shí)門(mén)檻并非想象的那么高通過(guò)調(diào)研發(fā)現(xiàn)，數(shù)據(jù)工作者最常用的數(shù)據(jù)科學(xué)方法是線性回歸、邏輯回歸以及決策樹(shù)，這三種方法是數(shù)據(jù)分析學(xué)科中最經(jīng)典的模型，也是數(shù)據(jù)人才在解決問(wèn)題的過(guò)程中首選的方法。此次調(diào)研，我們從常用的數(shù)據(jù)科學(xué)理論知識(shí)、數(shù)據(jù)分析的工作棧、數(shù)據(jù)處理的方法與步驟及主流軟件的使用等四個(gè)方面了解數(shù)據(jù)人才的硬實(shí)力。75%58% 52%38% 37% 34%24% 21% 20% 17%圖 8 數(shù)據(jù)工作者必備的 Top10 數(shù)據(jù)科學(xué)方法數(shù)據(jù)處理的目的與步驟實(shí)現(xiàn)更復(fù)雜的應(yīng)用目的和步驟，提升自身競(jìng)爭(zhēng)力通過(guò)對(duì)數(shù)據(jù)工作的應(yīng)用目的分析，我們發(fā)現(xiàn)清洗整理數(shù)據(jù)、統(tǒng)計(jì)描述以及收集數(shù)

13、據(jù)是最常用的三個(gè)應(yīng)用目的。其中，收集數(shù)據(jù)以及清洗整理數(shù)據(jù)一般是數(shù)據(jù)處理的第一步，統(tǒng)計(jì)描述是對(duì)統(tǒng)計(jì)分析結(jié)果進(jìn)行分析及解釋。優(yōu)化屬于數(shù)據(jù)建模后期工作，難度較其他工作更高，一般圖 9 數(shù)據(jù)人才在工作中，所涉及的工作目的有哪些？78%78%69%56%49%37%20%由資深數(shù)據(jù)人才進(jìn)行處理。實(shí)驗(yàn)設(shè)計(jì)則針對(duì)特定類(lèi)型的模 型進(jìn)行分析，一般需要更具競(jìng)爭(zhēng)力的人才進(jìn)行處理。從數(shù)據(jù)人才在工作中的步驟來(lái)看，大部分工作中都涉及基86%74%73%72%70%60%46%40%24%礎(chǔ)步驟，而隨著步驟本身的復(fù)雜程度提高，工作中涉及到這些步驟的人比例也有了顯著的變化。調(diào)研結(jié)果顯示，在工作中，越復(fù)雜的步驟使用的人越少，這

14、從側(cè)面為數(shù)據(jù)人才提升自身競(jìng)爭(zhēng)力提供了明確的方向。圖 10 數(shù)據(jù)人才在工作中，涉及到的工作步驟有哪些？數(shù)據(jù)處理的工具棧我們從工具的常見(jiàn)程度和重要程度對(duì)數(shù)據(jù)處理的各個(gè)工具棧進(jìn)行調(diào)研，這些工具包括：Python、SQL、Excel、PythonSQLMicrosoft ExcelHadoop/Hive/PigRTableauSpark/MLlibJupyter NotebooksC/C+ NoSQLD3.jsJavaMATLAB/Octave Unix shell/awk圖 11 數(shù)據(jù)工作者認(rèn)為流行 / 重要的工具棧Hadoop/Hive/Pig, R, Jupyter Notebooks、Tabl

15、eau、 Spark/MLlib、Java 等。 Excel、SQL、Python 是數(shù)據(jù)人才常用且重要的工具棧組合Excel 作為一款大眾普遍知曉的電子表格軟件，入門(mén)門(mén)檻低，對(duì)于輕量數(shù)據(jù)能夠快捷、高效的進(jìn)行處理、分析與展示，且結(jié)果較為直觀。SQL(Structured Query Language) 是一門(mén)針對(duì)關(guān)系型數(shù)據(jù)庫(kù)系統(tǒng) (RMDBS) 設(shè)計(jì)的結(jié)構(gòu)化查詢(xún)語(yǔ)言，數(shù)據(jù)人才通常用 SQL 語(yǔ)句實(shí)現(xiàn)對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)的管理與操作。Python 語(yǔ)言誕生于上世紀(jì) 90 年代，近些年，隨著數(shù)據(jù) Jupyter Notebook 正在進(jìn)入數(shù)據(jù)人才的視野 Jupyter Notebook 誕生于 2014

16、 年， 它基于 Python/ R 的交互式編程體驗(yàn)，被譽(yù)為 The Innovation of DataScience （數(shù)據(jù)科學(xué)界的革新），在國(guó)外受到眾多數(shù)據(jù)工作者的歡迎。但從本次調(diào)研結(jié)果來(lái)看，目前 Jupyter科學(xué)與人工智能大力發(fā)展，其熱度逐漸提升。Python 有著豐富的工具包，不論數(shù)據(jù)量大小，均能夠完成從數(shù)據(jù)清洗到建模分析和展示的整套工作流。實(shí)際數(shù)據(jù)分析工作中，數(shù)據(jù)人才需要將目標(biāo)分解為對(duì)數(shù)據(jù)的查詢(xún)、清洗、建模分析等工作任務(wù)。Excel、SQL、 Python 三者相輔相成，助力數(shù)據(jù)人才根據(jù)實(shí)際業(yè)務(wù)需求，選擇相應(yīng)的工具棧完成任務(wù)。Notebook 在國(guó)內(nèi)的流行程度還不高，但已經(jīng)受到大

17、部分?jǐn)?shù)據(jù)工作者的重視，相信未來(lái)它會(huì)被越來(lái)越多的數(shù)據(jù)人才所應(yīng)用。用 Python 做數(shù)據(jù)分析隨著 Python 熱度的持續(xù)升溫，如何成為一名會(huì) Python編程的數(shù)據(jù)人才，亦是學(xué)校課程設(shè)計(jì)、企業(yè)內(nèi)部培訓(xùn)、數(shù)據(jù)人才自身發(fā)展所要考慮的重要課題。根據(jù)調(diào)研結(jié)果，用 Python 編程的數(shù)據(jù)人才最常用的 10 個(gè)工具包整理如下：12345678910PandasNumpyMatplotlibScikit-learnScipyTensorFlowMathSeabornXgboostJsonPandas、NumPy 及 Matplotlib 是數(shù)據(jù)人才最常用的 3個(gè)工具包。在用 Python 做數(shù)據(jù)分析的流程

18、中，Pandas主要被用于數(shù)據(jù)讀取、清洗預(yù)處理等操作；NumPy 提供了許多高級(jí)的數(shù)值編程 API，被用于完成更復(fù)雜的數(shù)據(jù)處理任務(wù)；Matplotlib 是一個(gè)基礎(chǔ)的繪圖庫(kù)，可以協(xié)助數(shù)據(jù)工作者完成數(shù)據(jù)可視化任務(wù)。四、Wave R 勝任力潛能在數(shù)據(jù)人才的軟實(shí)力方面，我們通過(guò)邀請(qǐng)數(shù)據(jù)人才參與韋萊韜悅的 Wave R 職業(yè)風(fēng)格測(cè)試，從思維、影響、適應(yīng)和執(zhí)行四個(gè)構(gòu)面，108 個(gè)個(gè)性特質(zhì)和行為風(fēng)格去評(píng)估和預(yù)測(cè)圖 12 Wave R 金字塔模型參與調(diào)研的數(shù)據(jù)人才的勝任力潛能，幫助我們充分了解數(shù)據(jù)人才的軟實(shí)力畫(huà)像。在同類(lèi)測(cè)評(píng)工具中，Wave R 職業(yè)風(fēng)格測(cè)試提供關(guān)于個(gè)體圖 13 與“大五人格”的關(guān)系最全面、

19、最詳細(xì)和最具價(jià)值的測(cè)評(píng)信息以經(jīng)典的心理學(xué)“大五人格”為理論基礎(chǔ)深入到 4 個(gè)模塊，12 個(gè)部分，36 個(gè)緯度，108 個(gè)方面聚焦與績(jī)效最相關(guān)的個(gè)性特質(zhì)和行為風(fēng)格整體 Wave R 勝任力潛能思維構(gòu)面強(qiáng)，影響構(gòu)面弱整體而言，從 wave R 的思維、影響、適應(yīng)和執(zhí)行四個(gè)構(gòu)面來(lái)看，數(shù)據(jù)人才的思維構(gòu)面相對(duì)具有優(yōu)勢(shì)，而影響構(gòu)面相對(duì)于其他構(gòu)面，是數(shù)據(jù)人才的短板。圖 14 數(shù)據(jù)人才的整體 Wave R 勝任力潛能性別上的 Wave R 勝任力潛能差異勝任力潛能性別差異不大從調(diào)研結(jié)果來(lái)看，在思維構(gòu)面上，性別差異在工作中解決問(wèn)題方面影響不大，但男性數(shù)據(jù)人才創(chuàng)新能力方面的表現(xiàn)略強(qiáng)于女性數(shù)據(jù)人才；對(duì)于不同性別的數(shù)

20、據(jù)人才來(lái)說(shuō)，影響力構(gòu)面是他們共同欠缺的方面，而女性數(shù)據(jù)人才在領(lǐng)導(dǎo)圖 15 數(shù)據(jù)人才的 Wave R 勝任力潛能在性別上的均值差異他人的能力上相對(duì)較弱；在適應(yīng)構(gòu)面上，男性與女性數(shù)據(jù)人才的表現(xiàn)基本沒(méi)有差異，在給予他人支持方面都有較好的表現(xiàn)，心理韌性的提高是他們需要共同關(guān)注的重點(diǎn)；在執(zhí)行構(gòu)面上，女性數(shù)據(jù)人才更加偏重細(xì)節(jié)，而男性人才更加注重推動(dòng)成功。 五、對(duì)未來(lái)的期望數(shù)據(jù)人才對(duì)職業(yè)發(fā)展通道的偏好雙通道職業(yè)發(fā)展的期望相較于其他人才群體，數(shù)據(jù)人才對(duì)于未來(lái)的職業(yè)發(fā)展通道更偏好于走專(zhuān)業(yè)路線，企業(yè)應(yīng)該更關(guān)注如何通過(guò)構(gòu)建雙通道的職業(yè)發(fā)展體系來(lái)更好地培養(yǎng)和留住數(shù)據(jù)人才。同時(shí)，仍有 48% 的數(shù)據(jù)人才偏好以管理作為發(fā)

21、展路徑。一方面建議企業(yè)能夠?yàn)閱T工搭建管理和專(zhuān)業(yè)的雙通道路徑，符合員工的職業(yè)發(fā)展需要；另一方面，建議企業(yè)建立科學(xué)客觀的評(píng)價(jià)體系和發(fā)展體系，更精準(zhǔn)地識(shí)別人才是否適合管理路徑或者專(zhuān)業(yè)路徑，幫助他們更快速地實(shí)現(xiàn)自身發(fā)展目標(biāo)。經(jīng)過(guò)我們的調(diào)研分析，有 48% 的數(shù)據(jù)人才未來(lái)期望成為高管 / 創(chuàng)始人，成為公司或團(tuán)隊(duì)的領(lǐng)頭羊；同時(shí)，數(shù)據(jù)人才擁有優(yōu)秀的數(shù)據(jù)處理能力，對(duì)數(shù)據(jù)中的潛在商業(yè)信息更加敏感，具備成為商業(yè)領(lǐng)袖的潛力。相較于其他人才群體，數(shù)據(jù)人才對(duì)于未來(lái)的職業(yè)發(fā)展通道更偏好于走專(zhuān)業(yè)路線，有 42% 43% 的數(shù)據(jù)人才以工程師、咨詢(xún)師作為自己的職業(yè)目標(biāo)，依托精湛的技術(shù)獲取自身滿(mǎn)足感和事業(yè)成就感。除了擔(dān)任高管 /

22、 創(chuàng)始人以及專(zhuān)業(yè)人士，數(shù)據(jù)人才對(duì)于企業(yè)運(yùn)營(yíng)以及市場(chǎng)拓展等商務(wù)方面的工作，也具有極大的興趣。對(duì)于重要數(shù)據(jù)信息的敏捷捕捉能力，能夠給他們帶來(lái)更多的發(fā)展與機(jī)遇。建議企業(yè)能夠?yàn)閱T工搭建多元化通道路徑，并建立科學(xué)客觀的發(fā)展體系和評(píng)價(jià)體系，更精準(zhǔn)地識(shí)別人才特征，并給予最大的幫助，使數(shù)據(jù)人才獲得更多的滿(mǎn)足以及成就感。圖 16 數(shù)據(jù)人才對(duì)未來(lái)職業(yè)發(fā)展通道的偏好48%52%圖 17 數(shù)據(jù)人才對(duì)未來(lái)職業(yè)發(fā)展方向的偏好48%43%42%39%37%20% 數(shù)據(jù)人才對(duì)自我提升的期望絕大多數(shù)的數(shù)據(jù)人才傾向在未來(lái)三年內(nèi)繼續(xù)學(xué)習(xí)深造有超過(guò) 7 成的數(shù)據(jù)人才傾向自己未來(lái)三年內(nèi)要繼續(xù)學(xué)習(xí)和深造，這充分的反映出數(shù)據(jù)人才對(duì)自我提升

23、的較強(qiáng)意愿。投入更多的時(shí)間去學(xué)習(xí)，偏好閱讀及網(wǎng)絡(luò)碎片化知識(shí)的方式來(lái)充電數(shù)據(jù)分析行業(yè)的算法、技術(shù)與工具的更新迭代速度較快，優(yōu)秀的數(shù)據(jù)人才一般會(huì)在工作中保持每天學(xué)習(xí)的習(xí)慣，時(shí)刻保持自己的競(jìng)爭(zhēng)力。根據(jù)調(diào)研結(jié)果，有三分之一的數(shù)據(jù)人才每天學(xué)習(xí)兩個(gè)小時(shí)以上。數(shù)據(jù)人才獲取知識(shí)的途徑比較綜合，不僅以傳統(tǒng)閱讀的方式獲取系統(tǒng)知識(shí)，在各種交流網(wǎng)站及微信朋友圈中吸收碎圖 18 數(shù)據(jù)人才對(duì)于未來(lái)三年內(nèi)繼續(xù)學(xué)習(xí)深造的規(guī)劃30%70%圖 19 數(shù)據(jù)人才平均每天花多久自我充電？62%35%3%片化知識(shí)也是主要渠道；目前市面各種數(shù)據(jù)分析培訓(xùn)機(jī)構(gòu) 猶如春筍般爆發(fā)，第三方培訓(xùn)機(jī)構(gòu)以及公司內(nèi)部培訓(xùn)也是重要知識(shí)來(lái)源地。圖 20 數(shù)據(jù)人

24、才選擇自我充電的方式40%40%20%CHAP 3頭部數(shù)據(jù)人才是什么樣的？一、什么是頭部數(shù)據(jù)人才二、頭部數(shù)據(jù)人才 vs 其他數(shù)據(jù)人才三、頭部數(shù)據(jù)人才畫(huà)像的價(jià)值一、什么是頭部數(shù)據(jù)人才頭部數(shù)據(jù)人才須兼具出色的數(shù)據(jù)知識(shí)技能與較強(qiáng)的勝任力潛能?；诿课粎⑴c調(diào)研的數(shù)據(jù)人才完整的問(wèn)卷回答，通過(guò)一系列的數(shù)學(xué)模型，我們得到了每位參與調(diào)研的數(shù)據(jù)人才的知識(shí)技能水平與勝任力潛能水平所對(duì)應(yīng)的能力值。以知識(shí)技能潛能為橫軸、勝任力潛能為縱軸，原點(diǎn)為兩指圖 21數(shù)各自的均值，即得到數(shù)據(jù)人才評(píng)估的坐標(biāo)系。因而，落在第一象限的人才為頭部數(shù)據(jù)人才，即他們的數(shù)據(jù)專(zhuān)業(yè)知識(shí)技能與勝任力潛能均高于均值。整體而言，頭部數(shù)據(jù)人才占比為 22

25、%。頭部數(shù)據(jù)人才0.60.40.20-0.2-0.4-0.6-0.4-0.200.20.40.6二、頭部數(shù)據(jù)人才 vs 其他數(shù)據(jù)人才頭部數(shù)據(jù)人才的關(guān)鍵經(jīng)歷頭部數(shù)據(jù)人才來(lái)源質(zhì)量更優(yōu)頭部數(shù)據(jù)人才中擁有碩士及以上學(xué)歷的比例顯著高于其他數(shù)據(jù)人才。近 35% 的頭部數(shù)據(jù)人才擁有碩士及以上學(xué)歷，而在其他數(shù)據(jù)人才中這個(gè)比例僅接近 20%。頭部數(shù)據(jù)人才中畢業(yè)于國(guó)內(nèi) 985/211 院校的人才比例也顯著高于其他數(shù)據(jù)人才。近 50% 的頭部人才畢業(yè)于圖 22 畢業(yè)于國(guó)內(nèi) 985/211 院校的人才在相應(yīng)群體中的占比48%38%985/211 院校，而在其他人才中這個(gè)比例不到 40%。 以上兩個(gè)關(guān)鍵經(jīng)歷的對(duì)比表明，

26、頭部數(shù)據(jù)人才從來(lái)源上優(yōu)于其他數(shù)據(jù)人才。35%19%圖 23 碩士及以上學(xué)歷的人才在相應(yīng)群體中的占比頭部數(shù)據(jù)人才的知識(shí)技能我們認(rèn)為知識(shí)技能包含數(shù)學(xué)與統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)。與數(shù)學(xué)與統(tǒng)計(jì)分析知識(shí)技能相關(guān)的子項(xiàng)有：多元微積分、線性代數(shù)、運(yùn)籌學(xué)、描述性統(tǒng)計(jì)、實(shí)驗(yàn)設(shè)計(jì)、統(tǒng)計(jì)推斷、統(tǒng)計(jì)學(xué)習(xí)。與機(jī)器學(xué)習(xí)能力相關(guān)的子項(xiàng)有：學(xué)習(xí)理論、線性 / 邏輯回歸、決策樹(shù)、貝葉斯方法、SVM、聚類(lèi)、神經(jīng)網(wǎng)絡(luò)、集成學(xué)習(xí)。圖 24 頭部數(shù)據(jù)人才與其他數(shù)據(jù)人才在知識(shí)技能上的均值差異43210圖 25 頭部數(shù)據(jù)人才的知識(shí)技能掌握情況 SVM圖 26：其他數(shù)據(jù)人才的知識(shí)技能掌握情況SVM 頭部數(shù)據(jù)人才在機(jī)器學(xué)習(xí)領(lǐng)域優(yōu)勢(shì)顯著對(duì)比數(shù)學(xué)與統(tǒng)計(jì)

27、分析和機(jī)器學(xué)習(xí)相關(guān)知識(shí)技能，其他數(shù)據(jù)人才在機(jī)器學(xué)習(xí)領(lǐng)域與頭部數(shù)據(jù)人才差距較大。機(jī)器學(xué)習(xí)在數(shù)據(jù)工作中的運(yùn)用不僅可以更好地做一系列的預(yù)測(cè)或判斷，還能自動(dòng)化理解并捕捉非結(jié)構(gòu)化數(shù)據(jù)（如圖像、文本、語(yǔ)音等）中的信息，從而為進(jìn)一步的挖掘與分析奠定了基礎(chǔ)，因此是非常重要的一部分?jǐn)?shù)據(jù)專(zhuān)業(yè)能力。在機(jī)器學(xué)習(xí)這一點(diǎn)上也能看到其他數(shù)據(jù)人才與頭部數(shù)據(jù)人才之間非常大的差距，但同時(shí)體現(xiàn)了頭部人才非常綜合全面的數(shù)據(jù)專(zhuān)業(yè)能力。圖 27 頭部數(shù)據(jù)人才與其他數(shù)據(jù)人才在常用算法模型上的對(duì)比100%80%60%40%20%0% 頭部數(shù)據(jù)人才在機(jī)器學(xué)習(xí)領(lǐng)域優(yōu)勢(shì)顯著在各個(gè)算法的常用性方面，線性回歸作為最基礎(chǔ)的數(shù)據(jù)分析模型，使用頻率基本一致

28、，而在較為復(fù)雜的算法方面，其使用頻率則有明顯差異，建議企業(yè)內(nèi)部培訓(xùn)和學(xué)校教育對(duì)于復(fù)雜算法增加培養(yǎng)力度，促進(jìn)數(shù)據(jù)人才的多元化發(fā)展。可以看到，頭部數(shù)據(jù)人才普遍掌握更為綜合的技術(shù)能力，且在工作中能夠進(jìn)行多維度思考，并通過(guò)不同方法解決數(shù)據(jù)相關(guān)問(wèn)題；在此過(guò)程中，他們的 wave R 勝任力潛能對(duì)于數(shù)據(jù)能力的卓越發(fā)揮起到舉足輕重的作用。圖 28 頭部數(shù)據(jù)人才與其他數(shù)據(jù)人才在 Wave R 勝任力潛能上的均值差異 8642頭部數(shù)據(jù)人才的勝任力潛能頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才的相對(duì)優(yōu)劣勢(shì)比較一致整體來(lái)看，頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才在勝任力潛能的趨勢(shì)表現(xiàn)上比較接近，即勝任力長(zhǎng)短板比較一致。頭部數(shù)據(jù)人才的九大關(guān)鍵驅(qū)

29、動(dòng)因素（Key Successful Factors）對(duì)比兩個(gè)人才群體的勝任力潛能表現(xiàn)，在 12 項(xiàng)潛能中，圖 29 頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才在 wave R 勝任力潛能中的思維模塊對(duì)比 8765432我們總結(jié)出 9 項(xiàng)關(guān)鍵的驅(qū)動(dòng)因素：評(píng)估問(wèn)題、探究問(wèn)題、創(chuàng)新、建立關(guān)系、溝通信息、領(lǐng)導(dǎo)他人、心理韌性、適應(yīng)改變、推動(dòng)成功。以下為具體思維、影響、適應(yīng)和執(zhí)行四個(gè)構(gòu)面中，頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才在具體個(gè)性特質(zhì)和行為風(fēng)格上的差異表現(xiàn)：圖 30 頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才在 wave R 勝任力潛能中的影響力模塊均值差異8765432圖 31 頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才在 wave R 勝任力潛能中的

30、適應(yīng)模塊均值差異87654366%46%47%31%7%3%2圖 32 頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才在 wave R 勝任力潛能中的執(zhí)行模塊均值差異8765432頭部數(shù)據(jù)人才的自我提升頭部數(shù)據(jù)人才在自我提升上的投入更多通過(guò)對(duì)比頭部數(shù)據(jù)人才在培訓(xùn)、學(xué)習(xí)方面的時(shí)間投入，我們發(fā)現(xiàn)頭部數(shù)據(jù)人才的時(shí)間投入更多，我們相信這或許是頭部數(shù)據(jù)人才能夠比其他數(shù)據(jù)人才優(yōu)秀的重要因素之一。圖 33 頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才平均每天學(xué)習(xí)時(shí)間對(duì)比 三、頭部數(shù)據(jù)人才畫(huà)像的價(jià)值通過(guò)頭部數(shù)據(jù)人才和其他數(shù)據(jù)人才的對(duì)比和分析，我們不難發(fā)現(xiàn)頭部數(shù)據(jù)人才成為“頭部”的重要因素。無(wú)論是在冰山上的知識(shí)技能，還是冰山下的勝任力潛能，甚至是對(duì)

31、于自我提升的時(shí)間和精力的投入，頭部數(shù)據(jù)人才的表現(xiàn)都為企業(yè)在構(gòu)建數(shù)據(jù)人才團(tuán)隊(duì)提供了明確的方向，這是頭部數(shù)據(jù)人才畫(huà)像的價(jià)值體現(xiàn)。CHAP 4如何構(gòu)建優(yōu)秀的數(shù)據(jù)人才團(tuán)隊(duì)？一、 如何構(gòu)建優(yōu)秀的數(shù)據(jù)人才團(tuán)隊(duì)二、數(shù)據(jù)團(tuán)隊(duì)的賦能三、數(shù)據(jù)團(tuán)隊(duì)的評(píng)估一、如何構(gòu)建優(yōu)秀的數(shù)據(jù)人才團(tuán)隊(duì)高科技領(lǐng)域的企業(yè)競(jìng)爭(zhēng)，實(shí)際上是優(yōu)秀人才數(shù)量和質(zhì)量的競(jìng)爭(zhēng)。優(yōu)秀人才團(tuán)隊(duì)對(duì)企業(yè)快速發(fā)展有著極大的促進(jìn)作用，數(shù)據(jù)人才不僅能為企業(yè)找出更符合商業(yè)邏輯的模型，還可以設(shè)計(jì)出優(yōu)秀的數(shù)據(jù)產(chǎn)品及算法來(lái)為企業(yè)創(chuàng)造更大的價(jià)值。基于我們對(duì)于頭部數(shù)據(jù)人才的畫(huà)像描述，企業(yè)可以通過(guò)綜合評(píng)估目前的發(fā)展階段，以及管理水平，為自己設(shè)定和制定數(shù)據(jù)人才團(tuán)隊(duì)構(gòu)建的目標(biāo)和策略。在

32、此白皮書(shū)中，我們認(rèn)為企業(yè)可以從人才引進(jìn)、培訓(xùn)發(fā)展和評(píng)估三個(gè)方面著手打造自己的優(yōu)秀數(shù)據(jù)人才團(tuán)隊(duì)。1. 數(shù)據(jù)團(tuán)隊(duì)的組建企業(yè)在數(shù)據(jù)人才的甄選上，盡可能做到盡善盡美，不僅需要考慮團(tuán)隊(duì)的數(shù)據(jù)技能達(dá)到高水準(zhǔn)，還需要考慮 WaveR 勝任力潛能測(cè)試對(duì)于數(shù)據(jù)人才的軟實(shí)力評(píng)價(jià)。經(jīng)過(guò)多維度的評(píng)定以及分析，使人才能夠在發(fā)揮其個(gè)人特長(zhǎng)的工作崗位上工作，實(shí)現(xiàn)個(gè)人最大價(jià)值。根據(jù) WaveR 勝 知識(shí)技能的角度業(yè)務(wù)部門(mén)在深入分析自身需求的基礎(chǔ)上，制作人才畫(huà)像或者團(tuán)隊(duì)畫(huà)像，提交人力資源部，人力資源部門(mén)根據(jù)業(yè)務(wù)部門(mén)的信息甄選優(yōu)秀人才。對(duì)于初創(chuàng)型和尚未開(kāi)始數(shù)字化轉(zhuǎn)型的傳統(tǒng)企業(yè)，建議招聘有工作經(jīng)驗(yàn)的數(shù)據(jù)人才，以盡快搭建科學(xué)有效的數(shù)

33、據(jù)底層建筑，此項(xiàng)投入的回報(bào)周期較長(zhǎng)，但對(duì)企業(yè)初期發(fā)展的意義是不容忽視的。從長(zhǎng)期來(lái)看，可以為日后節(jié)省很多工作量，部門(mén)間的合作也將更加流暢，但如果初期未進(jìn)行完善的數(shù)據(jù)搭建工作，可能會(huì)造成后期不必要的麻煩，甚至難 勝任力潛能的角度基于頭部數(shù)據(jù)人才的 Wave R 勝任力潛能特征，企業(yè)在選人時(shí)可以重點(diǎn)從九大關(guān)鍵驅(qū)動(dòng)因素來(lái)評(píng)估候選人的勝任力潛能，包括評(píng)估問(wèn)題、探究問(wèn)題、創(chuàng)新、建立關(guān)系、溝通信息、領(lǐng)導(dǎo)他人、適應(yīng)改變、心理韌性和推動(dòng)成功。任力潛能測(cè)試進(jìn)行科學(xué)組隊(duì)，使團(tuán)隊(duì)合作變得更加和諧。這不僅能實(shí)現(xiàn)團(tuán)隊(duì)內(nèi)部技能互補(bǔ)，還可以增強(qiáng)團(tuán)隊(duì)凝聚力，實(shí)現(xiàn)高效的團(tuán)隊(duì)協(xié)作，這是建立優(yōu)秀數(shù)據(jù)團(tuán)隊(duì)的前提。企業(yè)可以從知識(shí)技能和勝

34、任力潛能綜合評(píng)估判斷，來(lái)篩選出符合自己需求的數(shù)據(jù)人才。以修繕。對(duì)于已經(jīng)形成穩(wěn)定及完善的數(shù)據(jù)結(jié)構(gòu)的企業(yè)，招聘優(yōu)秀的應(yīng)屆畢業(yè)生是一項(xiàng)不錯(cuò)的選擇。此時(shí)企業(yè)自身已完成大部分?jǐn)?shù)字化轉(zhuǎn)型任務(wù)，吸收優(yōu)秀畢業(yè)生可以增強(qiáng)團(tuán)隊(duì)活力以及增加新思路，并可以根據(jù)企業(yè)自身發(fā)展方向定向培養(yǎng)更加適合公司發(fā)展的人才。企業(yè)應(yīng)當(dāng)對(duì)候選人進(jìn)行多元化評(píng)估，維度應(yīng)包括數(shù)據(jù)人才的數(shù)據(jù)科學(xué)理論知識(shí)儲(chǔ)備，數(shù)據(jù)分析所用的工作棧、數(shù)據(jù)處理的方法與步驟以及主流軟件工具Python的使用情況。28 如何構(gòu)建優(yōu)秀的數(shù)據(jù)人才團(tuán)隊(duì)？二、數(shù)據(jù)團(tuán)隊(duì)的賦能文化賦能調(diào)研結(jié)果顯示，數(shù)據(jù)人才對(duì)薪酬福利、職業(yè)發(fā)展路徑以及公司文化最為關(guān)心；相比之下，數(shù)據(jù)人才對(duì)授權(quán)程度、公

35、司硬件環(huán)境以及工作壓力等外在條件并沒(méi)有很高的要求。對(duì)外界環(huán)境的容忍性較強(qiáng)，更加關(guān)注企業(yè)的內(nèi)在，是數(shù)據(jù)人才的顯著特點(diǎn)。企業(yè)可嘗試在薪酬、職業(yè)發(fā)展路徑以及公司文化環(huán)境等方面增加投入，給予數(shù)據(jù)人才更優(yōu)質(zhì)的工作氛圍和文化環(huán)境，更具有挑戰(zhàn)性的項(xiàng)目，使數(shù)據(jù)工作者圖 34 選擇企業(yè)時(shí)，數(shù)據(jù)人才最關(guān)心什么？84%83%78%77%72%61%30%28%26%在工作中獲得成就感，并在合作中實(shí)現(xiàn)共贏，以增強(qiáng)團(tuán)隊(duì) 凝聚力，使團(tuán)隊(duì)人才流動(dòng)保持在低流動(dòng)率水平。發(fā)展賦能企業(yè)可以從知識(shí)技能與勝任力潛能培養(yǎng)和發(fā)展兩個(gè)方面對(duì)數(shù)據(jù)人才進(jìn)行提升。一方面，基于企業(yè)需求對(duì)數(shù)據(jù)人才需要掌握的知識(shí)技能及其期望掌握的水平進(jìn)行充分考量，并基

36、于頭部數(shù)據(jù)人才的知識(shí)技能特征作為培養(yǎng)目標(biāo)，匹配和設(shè)計(jì)更具針對(duì)性的知識(shí)技能培訓(xùn)課程體系，從而能夠幫助數(shù)據(jù)人才團(tuán)隊(duì)的知識(shí)技能持續(xù)發(fā)展和提升。另一方面，基于頭部數(shù)據(jù)人才的關(guān)鍵驅(qū)動(dòng)因素，規(guī)劃設(shè)計(jì)培訓(xùn)發(fā)展項(xiàng)目和體系，如輪崗、培訓(xùn)課程等混合式學(xué)習(xí)方法，來(lái)促進(jìn)數(shù)據(jù)人才勝任力潛能的提升。三、數(shù)據(jù)團(tuán)隊(duì)的評(píng)估檢驗(yàn)團(tuán)隊(duì)的成果數(shù)據(jù)團(tuán)隊(duì)的價(jià)值是由商業(yè)價(jià)值來(lái)定義的，數(shù)據(jù)團(tuán)隊(duì)的工作成果，需要與特定部門(mén)、特定職能、特定挑戰(zhàn)的績(jī)效結(jié)果進(jìn)行關(guān)聯(lián)，以評(píng)估數(shù)據(jù)團(tuán)隊(duì)的價(jià)值。由于業(yè)務(wù)和職能的數(shù)據(jù)化，是一個(gè)漫長(zhǎng)的、全面的過(guò)程，容易產(chǎn)生浪費(fèi)與失誤，檢驗(yàn)團(tuán)隊(duì)的效率數(shù)據(jù)團(tuán)隊(duì)的工作成果，依賴(lài)于有效的工作流程與工具體系的支持。由于業(yè)務(wù)、工具都在持續(xù)的迭代，因此需要技術(shù)檢驗(yàn)團(tuán)隊(duì)的能力由于數(shù)據(jù)資源，數(shù)據(jù)算法，數(shù)據(jù)工具都在加速演化的快車(chē)道上，隨著時(shí)間的推移，以及業(yè)務(wù)的變