“怎么树立一个称职的数据科学团队”

understanding数据的科学能力是为快速增长的全球数据市场培养一支非常重要的教育和有竞争力的员工队伍。

根据比勒陀利亚大学的rennie naidoo(it学院、新闻学系副教授)、marie hattingh、linda marshall、marlene holmner的研究。

数据科学能力模型对教育者、政府机构、学生、雇主、员工、人力资源开发专家有帮助。 这一点对于数据科学的分解工具和机器学习等第四次工业革命相关的技术尤为重要。

基于理论和经验证据支持的模式对于缩小技能差距，以提高南非在快速增长的全球数据市场的劳动力质量和竞争力至关重要。

据naidoo称，这项研究是首次利用ksao模型认识数据科学家的能力之一。

首字母缩写的ksao代表个人执行工作所需的知识、技能、能力和其他个人特征。 数据科学能力被定义为个人或团队为了使用从数据中系统地提取出来以处理特定环境中的问题的发现性内在力量所需要的知识、技能、能力和其他个人特征的集合。

为了开发这个模型，学者们进行了系统的文献回顾，明确了在数据科学行业培养具有全球竞争力的劳动力所需的能力。

这种分解揭示了六种主要能力:技术、组织、分解、道德和监管、认识和社会。 有七个主要学科。 商业管理、计算机科学、新闻科学、新闻系统、数学、统计学、自然科学。

泡沫的大小比例地表示了处理各学科能力的论文数。

图2展示了计算机科学学科的技术能力之间最突出的关系，其次是公司管理学科的组织能力。

道德和监管能力与新闻系统、统计和自然科学、组织能力和新闻科学、数学和统计学科有着最显著的关系。

认识能力的关注度几乎是社会交流能力的两倍。 所有能力都属于组织行业，强调数据科学专家在组织环境中的作用。

该分解还揭示了6种主要数据科学能力的关联子能力。

组织:语境知识、行业知识、管理技能和战术思考

技术:大数据管理、计算智能、计算机体系结构、计算机互联网、计算机编程、计算机安全、数据可视化、统计、软件开发、数学建模；

分析:了解业务背景，支持技术力量

道德与监管:新闻伦理问题、社会责任、监管与政策问题

认识:批判性思维、问题处理、处理方案、视觉智能、自我管理。 。 。

社会:信息表达、合作和人员方面。

建议:

集中精力建立以团队为基础的能力:个人不足。 因此，具有互补能力的数据科学家团队很可能在组织中表现出色和竞争力。 考虑到南非数据科学家的不足，这一点很重要。

认识到数据科学能力是多学科的: data科学能力需要不同程度的专业信息。 例如，数据科学家可以拥有高度的统计能力和初学者的编程能力水平。 数据科学家不可能成为所有学科的专家(同时也不可能)。

道德、监管、社会能力的价值不容低估:技术、分解、认识能力方面的努力也可以理解，但也要注意道德、监管、社会能力。

研究人员表示，这些建议为提高数据科学团队的绩效提供了重要的出发点。