为数据科学革命做准备

2002年，我在Symbol Technology咨询期间熟悉了Geoffrey Moore，帮助其从仅产品公司转变为解决方案公司（即产品和服务）。 Symbol的总裁提到了Moore的工作，他在描述Symbol的业务运营时经常使用术语“核心”和“上下文”。 当我开始阅读摩尔时，他的想法在我的脑海中浮现，对他的工作越来越欣赏。

在复杂的业务环境中进行创新

Moore在2005年出版了《与达尔文打交道》，介绍了公司在发展的每个阶段如何进行创新。 摩尔描绘了一个更具竞争性，全球化，放松管制和商品化的商业环境。 毫不奇怪，这些力量的组合给公司施加巨大压力，要求他们在日益复杂的环境中寻找创新方法。

早在2005年，并不是所有这些力量都被宣告过，但是自那以后，它们无疑已经成为事实。 实际上，它们不仅存在，而且开始使许多大公司变得无关紧要。 图1中的分拆图表显示：

资料来源：https://www.cbinsights.com/blog/disrupting-banking-fintech-startups/

竞争和创新已经永远改变了。 但是，这些力量对公司的影响仅仅是一个开始。 下一次攻击将针对公司内部的个人。 在未来五年中，每位员工都将亲自与达尔文打交道。

在工业革命期间，个人首先与达尔文进行了广泛的接触，直到整个1900年代，工厂开始取代传统的小型工业。 随着工厂的出现，对劳动力的需求增加了。 但是工厂工作与传统工作大不相同，并且因其恶劣的工作条件而Swift闻名。 更糟糕的是，由于大多数工厂工作并不需要工人的特殊才能或技能，因此工人被认为是无技能的，因此很容易更换。 起初，工厂工人被其他工人代替，但最终他们被自动化，迫使他们迁移到成本较低的国家。

劳动力转移

经济学家通常将一个国家的三种工作分类：农业（农业），工业（制造业）和服务业。 每种类型的工作都在经济中发挥作用，但是随着时间的流逝，宏观经济力量改变了这种混合。 如图2所示，尽管1840年有70％的劳动力在农业中工作，但到1900年，农业所占份额下降到40％，而如今仅占2％。 这种转变迫使员工不得不适应，以非常个人化的方式与达尔文打交道。

资料来源：https://www.minnpost.com/macro-micro-minnesota/2012/02/history-lessons-understanding-decline-manufacturing

如图3所示，在过去15年中，这种转变加速了，在这段时期内，生产力出现了爆炸式增长：

显然，达尔文抨击了传统工人和做法。 得益于广泛的自动化，对最佳实践和经验的广泛接受，曾经被珍视的技能（实际上是行业必需的技能）已被简化为商品服务。 传统的IT工作会发生同样的事情吗？

重新定义熟练工人

在大数据革命中：农民，医生和保险代理人教给我们有关发现大数据模式的知识 ，我确定了各个行业的54种大数据模式。 无论您是零售商，保险代理，商业银行还是医生，这些模式都会影响您的角色以及您从事游戏的行业。 我确定的一种模式是重新定义技术人员：

数据时代要求对熟练工人进行新定义。 尽管这可能需要诸如统计或数学之类的技能，但这仅仅是必须弥补的技能差距的一方面。 在医学领域，这是关于重新定义医学院的内容，以包括数据分析和数据收集等技能。 在农业中，新技能需要了解如何利用多种数据源（来自无人机，GPS或其他方式），并运用这种见解来提供更好的产量和生产力。

基于不同的时代，熟练工人的定义发生了巨大变化。 在1700和1800年代，熟练工人的定义是他们的身体能力或对某种手Craft.io品的了解（想想簿记员）。 在工业革命时期，熟练工人是由其操作机器或在装配线上工作的身体能力定义的。 在过去的20年中，技术工人有了进一步的发展，在客户服务和技术技能方面给予了很高的重视。

下一个十年的技术工人将以其获取，分析和利用数据和信息的能力来定义。 这个新的熟练工人将出现在每个行业中，每个行业对技能的定义略有不同。

重新定义熟练工人的关键模式是

• 根据数据中断的潜在可能性，了解当今，明天以及未来更需要的技能。
• 重新定义角色和技能集以利用可能影响业务流程的新数据。
• 培训和再培训现有和新进员工是保持与时俱进的独特能力。

组织必须接受他们今天拥有的技能可能不足以应对数据时代。 面临的挑战是，一旦理解了技能差距，就很可能会变得过于广泛。 数据时代需要数据科学，统计和概率方面的技能。 那只是在业务方面。 在IT方面，技能需求与传统IT截然不同，编程和建模技能尤为重要。 领先的组织将记录他们今天的技能与明天需要的技能，并系统地填补不可避免的空白。

尽管公司必须了解他们的技能差距并在公司层面解决它们，但对个人的挑战更加紧迫：您将掌握什么技能？ 什么样的技能与数据时代保持一致？ 您将以什么Craft.io而闻名？ 我相信数据科学是所有这三个问题的答案。

考虑云

云对IT产生了深远的影响。 尽管迁移到云可以帮助减少创办公司的成本并可以减少资本支出，但我相信云的更大影响将在于对熟练的IT工作者的传统定义。 随着组织迁移到云中，我希望传统的IT角色和技能（系统管理员，架构师，DBA，IT运营）的重要性在未来5到10年内将逐渐减少甚至消除。 没错：我认为这种转变需要很长时间才能发挥出来。 但是这种信念意味着现在是时候为即将到来的革命做准备了。

假设有一个收入为10亿美元的组织，并且假设它每年将其收入的6％用于IT。 图4显示了在这种假设下我们可以计算的一些相关因素：

对于这样的公司，迁移到云的决定将取决于提高杠杆率和效率，并将迫使员工重新考虑。 有一个好消息-员工获得稀有和复杂的技能后，他们的薪水将提高-但如图5所示，这也有一个坏处：传统IT技能的需求将减少，因为许多此类工作将转移到云。

这种转变给个人带来了陷阱和机遇。 确实，最大的风险在于无所事事–仅继续照常营业。 对于那些决定要成为数据时代领导者的个人来说，工具和教育比以往任何时候都多。 直言不讳：数据科学将是数据时代的决定性技能。 尽管传统的IT技能对于某些人而言仍然很重要，但是在以云为中心的数据时代，此类技能的重要性将越来越低。

翻译自: https://www.javacodegeeks.com/2015/10/preparing-your-career-for-the-data-science-revolution.html