数字化人才应具备什么能力

Question

如题所述

Answer 1

对于企业的数字化转型，其是企业未来发展的大概率趋势，但其落地实践仍然需要人才团队的支持，虽然必要但合格、优秀、以至于卓越的人才培养实际上是较难的，实践中可以看到很多公司虽然一直宣称人才培养，但并未提供足够维度的培训、交流、挑战来磨砺人才，让其感受到实质的进步，这既有数字化场景固有的逻辑问题，也有公司本身体系不明的影响。
因此，数字化时代的企业转型过程中，人才培养可能可从横纵两个维度，横向对应企业的数字化进程需要的能力，纵向对应企业数字化转型的逻辑确立。
关于横向维度，其偏向于具体岗位的“术”具备，数字化是专业逻辑、科技方案、业务经验、产品特性的四相结合。以建筑工程信息化为例，其对应施工管理、项目管理等不同系统，面向的场景有可能从工地延伸至EPC总承包项目，其要求的产业专业知识体系便是不同的，所有的动作都需要满足于这套知识逻辑的要求才能真正实现作业目标，而对应的科技可行性方案，如果其面向的是钢结构等要求完整BIM模型数据体量的平台，以便支持构件从工厂制造、运输仓储、现场装配、后期运维等全生命周期考量，其在平台搭建时便需要对三维数据引擎等基础组件予以“云计算”适配的条件要求，以便支持更大的数据体量。
而在具体的场景化、数字化的科技系统搭建之后，对应的功能应用便是锚定于业务经验的，例如在具体的作业场景中，“剖切”功能让操作者能够对目标物内部进行观察以便更好理解构造特性，在建筑工程往往只需要XYZ三轴定向剖切即可，而在工业机械格式场景中则更需要自由角度的剖切，这便是业务经验不同代表的应用功能要求不同；最后落地的形式上，部分企业需求标准则可采用通用性的、公有云SaaS服务的产品，而场景复杂且定制需求较多，则需要私有化解决方案的架构。
如上，从横向维度，数字化人才于管理岗抑或基层执行岗，考虑具体任务的完成效率、未来个人的发展潜力、公司整体团队的配合效率，优秀卓越的数字化人才应该对所在的专业逻辑、对应的科技适配、业务经验的需求、产品侧重的选择都有所涉猎并某项专长，如此才可能真正全面理解问题、提供多角度、多层次的解决方案。
关于纵向维度，以上的人才之“术”集中于团队和个人，但其还是服务服从于企业战略的，因此企业对于数字化战略的明晰就非常关键。数字化并非简单的操作系统、科技风界面、控制室的大屏显示，其应该真正服务于企业，打破其原有无法处理的信息壁垒，为企业战略认定的核心业务，不管是现在还是未来真正输送有效信息，从而提升决策辅助、方案响应、监管过程、评估改进的效益提升过程。
对于未来战略中的数字化路线图，其可以从四个层次依序进行考量，分别是核心业务、组织架构、技术选型、标准规范。如上所说，数字化并非为了“数字”而“数字”，而是服务于企业核心业务，此处的“核心”需要从当下和未来考量，判断企业业务是否需要转型抑或坚持，其中就包含了对市场方向和企业竞争壁垒的判断，这是高层决策需要明确考虑确立的；在战略性核心业务方向明确之后，成事依然靠人，人即团队，团队则包含决策高层、管理中层、执行基层，因此组织内部的重复宣传、沟通、说明就非常重要，统一全部的价值观和发展目标意愿，同时需要对配套的薪酬制度、绩效考核等方面予以调整，以适配未来战略性核心目标的要求。
在有了明确的发展方向和对应的配套组织架构之后，便可以对科技可行性方案进行选型确立，其也对应了以上横向维度中人才的“科技方案”部分，需要了解企业核心业务中的信息壁垒、痛点、需求，以确认产品的预算、架构、复杂性、能力边际，从而对应选择合适的开发团队、底层引擎商等方面；最后，数字化虽然服务于企业业务和专业逻辑，但本质仍是科技基因，计算机需要统一的语言才能真正运行，这就反向要求企业要对自身业务的流程等方面标准规范，以形成统一的文档加快不同部门之间的沟通，以“符号化、象征性、代号组”的方式，形成线上线下的统一流动，避免沟通的歧义和误会。
如上，横纵两个方面，针对高层、中层基层的不同人才，其梯队的培养可见既需要从“横向”方面予以产业、科技、业务、产品的对应训练，又需要从企业大环境上创造更加的成长平台。可以庆幸的是，以上动作与企业的改革升级也是相通的，因此动作的实施也会改善企业发展的综合方面。

Answer 2

大数据人才需要具备的能力一般较高，尤其是综合技术能力。比如拿大数据工程师来说，其需要具备以下几方面的技能：

信息挖掘能力
每天都有数以万计的数据信息产生，这些数据中不乏有很多无用的信息，那到底什么样的信息可以被重新利用？这就考验了数据工程师对于数据灵敏的挖掘能力，挖掘出想要的有用的信息进行分析，这是对工程师最基本的考量。

信息处理能力
无论是在哪个行业，对事态的处理都是考验能力最好的办法，在大数据行业也不例外。在高级分析技术方面，工程师独具的自主思考能力是无可替代的。大数据在处理时所运用的工具和技术具备很大的优势，工程师根据企业不同的业务性质做出不同的判断，造成不同数据分析所达到的不同目的。

计算机编码能力
作为大数据工程师，许多数据都是从人们的点击、浏览中生成的文字、语音、图像或者更为复杂的其他数据信息，所以这就要求了大数据工程师需要分析各种毫无头绪的信息。不过大数据分析面向的基本都是商业分析，所以这就需要工程师具备基本的计算机处理能力。

团队协作能力
大数据开发工程师的工作必然会在一个团队中完成。团队成员间的完美对接、无障碍交流对顺利完成项目起着至关重要的作用。而部门间的相互配合、有效沟通，也对项目的进度起到了关键的作用。逻辑思维能力也是身为一名大数据开发工程师的内在能力。良好的逻辑思维可以让一名大数据开发工程师在工作中时刻保持着思路清晰，头脑清醒，效率高。

学习路线建议
阶段一、大数据基础——java语言基础方面

Java语言和数据库等就无须赘述了，这是最基础的基本功。

阶段二、 Linux&Hadoop生态体系

Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架。

阶段三、 分布式计算框架和Spark&Strom生态体系

（1）分布式计算框架

Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算。

（2）storm技术架构体系

Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解。

阶段四、 大数据项目实战

数据获取、数据处理、数据分析、数据展现、数据应用。

阶段五、 大数据分析 —AI（人工智能）

Data Analyze工作环境准备&数据分析基础、数据可视化、Python机器学习。

1、Python机器学习；2、图像识别&神经网络；3、自然语言处理&社交网络处理；4、实战项目；5、户外设备识别分析。