贝恩-关注人才紧缺问题_把握中国分析领域发展机遇（英文）-2019.9-12页_1mb

详细总结：Solving the New Equation for Advanced Analytics Talent

核心内容

本文探讨了全球高级分析人才供需变化的趋势，以及企业如何构建和优化其高级分析团队。随着人才供应的快速增长，企业需要采取多层次的策略来应对挑战，包括招聘新人、内部再培训、利用外部资源和自动化工具。

主要观点

• 全球人才供应增长迅速：预计到2020年，全球高级分析人才数量将翻倍，其中印度的增长尤为显著。
• 美国人才短缺仍存：尽管美国仍是最大的市场，但经验丰富的高级分析人才（如数据工程师和架构师）仍然稀缺。
• 人才结构变化：目前市场上多数是新毕业的高级分析人才，而有经验的领导者和管理者则相对短缺。
• 行业需求差异：科技公司和数字原生企业比传统行业更早采用高级分析，但几乎所有大型企业都在增加其分析密集度。
• 构建多层次人才策略：企业应结合内部核心团队与外部资源，如数据枢纽、第三方服务公司和众包平台，以实现最优配置。

关键信息

全球人才趋势

• 2020年预计：全球高级分析人才数量将从2018年的50万增加到100万。
• 印度领先：印度的高级分析人才数量预计从65,000增加到200,000，增长迅速，得益于STEM学位的增加和IT生态系统。
• 中国前景不明：虽然中国在人工智能和高级分析方面有潜力，但人才供应尚未跟上需求，需加快人才培养。
• 北美和西欧：这些地区的高级分析人才数量也将增长，但速度不及印度。

高级分析团队的关键角色

• 八个核心角色：包括数据架构师、数据科学家、数据工程师、机器学习工程师、用例产品经理、数据分析师、DevOps工程师和UI开发者。
• 团队配置：数据科学家和数据工程师是团队中占比最大的角色，超过70%。

招聘与再培训策略

• 招聘新人：企业应积极招聘具备高级分析技能的新毕业生。
• 内部再培训：利用现有员工的背景和知识，通过培训计划帮助其掌握分析技能。
• 外部资源利用：包括外包、自由职业者、顾问和众包，以补充内部资源的不足。
• 自动化工具：使用高级分析自动化技术，使非技术背景的员工也能参与模型构建和数据工程。

成功案例与实践

• IBM Data Scientist Academy：提供8天的集训和在线学习，帮助员工快速掌握高级分析技能。
• Airbnb Data University：提供超过30门课程，吸引大量员工参与学习。
• 在线学习平台：如MOOCs，为员工提供免费学习机会。

未来展望

• 混合模式更优：企业应采用混合模式，内部核心团队负责战略任务，外部资源处理战术任务。
• 人才生态系统建设：通过再培训和自动化工具，构建灵活的人才生态系统，以应对不断变化的市场需求。
• 避免瓶颈：企业不能让人才短缺成为阻碍，应主动采取措施，确保人才供应与需求相匹配。

总结

随着高级分析人才供应的快速增长，企业需要采取多层次策略来应对人才短缺问题。这包括招聘新人、内部再培训、利用外部资源和自动化工具。印度在这一领域领先，而中国则需加快人才培养。构建一个包含八个核心角色的高级分析团队，并采用混合模式，将有助于企业更好地利用全球人才市场，实现业务增长和创新。