导语：
大数据时代，手握海量数据已是企业常态，而
企业数据驱动文化不能止步于一群经过专门培训的分析师。
如何充分利用数据并对其加以挖掘和利用才是赢在未来的王道。而企业在探索数据驱动的路上，找到相关人才至关重要。
这篇文章总结了如何才能最高效率发掘数据驱动型潜力人才，通过人工智能、机器学习以及数据挖掘，帮助企业通过数据获得真正回报的最佳实践。
-
设定目标对数据驱动型企业至关重要。
-
招聘拥有分析思维的员工和招聘拥有特定技能的员工一样重要。
-
不必花费太多费用，但持续的培训却是必须。
和许多公司一样，能源巨头雪铁龙公司也很难找到全能的数据科学家。
所以该公司去年举办了一次解题竞赛，尝试从自己的内部64,000 多位员工中发掘被埋没的潜在数据分析师。
雪铁龙将竞赛对象范围缩小到大约 350 位对数据分析有兴趣的员工并通过一次电话会议介绍了这次竞赛的背景和需求。参赛者需通过数据分析和挖掘，对储油罐可储存的石油量或特定时间的石油成本等问题做成预测。
一位女士在竞赛中脱颖而出，她虽然拥有统计学背景，目前却正在担任供应商管理一职。雪铁龙公司的 Center of Excellence for Advanced Analytics 主管 Margery Connor 表示，“这位女士已经成为了公司冉冉升起的‘分析巨星’。如果没有这场竞赛，我们可能永远也不会把她发掘出来。”
这些年来，雪铁龙已经把自己改造成了数据驱动型企业，并在整个企业内确立了分析和运营研究的优先地位。四月份，美国运筹学和管理学研究协会为表彰雪铁龙公司为其颁发了 INFORMS 年度大奖，以表扬雪铁龙公司以数据为中心的方法帮助其降低材料成本，回收资源和更安全、更可靠地运营。
其实企业无论大小，都已启动数据分析项目，且目标往往相似。
IDG Enterprise 称，去年开始部署或实施数据分析项目的公司或组织增加了125%。接受调查的许多组织表示，希望通过数据分析来获得对客户行为、销售模式或产品质量的制定战略见解。
要实现这一愿望，需要发掘、招聘和培养拥有天赋的数据科学家。
但这还只是开始。数据驱动型文化不能止步于一群经过专门培训的分析师。它涉及整个团体在每项功能和业务线中的决策风格。
技术咨询公司 Booz-Allen Hamilton 的首席数据科学家 Kirk Borne 称，“数据驱动型就是根据证据做出论断，而不是听从房间里最高薪酬人员的意见决策。”
要打造致力于习惯以数据为中心的文化，公司的员工必须基于所有可用的相关数据为基础决策，而不是基于先入为主的意见决策。
数据分析行业已经成型数十年，但是在大数据环境中应用还是属于相对新生的领域。没有多少计划可以培养出现成的候选人，而有职业经验的专业人士也未必经过了必要的技术培训。
英特尔人才智能与分析主管 Alexis Fink 表示，
“寻找候选人来源十分具有挑战性。不能仅仅依靠大学提供人才。”
但好消息是公司不必仅靠自己寻找经过全面培训的候选人。公司组织内部可能分散有大量经过了良好培训和拥有适宜工具的人才，帮助公司转型为数据驱动型企业。
但是 Fink 表示，要取得成功，分析能力强大的候选人不仅仅需要数学和编程技能。一个好的分析师，还应以开放性思维处理数据。Fink 说道，“大多数人使用数据的方法就像灯柱于醉鬼，是用来支撑而非照明。” 数据驱动型专家不是选择性地攫取数据来支持现有理念，而是从问题着手，并使用科学方法用数据揭示正确答案。
为了帮助确定候选人是否拥护这种方法，Fink 提出了“一种产品组合复查模型来评估对象的数据分析问题解决技能”。并通过度量他们的决断度身定制具体职位。
Borne 建议寻找的目标人员应该拥护终身学习理念，并展现接受改变的能力。这些品质应该与以数据为动力的项目配合默契。在 Booz-Allen Hamilton，“我们有内部培训针对希望成为数据科学家或希望学习数据分析技能的员工。该课程一周一小时，总共持续大约一年的时间。员工必须通过数学和编程考试才能取得资格。”
