虽然没有完美的数据人才,但每个组织都有适合的人才。构建成功的 AI 项目需要具备一系列技能的人才,包括(在高水平上)至少以下几种能力:
工作角色图表
在所有不同的数据配置文件之间实现适当的平衡对于整个组织的数据实践效率至关重要。雇用过多的某一配置文件而雇用不足的其他配置文件可能会导致流程出现瓶颈并导致整体挫败感。例如:
如果一个组织一开始就雇佣了太多的数据科学家,但没有足够的数据架构师来构建和维护数据库架构,以便在生产中不断部署、改进和扩展机器学习模型,那么这可能会导致双方的挫败感,因为他们都看 爱沙尼亚电报数据 不到他们的工作对实际业务的影响。
缺乏足够的数据领导者或经理会导致与业务部门的沟通和项目优先级的明确化,从而导致数据科学家或分析师独自工作。反过来,这也意味着错失跨数据项目重复使用的机会。
归根结底,找到适合业务的良好数据专业人员组合是留住员工的关键。运转良好的机器意味着员工更快乐,更少的人需要执行超出其技能或舒适区的任务。
为负责任的人工智能招聘多元化人才
我们致力于组建一支由 20-25 名数据科学家组成的多元化团队,但有趣的是,在 25 名之后,团队就自行运转了——我们无需主动寻找人才,他们就 |