Leute, die sich nur mit Datenbanken auskannten, begannen sich Data Scientists zu nennen, was zu einer minderwertigen Belegschaft führte. Und aufgrund der immer größer werdenden Kluft zwischen Angebot und Nachfrage liegen die Gehälter oder Erwartungen weit über dem, was als üblich oder normal bezeichnet werden kann.
Wie bauen Sie in einer solchen Situation das Data-Science-Team Ihrer Träume auf?
Data Science ist eine Kombination aus drei Fähigkeiten: Computerprogrammierung, Mathematik und Statistik sowie Domänenwissen. Ein gutes Data-Science-Team besteht aus Personen mit unterschiedlich langjähriger Erfahrung in mindestens zwei, wenn nicht allen drei Skills. Darüber hinaus spielen Kommunikationsfähigkeiten im Bereich Data Science eine wichtige Rolle.
Obwohl Data Science eine begehrte Fähigkeit ist, hat sich diese Fähigkeit in der jüngeren Vergangenheit gewandelt, sagte Sathesh Murthy, Vice President – Product Development (Oracle Cloud Infrastructure) bei Oracle. „Organisationen suchen nicht mehr nur nach starken Datenwissenschaftlern, sondern auch nach Ingenieuren mit fundierten Kenntnissen und Fähigkeiten im maschinellen Lernen, die sich mit verschiedenen KI-Modellen auskennen, sich mit den verschiedenen Phasen von MLOps auskennen und auf Schulungen in großem Maßstab spezialisiert sind und diejenigen, die eine effiziente und schnellere Modellinferenz ableiten können“, sagte er.
Heute ist die Datenwissenschaft zu einem neuen Kragenjob geworden, und diese neuen Kragenexperten sind nicht ohne weiteres verfügbar. Die meisten neuen aufstrebenden Fachkräfte verfügen über sehr gute Computerprogrammier- und Mathematik-/Statistikkenntnisse, ihnen fehlt jedoch Fachkompetenz. Diejenigen, die Zeit in der Branche verbracht haben, verfügen über Kenntnisse auf dem Gebiet, aber nicht unbedingt über die beiden anderen. Und es machte das, was Anand Mahurkar, CEO von Findability Sciences, als Kunst bezeichnet. „Die Rekrutierung von Data-Science-Experten ist zu einer Kunst geworden!“, sagte er.
Eine der Hauptstrategien, die Findability Sciences schon früh verfolgte, war die Einrichtung eines Entwicklungszentrums abseits von Metropolen wie Bangalore, Hyderabad, Pune oder Gurgaon. Das Unternehmen eröffnete sein Entwicklungszentrum in Aurangabad, Maharashtra, das dazu beitrug, nicht mit den IT-Ressourcen der U-Bahnen zu konkurrieren, und konnte ein eigenes starkes Team aufbauen.
Während der Talentpool wichtig ist, stellt sich die Frage nach der Qualität der verfügbaren Ressourcen. Um dieses Problem zu lösen, hat der Online-Lebensmittelhändler Bigbasket damit begonnen, Berufseinsteiger direkt auf dem Campus einzustellen. Diese Praktikanten oder neuen Absolventen zu schulen, ihnen reale Probleme zu stellen und ihnen zu zeigen, wie Data Science tatsächlich eingesetzt werden kann, hat dem Unternehmen geholfen, hochwertige Ressourcen zu sichern.
Selbst wenn ein Unternehmen in der Lage ist, die richtigen Talente zu finden und einzustellen, besteht die größte Herausforderung darin, diese Mitarbeiter zu halten? Branchenführer und Experten glauben daran, in Mitarbeiter zu investieren, ihnen herausfordernde Aufgaben zu übertragen und ihnen einen Sinn in ihrer Arbeit zu geben.
Flipkart, das heute mit 90 Data-Science-Experten zusammenarbeitet, hat spezielle Lernprogramme organisiert und unterhält akademische Kooperationen, wodurch die Möglichkeit geschaffen wird, bei Forschungsprojekten eng mit der akademischen Welt zusammenzuarbeiten. Das Unternehmen hat ein internes Schulungsprogramm für Flipkart-Mitarbeiter ohne wissenschaftlichen Hintergrund, damit sie die Grundlagen dieses Bereichs erlernen und Fähigkeiten zur Problemlösung entwickeln können.
Die technischen Fähigkeiten der Datenwissenschaft und der theoretische Teil davon sind öffentlich zugänglich und jeder kann zu Hause sitzen und sie lernen. Die Investition in ein paar Kurse macht also für ein Unternehmen keinen großen Unterschied. Was jedoch hilft, ist zu verstehen, wie sich Mitarbeiter in ihrer beruflichen Laufbahn entwickeln sehen und abzuschätzen, inwieweit das Unternehmen sie dabei unterstützen kann.
Aus ähnlichen Gründen führt Ugam, ein Datenwissenschafts- und Analyseunternehmen, alle sechs Monate eine Qualifikationsumfrage durch, um die Fähigkeiten des Unternehmens zu verstehen.
„Nachdem wir die aktuellen Fähigkeiten und Bedürfnisse der Organisation identifiziert haben, betrachten wir die individuellen Bestrebungen, um einen Karriereweg für die Mitarbeiter zu finden. Darauf aufbauend bieten wir Zertifizierungskurse an. Wir haben unsere Ugam University, die bei regelmäßigem Training und Teamentwicklung hilft. Wir haben regelmäßig interne Wissensplattformen, auf denen Einzelpersonen ihre Projekte und Erkenntnisse teilen können, sowie ein zentrales Lernarchiv, um das Selbstlernen zu fördern“, sagte Sunil Mirani, Mitbegründer und CEO von ‚Ugam.
Während Unternehmen ihr Bestes geben, um ihre Fähigkeiten zu verbessern und in das Wissen ihrer Data-Science-Experten zu investieren, um das beste Data-Science-Team ihrer Träume aufzubauen, bleibt die beste Lösung, es zum Laufen zu bringen und zu zeigen, wie sie Daten einsetzen können Wissenschaft als Lösung zu arbeiten.
Amith Singhee, Sr. Manager Hybrid Cloud Research, IBM Research India, ist der Ansicht, dass es Data Scientists hilft, ihre Arbeit zu lernen und Spaß daran zu haben, wenn sie Datenwissenschaftler vor Kunden setzen, um an großen Datensätzen, realen Problemen und Anforderungen zu arbeiten. Es motiviert Menschen und hilft ihnen, neben den grundlegenden technischen Fähigkeiten auch Soft Skills zu entwickeln.