研究顯示：只有三分一公司有效運用數據

對於企業來說，任何數據性的資料都是十分重要的。不過很多時尤其是針對一些由系統接收回來的數據，由於並不是可視化的關係，對於企業管理層及非技術人員來說，幾乎難以明白當中的內容，最終結果便是將珍貴的數據白白浪費。

最近便有一份研究指出，只有三分之一的公司有效地運用數據。該研究報告名為 – EMC Data Science Study，調查的地區包括美國、英國、法國、德國、印度和中國等地，調查揭示並具體量化全球嚴重欠缺必要技術之現況，令企業未能把握海量數據配合數據分析技術所帶來的機遇。現時，只有三分之一的企業能有效地運用數據協助他們進行商業決策、獲取競爭優勢、提高生產力、致力創新和深入了解客戶。

該調查發現，流動通訊設備、社交媒體、監控系統、醫學影像、智能電網等技術所產生的數碼資訊爆炸，配合相關的分析工具，在數據創造價值和獲取重要資訊的機遇中，亦相應地引發進一步的數碼資訊爆炸。因此，企業對數據科學家的需求迅速超越人才的供應。

報告之中總共訪問了接近 500 位環球數據科學社區成員，當中包括不同專業範疇的數據科學家和專家如數據分析員、數據專家、商業智慧分析員、資料分析員和數據工程師，他們均掌有 IT決策權。

研究重點：

1. 知情決策 – 只有三分一受訪者表示非常有信心它們的公司可以利用嶄新的數據協助公司作出決策。
2. 隱現人才短缺問題 – 65% 數據科學專家相信未來五年內數據科學人才將供不應求，而大部份均認為招募大學畢業生將會是最有效發掘有關人才的方法。
3. 採用數據科學的障礙 – 採用數據科學最普遍的障礙包括︰缺乏有關技術或培訓(32%)、資金及資源 (32%)、組織架構錯誤 (14%)、缺乏工具及科技(10%)。
4. 深入了解客戶 – 只有 38% 商業智慧分析員及數據科學家非常同意其公司有利用數據去更深入了解客戶。
5. 嶄新科技推動增長 – 83% 受訪者相信嶄新工具及新興技術將令數據科學家的需求上升。
6. 數據存取能力不足 – 只有 12% 的商業智慧專家及 22% 的數據科學家非常同意員工有機會對數據進行實驗，妨礙公司迅速測試和驗證構思，以及探索創新。
7. 高等學歷 – 數據科學家擁有一個碩士或博士學位的可能性是商業智慧專才的三倍。
8. 提升商業智慧 – 儘管受訪者發現其公司對數據科學家的需求不斷增加，但只有 12% 認為現時的商業智慧專家是最有可能滿足這個需求的人才來源。
9. 提升技能 – 數據科學家明顯比現今的商業智慧專才需要具備更多商業及科技技能。根據 Data Science Study，他們應用高等運算處理數據的機會是商業智慧專家的兩倍，但只有 37% 有機會根據那些數據作出商業決策。
10. 熱愛工作 – 研究發現數據科學家對現時的工作態度非常積極。事實上，數據科學家相信他們的資訊科技職能更適合並更能吸引人才，更帶領雲端運算等重要科技領域，故並不意外他們對其公司在數據分析及虛擬化能力方面的評價較商業智慧專家的意見更勝一籌。
11. 參與整個數據生命週期 – 數據科學家比起商業智慧專才更有機會參與，從獲取新數據集到根據那些數據作出商業決策。這過程包括過濾及整理數據，以及把數據形象化地呈現出來，並利用數據描述及表達。
12. 交易工具 – 數據科學家比商業智慧專才更有機會運用到不同的編程語言如 Python，Perl， BASH 及 AWK。現時，Excel 仍然是最廣泛被數據科學家及商業智慧經理選用的工具，其次則是 SQL。

其實我們生活在一個數據主導的世界，不同行業只要善用龐大的數據量，並從中理解海量數據對公司的發展將有很大的幫助。不幸地，由於大型數據集很多時並不容易理解，企業往往難以有效地利用這些數據。因此有些企業便會利用專門針對數據進行分析的方案，從而協助企業更容易從大型數據集之中收集到有用的數據。