Dynamics of data science skills: How can all sectors benefit from data science talent?

Ce rapport énonce ce qui distingue la science des données en tant que discipline et offre quelques statistiques clés de notre recherche commandée pour montrer le niveau de croissance de la demande pour une gamme de compétences de données. Nous explorons les différents pilotes et les bloqueurs autour de données des rôles scientifiques dans différents secteurs, ainsi que des exemples mettent en évidence à partir d’un ensemble d’études de cas portant sur des carrières scientifiques de données et la mobilité professionnelle dans tous les secteurs (le portefeuille complet d’études de cas est disponible en tant que publication séparée). Engagement avec les données scientifiques, les analystes et les autres utilisateurs de données nous a informés des occasions de favoriser le talent et pour permettre le mouvement entre les secteurs. La nature interdisciplinaire de la science des données se prête à des nominations conjointes, et ses crises de nature appliquée avec des mécanismes d’apprentissage. Les sections qui suivent présentent des recommandations et des activités dans quatre grands domaines d’action, des recommandations ciblées au sein du gouvernement, les bailleurs de fonds, les universités, l’industrie et le secteur public à faire des progrès vers un paysage scientifique de données en plein essor. Ils contiennent également une série de mécanismes pour le développement et le partage des compétences dans tous les secteurs, mettant en lumière des exemples de modèles qui pourraient être répliquées, mis à l’échelle et élargi. Accompagnant ce rapport est un ensemble détaillé d’études de cas mettant en vedette des histoires de carrière des données scientifiques travaillant dans un large éventail de rôles, de niveaux et secteurs, y compris Accenture, l’Institut Alan Turing, Channel 4, l’Université de Cambridge, DeepZen, GCHQ, gouvernement service numérique, HSBC, une campagne, le Bureau national des statistiques, l’Institut de l’UCL de neurologie et de l’Université de Warwick. (Voir la dynamique de la science des données: les données scientifiques disent la science des données.) Il y a un besoin évident de mécanismes de collaboration et durables pour développer les talents et ce rapport favorise une vision pour le partage des talents scientifiques de données dans tous les secteurs. Nous avons identifié une gamme de modèles et de mécanismes pour permettre cette vision, comme les programmes de sensibilisation, des programmes d’enrichissement et de bourses, des programmes de renforcement des capacités, les mécanismes informels / peer-to-peer, les événements de collaboration et de partenariats, les données des magasins et des centres / instituts données . Tous qui seront étudiés plus en détail dans les chapitres suivants. Les modèles peuvent également être trouvés dans un document d’accompagnement. (Voir la dynamique de la science des données: modèles et mécanismes) Des exemples de bonnes pratiques ont été recueillies à l’entrée des membres de la communauté scientifique des données de l’ensemble des milieux universitaires, l’industrie et le secteur public. Ils disposent d’une variété d’idées éprouvées à travers le Royaume-Uni, qui nécessitent un minimum d’un soutien important des ressources et peut être conduit par des individus ainsi que des institutions. Le but des modèles est d’inspirer l’échelle et la cohésion. Les modèles et mécanismes peuvent être utilisés par des personnes qui sont: préoccupés par le recrutement de données scientifiques, les analystes de données et des experts du domaine; impliqué dans le développement des talents de la science des données à tous les niveaux; compte tenu de (re) formation de données scientifiques, les analystes de données et des experts du domaine; la prise de décisions autour des compétences de financement à l’échelle locale, régionale et nationale; ou qui cherchent à faire en sorte que les données qu’ils détiennent est utilisé pour le bénéfice de la société. Traduit à l'aide de Google Translate