2015年09月05日国务院颁发《促进大数据发展行动纲要》，这对于推动国内大数据的发展和应用无疑是一个利好消息。企业需要大数据人才，但能否招到合适的大数据人才？我们特意分享国外管理者招聘大数据人才的经验，希望能够有所借鉴。

大数据分析人才短缺

企业要想在高级分析项目中取得成功，最重要因素莫过于让合适的人负责分析工作和管理项目。但是，目前分析技能人才紧俏，企业可能要拓宽思路，寻找想要的人才。

在今年6月份召开的美国麻州创新与技术交流大会（2015 MITX Data Summit）上，来自数字市场与广告公司AMP Agency副总裁Richard Grogan在演讲中指出，数据分析通常被视为一种技术或数学学科。但是，数据分析成功与失败的关键，却越来越多取决于参与分析工作的团队是否合适。

这次大会的主题是“数据的艺术与科学”，举办方是波士顿的一个市场营销行业联盟。Grogan在大会上说：“什么是最重要的事情？技术很重要，培训也很重要，但是我觉得，最重要的是找对合适的人。”

但是，组建一个拔尖的分析团队并非易事，因为好的技术人员很难找——也难留。具有分析技能的人才短缺是一个公认的现实。在一份被经常引用的报告《大数据：创新、竞争和生产力的下一个前沿》中，知名咨询公司麦肯锡曾预测，到2018年，美国具有分析专长的人才短缺将达14万到19万之多。部分出于这个原因，很多企业在招聘数据科学家及其他分析专家时，开始更看重特定的人格品质，而不只是技术能力。一个人可以去学习R编程语言，或者熟悉SAS或SPSS等软件，但是成功进行分析所需的内在品质是不容易学会的。

建模和分析并非致胜王牌

Leon Barsoumian是在线营销和广告服务公司Havas Media美国分部负责分析与研究的高级副总裁，他表示，他最看中的是，求职者是否具有解决问题的能力、好奇心和沟通技巧这些主要特点。他认为，这些特点可以反映出数据分析师可否更加融入营销团队，也就是说，他们必须有能力承担更多的责任，而不只是编写算法和创建分析模型。他说：“分析师不再只是单纯待在办公室建模。现在他们需要面对客户，向客户解释为什么他们的模型能够解决问题。”

Seb Maitra是Hill Holliday广告公司负责分析的副总裁。在他看来，技术能力、统计知识和商业知识等传统技能仍然很重要，但他认为求职者更重要的品质是具有快速学习的能力。

Maitra指出，在当今快速变化的技术环境中，这是一个特别重要的技能。可能面试前列出职位所需的技术技能清单，等到面试时，这些技术已经过时了。但是，学习新事物的能力和欲望，以及快速学习才是让数据分析师处于不败之地的重要因素。

亟需适时而变的分析师

Jasme Bantens是全球广告公司传立（Mindshare）美国纽约的高级合伙人和数字洞察力主管。她希望候选者具备的最重要特质是适应能力。她指出，广告在近几年里发生了很大的变化，技术也一样在快速发展。

Bantens举例说，Mindshare过去非常依赖于媒体混合建模，这是一种测量广告在特定媒体渠道的影响力和预测未来效果的统计方法。但是，随着在线和移动媒体越来越流行，这种技术不再那么有效。现在，Mindshare希望能够利用来自于数字渠道越来越多的数据，进行更多的预测建模和实时分析。

此外，Bantens还想找能够用数据说清楚故事的人。她说，现在有很多的数据源和工具，所以，数据分析过程相对容易些。但是，如果分析团队无法向公司的业务人员或企业客户解释清楚为什么这些结果这么重要，那么所有这些工作都毫无意义。

Bantens说：“如何用数据讲清楚故事，将影响客户的观点。把这些数据活用到现实中，并且用让客户产生共鸣的方式来讲述，那才是本事。”