分析和数据科学行业对人才的需求急剧增长，为该行业求职者提供了很多工作机会。无论是500强还是初创企业，每个团队都在使用分析来从数据中获得有价值的信息。然而，在人才、客户定位和收集数据等方面，这个行业仍然面临着许多挑战。
本次调查决定找出这个行业面临的挑战，我们向高管、数据科学家、学生和中层管理人员提出了一系列尽可能全面的问题，以全面了解该领域面临的挑战。
关于本次研究：
在这项研究中，受访者告诉了我们很多关于他们在分析和数据科学领域面临的挑战。从工作经验不足两年的专业人士到CXOs，我们听取了所有从事数据科学实践的人的意见，以全面了解他们在这个快速发展的行业中面临的问题。
我们的调查得到了很多积极的反馈，也从中得到了很多深刻的见解。他们中的一些人的回答是意料之中的，但也有许多人的回答令人意外。以下是分析和数据科学行业作为一个整体所面临的关键问题和挑战。
受访者资料
工作经历及教育程度
工作城市和部门
摘要：
数据科学与分析领域面临的最大挑战是客户和利益相关者对该领域缺乏了解。超过28%的受访者表示，这是他们面临的主要挑战，而这种缺乏理解的状况自2018年以来已经增长了6%。这清楚地表明，分析服务提供者或他们的团队与客户或高层管理人员之间缺乏有效的沟通。
近46%的受访者表示，增加分析领域人才库的最佳方式是定期进行技能提升训练，该活动要么由公司负责，要么由员工自己负责。2018年，这一比例略高于48%。
当被问及如何在管理层提高分析意识时，近46%的受访者表示，管理层需要通过路演、活动等方式了解分析的好处。这一数字较去年的32%有显著增长。
你认为分析和数据科学领域面临的最大挑战是什么?
这个问题是针对管理层的:
28%的受访者认为，客户、利益相关者以及管理层对分析和数据科学领域的理解是他们面临的主要问题。
有趣的是，在所有规模的组织中，16%的企业都面临着人才短缺这一重要问题。这让我们感到惊讶，因为提供分析和数据科学教育的机构、mooc和在线资源的数量正在稳步增长。
14%的受访者认为，缺乏过程和技术的标准化以及利益相关者过高的期望，是公司和数据科学与分析从业者面临的另一个关键问题。
你认为增加数据分析人才的最好方法是什么?
46%的受访者表示，增加分析领域人才的最佳方式是定期进行技能培训。它可以由公司或员工自己赞助。在这个时代，有非常多资源可以获得，这是显而易见的。
然而,我们的受访者也表示教育质量是非常重要的。32%的受访者表示，增加分析人才最好的方法是提高教育质量,特别是课程、学位课程和讲师质量。
只有4%的受访者认为他们在各自的公司或职业生涯中不会遇到人才问题。这一数字已从去年的10%大幅下降，这是一个令人担忧的趋势。
我们如何在管理级别提高分析意识?
这个问题让我们清楚地了解了从事分析工作的公司的态度。
46%的受访者认为，通过路演、活动和其他平台向管理层宣传分析的好处，将有助于他们提高对这个行业的认识。
另一方面，18.5%的受访者认为，让c级管理层意识到分析如何有助于优化ROI，是公司顺利采用和升级的关键之一。
28%的受访者认为，如果他们能够在有效实例的帮助下展示分析的优点，而不是教育他们的同行，那么将会更容易。
您最常遇到的数据问题是什么?
数据对这个行业的重要性不言而喻，49%的受访者表示可用数据存储问题或数据碎片化是一个关键障碍。
27%的受访者表示，分析和数据科学领域的另一个挑战是，数据源往往过于复杂或孤立。
只有9%的受访者说他们没有数据可用。
如何将标准化引入分析生态系统?
这是其中一个问题，我们得到了一个非常有趣的回答。
当被问及行业标准化水平时，35%的受访者表示，只有建立一个权威机构来制定政策和标准，分析和数据科学领域才能顺利开展工作。
35%的受访者表示，面向所有人使用的标准化工具将有助于行业的发展。
只有18.5%的受访者对这一过程表示悲观，他们认为在分析和数据科学领域根本不可能实现标准化。
你是否认为分析留下了许多开放式的定义?如何解决这个问题?
这个领域令人不安的一点是，它有许多开放式的定义和术语。有趣的是，39.5%的受访者表示，如果学术界能提供更可靠的定义，问题就能得到解决。
根据上面的问题，25%的受访者表示，如果有一个权威机构制定了行业内所有人都遵守的定义，那么这个问题将被彻底解决。
15%的受访者认为开放式定义和术语在分析和数据科学行业根本不是问题。
如何处理期望过高的问题?
分析和数据科学是一个大多数管理者认为可以取得非凡成绩的领域。但很多时候，它会适得其反，与行业本身背道而驰。42%的受访者表示，对利益相关者进行关于分析部门工作的教育，，如工作流、时间框架、结果等等，将有助于简化流程。
22%的受访者表示，通过成功的实例开展工作，即使来自其他公司或项目，也有助于解决期望过高的问题。
20%的受访者表示，定期展示产品和服务的开发，将有助于更好地了解利益相关者。
您在分析公司面临的投资回报率问题是什么？
正如前面提到的，确定任何分析或数据科学部门的投资回报的时间、日期和数量都是很困难的。
所以，37%的受访者表示量化投资回报率是他们面临的基本问题。
30%的受访者表示，他们发现很难量化客户或管理层的投资回报率。
16%的受访者认为，利益相关者或管理者没有等到调优期，看到分析和数据科学系的劳动成果。
本次分析报告反映的是印度数据分析市场的相关情况，并不能完全适用于本土市场，但具有一定的参考意义。
作者：Prajakta Hebbar