摘要：人才争夺战在各个国家和行业之间竞争激烈，而数据科学和分析领域的竞争并不如此。事实上，根据调研机构Gartner公司的预计，到2020年，仅美国就将缺少10万名数据科学家。

    人才争夺战在各个国家和行业之间竞争激烈，而数据科学和分析领域的竞争并不如此。事实上，根据调研机构Gartner公司的预计，到2020年，仅美国就将缺少10万名数据科学家。
　　
　　现实：传统的人力资源努力完成分析工作
　　
　　即使是最合适的人力资源团队也已经在努力完成他们的分析工作。他们依靠传统的人力资源管理方法，不会与这些独特的行业专家产生共鸣。根据最近对分析专业人士的调查，这些方法可能会给人才的成功招募带来许多障碍，其中包括：
　　
　　1.负面的第一印象。分析人才，尤其是最近的毕业生，期望在充满活力的组织中工作。让他们通过一个冗长的纸质招聘流程，可能会创造一个负面的第一印象。此外，还要在分析社区的口碑问题。
　　
　　2.狭义采购。与传统求职者产生共鸣的企业不一定在分析社区中会是同样的形象。这可能会对招聘分析人才构成挑战。
　　
　　3.货币和非货币奖励之间的不平衡。以一家美国消费品公司为例，其激励方案在核心业务和IT领域非常流行，但不是分析人才，具体而言，其留用奖励资金效果不佳。
　　
　　4.未知的职业生涯轨迹。根据上述调查，分析人才认为“缺乏增长轨迹”是离开其以前的公司的主要原因。
　　
　　解决方案：从领先的分析组织获取灵感
　　
　　为了赢得人才竞赛，传统的招聘、挽留和培养人才的人力资源方法必须由针对这些独特受众的定制方法所取代，其中包括：
　　
　　•使用专门从事分析工作的招聘人员-或者更好地招聘前分析师的招聘人员。2015年，一家移动游戏公司聘请了一名前华尔街数据来管理分析招聘。由于她之前的分析经验，她知道如何有效筛选候选人。她也明白对最佳人选很重要，因此能够以最佳的方式在组织中呈现分析。在18个月内，她的团队规模增加了一倍多。
　　
　　•通过在人力资源职能范围内使用分析和练习所讲的内容，这其中包括候选人分析、减员预测和员工队伍规划。谷歌公司应用预测分析来优化其招聘流程，从优化每位候选人的面谈次数到预测哪些候选人在被录用后成功的可能性最高，从而优化其招聘流程。eBay公司不仅追踪招聘流程的指标，还会分析促销、保留和薪酬数据，以确保最佳的人才管理。
　　
　　•聘请分析领导-兼顾技术、沟通、人际关系和管理技能的最佳平衡。软技能很重要，不仅因为企业领导者倾向于雇用类似自己的人员，而且因为他们需要能够与更广泛的业务建立联系。
　　
　　•主动寻找多元化的候选人-人力资源团队应考虑从非传统候选人池中寻找资源，例如与支持代表性不足群体的组织合作。此外，从不同的学术和技术背景中获取候选人是有益的。例如，零售商从计算生物学家，核工程师和物理学家那里获取数据科学角色，而不是专门从其他技术公司获取数据科学家。
　　
　　•培养学习型文化-考虑到在美国，86％的员工会投入空闲时间学习新的技能。根据以往的经验，分析师往往更渴望获得新知识。他们的目标是不断学习新技能，从最新的统计算法或数据可视化外部培训到内部业务流程培训。例如，Zynga公司创建了一个数据科学学徒计划，其中新员工参加了几个在线数据科学课程，在高级数据科学家的监督下完成了一系列数据科学项目，并在18个月计划结束时加入数据科学团队。
　　
　　这些例子显示了组织及其人力资源团队是如何成功吸引稀缺的分析人才。数据科学家有特殊要求并且知道他们的价值。如果组织需要有机会招募最优秀和最聪明的人才，并因此获得新的商业价值，他们需要承认并采取果断行动。
　　
　　编辑：Harris