汽车制造人才大数据项目总结报告.docx

《汽车制造人才大数据项目总结报告.docx》由会员分享，可在线阅读，更多相关《汽车制造人才大数据项目总结报告.docx（3页珍藏版）》请在优知文库上搜索。

1、汽车制造人才大数据项目总结报告总结汽车制造大数据人才主要集中于一线城市。北京、上海、深圳、杭州、广州是信息技术发展的引领者，阿里、百度、腾讯、滴滴、美团、小米等老牌互联网企业和新兴独角兽企业都集聚在这五大城市，这些城市拥有大数据产业发展的土堞，聚集和培育了大量的大数据人才；同时这五大城市经济发展水平高、企业薪酬待遇好、大数据企业聚集度高，为个人成长提供全方位的条件，吸引并留住大量资深的大数据人才以及全国范围内大数据相关专业的毕业生。截至2018年底,全国大数据核心人才约200万人，这五大城市大数据人才总和占比达到47.5%,大数据人才储备属于第一梯队。大数据人才结构仍需优化。大数据技术众多重点

2、应用领域具有前沿性，大数据产业的发展需要高层次、高水平人才来保障，以免大数据产业发展受到核心领域技术突破不足的限制。然而，目前从全国范围来看，大数据人才中本科学历占比达到67%,硕士及以上学历占比仅22%。对于汽车制造公司的大数据应用建设方法，提出以下几方面思考：1.大数据应用不仅需要具有大数据处理技术，更需要公司整体布局，建立数据生态。在大数据时代，大数据不仅是一种驾驭数据的能力、一类处理数据的技术，更是一种看待数据的思维意识、思维方式，数据正在成为重要的生产费料、巨大的经济资产、新世界的矿产与石油。汽车制造公司需要顺应趋势转变思维，建立大数据驱动发展的思维模式，从战略高度关注大数据布局，建

3、立从数据获取、数据整合到数据使用的完整链路，这需要业务、数据、服务三者的协同配合，通过扩大业务范围搜集更多的客户数据；通过提升数据组织和处理能力整合更多的可用数据；通过充分运用到服务中促进提升客户体验、为公司业务创造更大价值，发挥数据的巨大能量。因此，大数据布局需要将业务、数据、服务三者结合起来统筹考虑、整体规划，打造数据生态图。2、大数据应用作为新兴技术，从研究到使用需要经历一个过程，应按照循序渐进方式开展相关工作。根据IBM研究，大数据应用建设分为四个阶段：一是数育，需要让大数据的重要性和必须性得到充分认识：二是探索，主要探索大数据到底怎么应用；三是接触，从实际的角度去思考怎么应用大数据；

4、四是执行，真正把大数据结合到业务流程里去。大数据的建设不是一蹴而就，重在实践和迭代发展，在起步阶段可以结合具体痛点问题展开，在不断积累经验后逐步扩大应用范围。3,大数据建设的关键是高质量的数据基础，没有数据质量就没有一切，只有高质量的数据才能为企业带来价值。面对数据来源广、信息种类杂、质量参差不齐的情况，需要在建设大数据的同时关注数据治理，一是建立数据规范化标准、数据分类标准、数据定义标准、质量衡量标准等；二是建立用于监控数据从获取、存储、分析、到运用的质量监控体系；三是建立数据问题从检查、反馈到修改的质量改进流程，使问题能够得到及时发现和根本解决。4,大数据应用从数据获取、挖掘到运用是一个复杂的、跨部门、跨领域的过程，需要各类专业人员共同协作完成，可考虑组建由多个部门联合参与的大数据研究团队，专门研究大数据带来的销售创新和服务创新，提供大数据应用服务。另外在人才队伍建设方面，一是要加快现有人员的培养，拓展在业务、大数据技术、统计方法上的技能；二是加强与大数据技术领先的互联网公司合作，借鉴先进经验加快人员经验积累：三是加快人才引进，吸引市场上高端的数据人才加入公司团队，有利于快速构建起大数据队伍，井为团队内其他人员的成长提供辅导帮助，带动整个团队的持续发展。