資訊與技術你的資料科學家是...
在聘用資料科學家時，最令人擔心的大概就是所聘非人。資料科學家不僅是出了名的搶手、難以延攬，而且還得付出高額薪資，所以一旦聘錯人，代價不小。我們的資料人才培訓公司Data Incubator，已有數十家公司前來洽談，想聘用曾接受我們公司培訓的資料科學家。這些客戶規模有大有小，大到像是輝瑞藥廠（Pfizer）和摩根大通（JPMorgan），也有規模較小的新創公司，像是Foursquare和Upstart。
公司無法順利聘用到適合的資料人員，常常是因為沒問到一個關鍵問題：
你們的資料科學家，做的是供機器做決策的機用分析（analytics for machines），還是供人做決策的人用分析（analytics for humans）？
這項區別無論在任何公司、產業或職位，都同樣適用；我們學員受聘的職稱種類繁多，從計量人員、資料科學家、分析師到統計人員都有。遺憾的是，人事主管大多不知道這些職務需要不同的才能及性格。
雖然資料科學家的分類方式不只有上述的人機差異，但在公司聘用相關人員時，這是關鍵重點之一。以下解釋兩者的差異及重要性：
機用分析人員
在這種情況中，最後是由電腦來使用分析結果、做出決定。例子包括提供線上廣告或網路內容來鎖定使用者、演算法交易、產品推薦等。
這些資料科學家做的，是建立起非常複雜的模型，要輸入極大量的資料組，透過機器學習和複雜的演算法，設法從中找到很細微的跡象。這些數位模型自行運作，選擇要顯示哪些廣告、對使用者做出建議，或是自動進行股市交易，這些動作常在一瞬間就完成。
要產生可以供機器使用的分析資料，資料科學家必須有極強大的數學、統計及電腦運算知識，才能打造出快速作出良好預測的模型
你們的資料科學家，做的是供機器做決策的機用分析（analytics for machines），還是供人做決策的人用分析（analytics for humans）？
這項區別無論在任何公司、產業或職位，都同樣適用；我們學員受聘的職稱種類繁多，從計量人員、資料科學家、分析師到統計人員都有。遺憾的是，人事主管大多不知道這些職務需要不同的才能及性格。
雖然資料科學家的分類方式不只有上述的人機差異，但在公司聘用相關人員時，這是關鍵重點之一。以下解釋兩者的差異及重要性：
機用分析人員
在這種情況中，最後是由電腦來使用分析結果、做出決定。例子包括提供線上廣告或網路內容來鎖定使用者、演算法交易、產品推薦等。
這些資料科學家做的，是建立起非常複雜的模型，要輸入極大量的資料組，透過機器學習和複雜的演算法，設法從中找到很細微的跡象。這些數位模型自行運作，選擇要顯示哪些廣告、對使用者做出建議，或是自動進行股市交易，這些動作常在一瞬間就完成。
要產生可以供機器使用的分析資料，資料科學家必須有極強大的數學、統計及電腦運算知識，才能打造出快速作出良好預測的模型
