|
在2020年，专业技术知识将不再是IT部门的唯一领域了。整个公司/组织的员工应当要理解如何把IT技术运用到他们的工作之中。但未来学家和IT专家说，最吃香的IT相关技术包括：挖掘海量数据、保护系统免遭安全威胁、管理新系统下日益复杂的风险以及如何利用技术提高生产率。虽然IT知识将更加普及，但雇主们将更加青睐如下5种专用技能。
1.数据分析
据IDC市场研究人员估计，到2020年全球每年产生的数据量将达到35ZB，也就是3500万亿GB。(注：1ZB=1,048,576PB；1PB=1,048,576GB；这个数据很抽象。)IDC的首席研究员JohnGantz说：“用普通的DVD一张一张地摞起来，可以从地球摞两个堆到月球。”
有了这样庞大的数据，这就不仅要求IT从业人员有能力分析海量数据，并且要和业务部门合作，确认哪些数据是可用的，从哪里获取这些有用的数据。
这些混合型的从业人员将同时具备IT专长和业务流程与运作的知识背景。IT人力研究机构FootePartners公司的董事长兼CEODavidFoote说：“他们是那些了解客户需求的，并且知道如何把信息转换为赢利的人。如果你有更多这样的理解整个数据‘供应链’的雇员，你的获利也更多。”
2.风险管理
未来学家DavidPearceSnyder说：“风险管理技能的高需求将会持续到2020年，尤其当(各种)业务和愈发愈发的IT之间关系很紧密。比如，前段时间英国石油在墨西哥湾的油井泄漏中所涉及的IT技术，还有丰田公司处理‘加速门’事件。”(编者注：丰田承认汽车黑匣子阅读器存在软件缺陷。)
Snyder还说：“当我们处于快速创新的时代(这一趋势将持续到2020年)，我们会碰到意想不到法律问题；当我们想在这错综复杂的世界搞点创新，很肯能就要碰到这样或那样的问题。”(所以，)企业将寻求具备有风险管理能力的IT从业人员，以预测和应对挑战。
3.机器人技术
据华盛顿的未来咨询学家JosephCoates说，机器人将在2020年之前“接管”更多的工作。所以，具备机器人技术的IT从业人员将不愁没有饭吃。
Coates说：“我们可以把机器人看成类人设备，但我们还需扩大到所有自动化的设备。”机器人技术工作包括：研发、维护和修理。专家将在垂直市场探索相关技术的使用。比如：一些机器人专家可能专注健康护理和研发康复中心的设施，另一些专家肯能为残疾人发明设备或为儿童发明学习工具。
4.信息安全
根据PricewaterhouseCoopers的报告：因为我们上网所花的时间将越来越多，面对面的交互将越来越少，更多的个人信息将在网上曝光，可以轻易冒充他人的新技术也很多，所以在2020年之前，认证用户身份和保护隐私将成重大挑战。远程工作人员也将成为劳动大军的主力，这也就带来更多的信息安全隐患。
编者注：“远程工作人员”也称“居家工作人员”，即那些可以在家通过网络即可上班的人员。
Foote解释说：“我们处于一个危险的环境，虽然很多雇员都精通技术，但他们却并不理解信息安全是最重要的。”Foote预测这个状况将在2020年有改善，因为很多公司将信息安全方面投入更多，包括数据中心、网络连接和远程访问。
5.网络技术
Snyder回应美国劳工统计局的预测说，“网络系统和数据通信管理在2020年仍将是头等大事，但是因为很多公司将想方设法避免增员，所以他们向顾问咨询如何提高产能和效率。”
“如果已经尽量裁员了，那么现在只能提高生产率了。应当有人来告诉我们如何更好地使用现有的网络技术。”
|
五个未来最吃香的IT技能 数据分析排第一
2016-05-05
1929
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
3月前
|
机器学习/深度学习
数据挖掘
TensorFlow
解锁Python数据分析新技能，TensorFlow&PyTorch双引擎驱动深度学习实战盛宴
在数据驱动时代，Python凭借简洁的语法和强大的库支持，成为数据分析与机器学习的首选语言。Pandas和NumPy是Python数据分析的基础，前者提供高效的数据处理工具，后者则支持科学计算。TensorFlow与PyTorch作为深度学习领域的两大框架，助力数据科学家构建复杂神经网络，挖掘数据深层价值。通过Python打下的坚实基础，结合TensorFlow和PyTorch的强大功能，我们能在数据科学领域探索无限可能，解决复杂问题并推动科研进步。
67
0
0
|
4月前
|
数据采集
数据可视化
数据挖掘
|
5月前
|
机器学习/深度学习
数据挖掘
TensorFlow
解锁Python数据分析新技能，TensorFlow&PyTorch双引擎驱动深度学习实战盛宴
【7月更文挑战第31天】在数据驱动时代，Python凭借其简洁性与强大的库支持，成为数据分析与机器学习的首选语言。**数据分析基础**从Pandas和NumPy开始，Pandas简化了数据处理和清洗，NumPy支持高效的数学运算。例如，加载并清洗CSV数据、计算总销售额等。
63
2
2
|
4月前
|
数据采集
数据挖掘
数据处理
解锁Python数据分析新技能！Pandas实战学习，让你的数据处理能力瞬间飙升！
【8月更文挑战第22天】Python中的Pandas库简化了数据分析工作。本文通过分析一个金融公司的投资数据文件“investment_data.csv”，介绍了Pandas的基础及高级功能。首先读取并检查数据，包括显示前几行、列名、形状和数据类型。随后进行数据清洗，移除缺失值与重复项。接着转换日期格式，并计算投资收益。最后通过分组计算平均投资回报率，展示了Pandas在数据处理与分析中的强大能力。
46
0
0
|
5月前
|
机器学习/深度学习
数据可视化
数据挖掘
|
6月前
|
机器学习/深度学习
数据可视化
算法
探索MATLAB世界：掌握基础知识与实用技能(1. MATLAB环境与基本操作 2. 数据类型与变量 3. 条件与循环,1. 数据分析与统计 2. 图像处理与计算机视觉 3. 信号处理与控制系统)
探索MATLAB世界：掌握基础知识与实用技能(1. MATLAB环境与基本操作 2. 数据类型与变量 3. 条件与循环,1. 数据分析与统计 2. 图像处理与计算机视觉 3. 信号处理与控制系统)
55
0
0
|
机器学习/深度学习
自然语言处理
算法
|
机器学习/深度学习
数据可视化
数据挖掘
|
机器学习/深度学习
人工智能
算法
|
机器学习/深度学习
数据挖掘
API
热门文章
最新文章
1
四大触点，教你从“用户视角”构建数据分析体系
2
运营也用的起来的数据分析工具：Quick BI即席分析详解
3
小白学数据分析----->解析在线平高比
4
如何通过数据分析来衡量游戏中的用户体验
5
非数据科学家如何进行数据分析?
6
小白学数据分析----->怎么看待数据处理
7
“打破孤岛”用多维交叉工具做有理有据的数据分析
8
使用Python进行数据分析：探索不同电影《消失的她》和《八角笼中》票房数据对比
9
小白学数据分析----->付费渗透率再研究
10
从博客专栏想到的数据分析
1
【MongoDB 专栏】MongoDB 在实时数据分析中的应用
205
2
如何利用Python中的Pandas库进行数据分析和可视化
137
3
.NET Compact Framework下的GPS NMEA data数据分析（二）转
45
4
【MongoDB 专栏】MongoDB 聚合管道：数据分析利器
109
5
使用Python进行数据分析的5个必备技巧
88
6
Python 与 PySpark数据分析实战指南：解锁数据洞见
94
7
电商数据分析的利器：电商关键词搜索API接口（标题丨图片丨价格丨链接）
133
8
R语言电影数据分析：随机森林探索电影受欢迎程度因素、参数调优可视化
90
9
R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告
67
10
Python数据分析中的异常检测与处理方法
156