如今，全球正在步入数字化经济时代。根据LinkedIn去年十月发布的技能排行榜报告（Top Skills）,统计分析与数据挖掘是 2017 年雇主最看重的第二大优势技能。此外，数据呈现（即数据可视化）首次跻身排行榜第 8 位。中国同样呈现出这一趋势，统计分析与数据挖掘在所有技能中排名第三。
发现数据分析相关技能价值的并不只有 Linkedin。通过对工作描述中提到的技能频率进行排名，本特利大学（Bentley University）将数据研究与分析列为目前最热门的 10 大技能之一。此外，《福布斯》也将 Tableau 和数据可视化视为企业所需的最重要工具之一。
招聘市场越来越看重数据分析技能，这一风潮并不奇怪。早在 2013 年，中国住房和城乡建设部就发起了智能城市试点项目：193 个城市被选为试点城市，通过建立 IT 公司和政府部门之间的联系，提高产业化、信息化和城市化的效率。去年 11 月由国际数据公司（IDC）举办的信息通信技术论坛（ICT论坛）也作出了如下预测：2017 年是中国数字化经济转型的开端。
为迎合企业在这方面不断增长的需求，教育部门也加大了对学生进行数据分析培训的力度。截至目前，北京大学、清华大学和同济大学等知名学府均设立了以大数据分析为重点的学系。
但是，正如“摩尔定律”所预测的那样，信息通信技术行业正在飞速发展，使得正规学校教育无法满足整个行业的需求。这对未来就业意味着什么呢？
数字化经济的新趋势敲响了中国公民终身学习的警钟。正因为如此，雇主应确保制定正确的计划，帮助员工不断发展。综合培训或开展快速发展计划是培养敬业且富有活力的员工队伍的方法。
在培训方面，组织还应确保提供最新技术和最相关的技能。通过查看 LinkedIn 调查结果（特别是统计分析和数据挖掘方面的调查结果），可找到在此方面培训员工的许多方法。
下面是有助于促进员工发展和降低员工流失率的 4 个关键点：
1.跨部门培训
在能够灵活适应发展需要并富于协作精神的工作环境中，员工往往工作效率更高、业绩更佳。这一点同样适用于内部培训。
实现这一点的方法之一是提供跨部门机会。例如，让营销团队向销售团队学习最新的谈判技巧。或者跨部门共享新的技术工具，使各团队了解这些工具最终能为企业带来哪些益处。
这可使员工提高其当前职责范围以内和以外的能力水平。此外，还能促使员工从头到尾了解整个业务流程及其对最终结果产生的影响。
2.寻求外部资源
实现上述目标的另一种方法是邀请外部专家来公司，举办有关当前行业趋势的研讨会。公司内部不一定有合适的资源；因此，寻求外部资源是探索多样化新主题的绝佳机会。
例如，Tableau 亚太区分公司每年举办一次亚太区全体大会，整个亚太区业务部门都会参加。会议期间，我们会邀请包括业务合作伙伴和非政府组织在内的各种外部专家，由他们来分享关键知识点并举例说明数据分析是如何支持他们开展工作的。员工从会议中获得全新观点，有助于其解决难题和迸发新见解。
3.自定进程的培训
众所周知，在许多情况下，小企业没有那么多资金来投入到培训方面。现场培训始终是员工培训的一种首选方法；不过，通过视频、网络讲座和白皮书等在线解决方案也可以有效提高员工技能。
以数据分析技能为例。借助许多在线培训视频和课程，员工可按照自己的节奏进行学习，然后将所学知识应用于日常工作中。事实上，工作忙碌的中国白领们可从Coursera和Mooc等提供商处非常轻松地访问在线课程。除这两个门户外，许多其他门户也提供了大量各专业级别的技术和数据分析课程。
资源紧缺时，雇主需要灵活调整培训方式。这意味着雇主需要知道最新的在线培训工具并给予员工选择自由，使其能够按照自己的节奏，在方便的时间进行学习。
4.确保培训相关性
这或许是显而易见的，但提供的培训不仅要与员工职责相关，也要与更宽泛的行业背景相关，这对企业的长久成功至关重要。现在，许多企业意识到技能是提高员工积极性并降低员工流失率的关键优势，因此根据员工的工作岗位提供相应的技能培训已经成为这些企业的一项优先要务。
这对雇主而言意味着什么？请确保您了解行业动态（即最新趋势、研究成果和发展状况），以便将全局思维融入所提供的培训中。在具备这样的意识后，您便可以向员工提供最相关的培训。
新的竞争对手和创新总是不断出现。根据最新的 LinkedIn 报告《中国数字化经济的到来》，若要保持领先地位，雇主应不断自审是否为员工提供了最具相关性和一致性的技能培训。对于那些认为培训在激励机制中“可有可无”的雇主，请三思。在当今的商业环境中，现在忽视重要技能的发展可能意味着明天的失败。
作者为Tableau大中华区总监 叶松林，授权发布。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与极客网无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
