دانلود ترجمه مقاله منابع انسانی در حوزه کلان داده: دسته بندی سیستماتیک نقش های شغلی

نتیجه گیری و پیامدهای مدیریتی:
دانشمندان داده به عنوان قهرمانان انقلاب کلان داده در شرکت ها در کانون توجه قرار دارند (دوانپورت و پاتیل، 2012). شرکت ها باید مهارت های تحلیلی مناسبی را شامل تخصص به عنوان سرمایه انسانی اضافه کنند، اما این کار فراتر از دستیابی به صرفا دانشمندان داده است. مدیران هنوز این سوال را از خود می پرسند که به چه استعداد جدیدی نیاز دارند و یا چگونه باید مهارت های منابع انسانی فعلی خود را ارتقاء بخشند (داونپورت، 2014، مک فی و براینولفسون، 2012). در این مطالعه، نیازمند ساختار و وضوح چشم انداز چند وجهی منابع انسانی مربوط به کلان داده را با ارائه نامگذاری نظام مند و شناخت نقش های شغلی و مهارت ها هستیم. این مساله به منابع با ایجاد یک چارچوب منسجم برای تحقیقات آینده کمک خواهد کرد (میلر، 2014، سونگ و ژو، 2015). یک فرایند تحلیلی نیمه خودکار را بر اساس تکنیک های اسکراپینگ وب، قضاوت کارشناسی، متن کاوی و مدل سازی موضوعی به منظور بررسی سیستماتیک پیشنهادات شغلی فعلی مربوط به کلان داده با استفاده از بیش از 2700 توصیفات شغلی پست شده به صورت آنلاین ایجاد کردیم. یافته های ما ایده های میلر (2014) که پیشنهاد داد دانشمندان داده و تخصص گسترده آن ها در رابطه با روش های تحلیلی برای ایجاد مزیت رقابتی به شرکت ها کافی نیست، تایید کرد. شواهد آنالیز ما پیشنهاد می دهد که چهار خانواده شغلی مربوط به کلان داده وجود دارد که به شرح زیر است: تحلیلگران کسب و کار، دانشمندان علوم داده، توسعه دهندگان کلان داده و مهندسین کلان داده. ما هر یک از این خانواده ها را با ارزیابی مجموعه مهارت ها مبتنی بر داده توسط هر خانواده نقش و سطح مورد نیاز مهارت مشخص کردیم. خانواده های شغلی کلان داده را در مقابل ماتریس مجموعه مهارت ها ایجاد کردیم (جدول 5) که می تواند توسط مدیران کسب و کار برای ایجاد برنامه های استخدامی و مسیرهای شغلی عملکردی و همچنین توسط دانشگاه ها برای شکل دهی برنامه های درسی و مدرک آن ها مورد استفاده قرار گیرد.

Conclusions and managerial implications:
Data scientists have been put under the spotlight as the - supposedly - protagonists of the Big Data revolution in companies (Davenport & Patil, 2012). Firms need to get the right analytical skills and expertise added to their human capital but this goes well beyond acquiring data scientists alone. Managers still question themselves on which new talent they need and on how to upgrade the skills of their current human resources (Davenport, 2014; McAfee & Brynjolfsson, 2012). With the present study, we have provided structure and clarity to the multifaceted landscape of Big Data-related human resource needs, by offering a systematized nomenclature and characterization of job roles and skills. This contributes to the literature by enabling a coherent framework upon which to build future investigations, as desired my multiple researchers (Miller, 2014; Song & Zhu, 2015) We have assembled a semi-automated analytical process, based on web scraping, expert judgment, text mining and topic modelling techniques in order to systemically review the current job offers related to Big Data, using more than 2.700 job descriptions posted online. Our findings confirm the ideas of Miller (2014), who suggested that Data Scientists and their deep expertise on Analytical methods are far from being sufficient in granting companies a real competitive advantage. The evidence from our analysis suggests that there are 4 different job families related to Big Data, which are: Business Analysts, Data Scientists, Big Data Developers and Big Data Engineers. We have characterized each of them with a data- based assessment of the skill sets required by each role family and the required level of proficiency. We have built a ‘Big Data Job Families vs. Skill sets matrix’ (Table 5) which can be used by business managers to structure their recruitment programs and functional career paths and also by universities for the sake of shaping their curricula and degree programs.