McKnight Consulting Group公司总裁William McKnight表示，数据专业人士应不断提高数据科学技能，并想办法提高其企业的数据成熟度。

McKnight指的是数据成熟度模型和数据科学技能学习路径–数据专业人员应该遵循。从本质上讲，这意味着放弃旧习惯，并不断学习新技术和新技术。

McKnight 称：“与只是完善和定义缺点相比，更成熟的做法是缓慢地前行。我们必须踏上前进的道路，我们必须接受即将到来的趋势。”

McKnight说道，如果数据从业者可更全面地拥抱数据科学，并试图升级他们的技能以及建立强大的数据基础-无论是传统的数据仓库、数据湖还是多云设置，他们将可更好地迎接BI和分析趋势以及正在改变企业的技术。在最近的Dataversity网络研讨会期间，他为数据专业人士提供了职业建议，以便他们在分析软件市场快速发展的过程中取得成功。

提高你的技能

McKnight说，提高分析和数据科学技能是关键。

他表示：“我希望你每年提高20%的技能，如果你不学习新技能，那么，你所做的只是为自己累积技术债务。然后，有一天，当新技术和趋势实现时，你将需要做出100%的改变，而你将无法做到。”

同样，现在IT专业人员应该成为企业内数据科学领导者，即使他们不认为自己是数据科学家。这些企业创新者优先考虑数据驱动见解，并通过强调统计模型和机器学习来帮助推动业务决策。

McKnight表示，若要成为一名高效的数据科学家，你应该不断提高数据科学技能，并尝试新的方法和做法。这正是第一波数据科学领导者所做的事情，他们为其他IT专业人士树立了榜样，尽管他们可能并不认为自己属于“数据科学家”。

McKnight说：“在过去几年里，我们看到一些‘一直假装直到成功’ 的数据科学家，他们没有接受过专业培训；他们是企业分析师。但他们中的确有人取得成功，现在已经成为真正的数据科学家。”

McKnight断言，数据成熟度与企业成功密切相关。他鼓励数据专业人员使用并遵循成熟度模型，以帮助指导他们应对更高复杂程度的数据处理工作，成熟度模型是一种评估企业数据实力水平的评估工具。

McKnight说：“你不会只是获得预算来‘提高数据成熟度’，数据专业人员所需的领导力是提高数据成熟度，同时继续确保业务成功，并且是以可扩展的方式实现。”

不要只是雇佣更多人

McKnight表示，如果数据专业人员主要依靠更多的人员和硬件来解决问题，那么，他们基本上会止步不前。

McKnight 称：“数据专业人士并不是内部人员配置工作，我们不能简单地将人员投入到企业其他所有人想出来的计划中，我们也需要提出一些倡议，因为只有我们才能有远见地各种潜力。”

这种先见之明意味着数据专业人员不能简单地向业务用户询问：“我今天能为您做些什么？”McKnight说，他们需要负责主动构建未来应用程序，并采用新技术来提高性能和用户满意度。

McKnight 称：“你需要不断改进和提高技术基础。”

McKnight说道：“请不要听那些反对者的话‘不要进入云端，不要拥抱敏捷开发，不要考虑数据湖、大数据或Hadoop。这种心态在企业没有积极作用。”

除了避免这种负面心态之外，数据专业人员应该密切关注行业发展并保持最新数据科学技能，同时还要不断评估市场中最重要的趋势。McKnight 指出：“你不能只追逐旧趋势，而又抱最大的希望。”