新常态将需要新的数字技能？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-05-24
尽管面临挑战但企业还是接受了技术并加速了数字化
技术数字化和新的工作形式的使用将继续保持这种加速，由于使用了COVID-19，企业在建立供应链冗余，提高数据安全性以及在操作和服务中使用先进技术的速度比想像的要快20到25倍，数字化加速对劳动力再技能的影响不容小，使用数字功能来改善业务的公司将会突飞猛进，同样显而易见的是，尽管大多数公司认为数字化转型是必须的，但很少有人意识到它可以按比例扩大。要扩展数字功能，必须准备好工作人员，企业织如何为数字化转型做好准备呢？
远程医疗
虚拟护理和远程医疗正朝着主流方向加速发展-需要各种新技能，新技术和工作流程的变更，例如在海图监视或安排运输服务中的远程指导可能需要与提供远程创伤协助不同的技能，会计师和医疗编码人员必须学习如何与先进的计费系统进行交互，以限度地提高收入并协助不断变化的准则，例如，如果由AI驱动的索赔在索赔处理之前存在可能的欺诈或误报（今天），则在生成账单并导致延迟的损失追回或付款之后执行此过程-要求员工如何与之互动先验系统，评估结果并制定业务决策？ 对于基于云的系统，许多员工的角色已经在改变，对于基于云的IT系统，无需编写代码或维护系统。角色已从能够在本地配置更改和工作流转变为在云中进行的系统更改，随着越来越多的系统迁移到云中，IT的角色也将发生变化，他们将专注于IT云战略，在云环境中进行采购和签约；支持服务提供；重新设计业务架构以支持云功能。
下一代制造
COVID-19残酷地暴露了对的过度依赖，因为是重新关注再生产的制造来源，这有两个挑战，复制陆上产能，同时冒着在建立现有产能的风险，寻找支持制造业的必要劳动力，后者同样适用于当前的制造业，特定于寻找所需的劳动力，由于大规模的即将退休，我们正处于失去一支知识渊博且经验丰富的员工队伍的地步，他们是CAD / CAM，MES，NC和自动化系统制造和供应链方面的专家，虽然不是数字本机的，并且没有接触过当前技术，例如云采购或在制造中使用AI，重要的是要注意，尽管这些员工对自动化和自动化系统非常熟悉，但他们并不擅长或为数字化做好准备。自动化是重复性任务的机械化，例如拾取和放置，传输线的加工和组装或开票。
随着数字原生代进入制造业，应该如何做好准备？有四个开始的地方：
为各个级别的员工开发新功能，以将他们的角色从机器操作员提升到使用大数据生成的分析来解决业务或流程风险，培养配置过程数据图，治理和体系结构的技能，例如在车间中，越来越多的基于传感器的实时数据正在生成，该数据可用于使用AI / ML工具增强传统的统计过程控制，问题是要选择哪些数据，多少数据以及如何连接或影响其他上游或下游过程，因此使用数字技术进行过程控制使过程操作员的角色从仅仅分析因果关系和纠正措施，到过程和数据架构师以及配置者，这种海拔需要不同的训练和能力，我们也可以将这个例子推论到供应链上，其中供应链运营商也将成为过程影响者的监督者，而不是点控制器，数字化获取老龄化的劳动力技能和知识，以培训新的劳动力。
开发模拟和虚拟培训工具
尽管人们担心人类工人会从劳动力中自动化，但越来越多的共识是，人工智能和人类可以利用互补的优势并有效地相互补充，那些将了解AI如何适合工作流程以及人们如何与算法协同工作的人员和组织将比那些无法做到这一点的人员更具竞争力。
利用AI并开发业务友好工具；
主动评估数字化转换需求，并使用相关的仿真或虚拟工具开发重新技能开发路径；
训练基于云的应用程序的配置；
技术数字化和新的工作形式的使用将继续保持这种加速，由于使用了COVID-19，企业在建立供应链冗余，提高数据安全性以及在操作和服务中使用先进技术的速度比想像的要快20到25倍，数字化加速对劳动力再技能的影响不容小，使用数字功能来改善业务的公司将会突飞猛进，同样显而易见的是，尽管大多数公司认为数字化转型是必须的，但很少有人意识到它可以按比例扩大。要扩展数字功能，必须准备好工作人员，企业织如何为数字化转型做好准备呢？
远程医疗
虚拟护理和远程医疗正朝着主流方向加速发展-需要各种新技能，新技术和工作流程的变更，例如在海图监视或安排运输服务中的远程指导可能需要与提供远程创伤协助不同的技能，会计师和医疗编码人员必须学习如何与先进的计费系统进行交互，以限度地提高收入并协助不断变化的准则，例如，如果由AI驱动的索赔在索赔处理之前存在可能的欺诈或误报（今天），则在生成账单并导致延迟的损失追回或付款之后执行此过程-要求员工如何与之互动先验系统，评估结果并制定业务决策？ 对于基于云的系统，许多员工的角色已经在改变，对于基于云的IT系统，无需编写代码或维护系统。角色已从能够在本地配置更改和工作流转变为在云中进行的系统更改，随着越来越多的系统迁移到云中，IT的角色也将发生变化，他们将专注于IT云战略，在云环境中进行采购和签约；支持服务提供；重新设计业务架构以支持云功能。
下一代制造
COVID-19残酷地暴露了对的过度依赖，因为是重新关注再生产的制造来源，这有两个挑战，复制陆上产能，同时冒着在建立现有产能的风险，寻找支持制造业的必要劳动力，后者同样适用于当前的制造业，特定于寻找所需的劳动力，由于大规模的即将退休，我们正处于失去一支知识渊博且经验丰富的员工队伍的地步，他们是CAD / CAM，MES，NC和自动化系统制造和供应链方面的专家，虽然不是数字本机的，并且没有接触过当前技术，例如云采购或在制造中使用AI，重要的是要注意，尽管这些员工对自动化和自动化系统非常熟悉，但他们并不擅长或为数字化做好准备。自动化是重复性任务的机械化，例如拾取和放置，传输线的加工和组装或开票。
随着数字原生代进入制造业，应该如何做好准备？有四个开始的地方：
为各个级别的员工开发新功能，以将他们的角色从机器操作员提升到使用大数据生成的分析来解决业务或流程风险，培养配置过程数据图，治理和体系结构的技能，例如在车间中，越来越多的基于传感器的实时数据正在生成，该数据可用于使用AI / ML工具增强传统的统计过程控制，问题是要选择哪些数据，多少数据以及如何连接或影响其他上游或下游过程，因此使用数字技术进行过程控制使过程操作员的角色从仅仅分析因果关系和纠正措施，到过程和数据架构师以及配置者，这种海拔需要不同的训练和能力，我们也可以将这个例子推论到供应链上，其中供应链运营商也将成为过程影响者的监督者，而不是点控制器，数字化获取老龄化的劳动力技能和知识，以培训新的劳动力。
开发模拟和虚拟培训工具
尽管人们担心人类工人会从劳动力中自动化，但越来越多的共识是，人工智能和人类可以利用互补的优势并有效地相互补充，那些将了解AI如何适合工作流程以及人们如何与算法协同工作的人员和组织将比那些无法做到这一点的人员更具竞争力。
利用AI并开发业务友好工具；
主动评估数字化转换需求，并使用相关的仿真或虚拟工具开发重新技能开发路径；
训练基于云的应用程序的配置；
确定改善人机交互的方法；
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
