2.1　谁来做分析工作

一些专家可能认为应该把分析工作丢给精挑细选出来的少数精英去做，这些人往往是数学家、统计学家和计算机科学家，因为正是他们开发了复杂的算法。但我不同意这种观点。算法开发属于数据科学范畴，确实是一个复杂而且有价值的领域。但我认为几乎所有人都可以“做”分析。虽然教育水平和定量分析技能训练能为分析工作的开展提供更先进的分析方法，但分析本身是一项团队活动。决策贯穿整个组织，但人们经常忽略这样一个事实：在决策中起作用的是决策生命周期和分析生命周期两个截然不同的过程（见图2-1）。这两个过程之间的联系向我们展示了应该如何为组织的分析需求提供服务。

解决问题并不是一件多么独特的事情，我们每天都在努力解决各种问题。虽然每个人解决问题的能力有高低之分，但解决问题的技能是可以学习、发展和被指导的。一些人认为，在解决数据分析这类问题时，拥有高超能力的数据科学家处于问题的一端，业务用户则处于另一端，而具备一般分析能力的数据分析师处在两者之间（见图2-2）。Gartner公司将数据分析师（Moore，2017）定义为“创建或生成具有高级诊断分析、预测分析或规范分析功能的模型的人，但他主要的工作内容常常在统计学和分析学领域之外。”

图2-1　分析生命周期支撑决策生命周期

图2-2　运用数据支持决策的过程中的不同角色

如果我们认为分析是一门决策支持类学科，那么从事“深度数据科学”活动的人在组织的分析团队中所占的比例仍是相对较小的（尽管这项工作很重要）。因此，我们需要构建一个能灵活匹配组织分析团队构成的模型，使得组织的分析工作既不会与业务脱节，也不会降低少数真正的数据科学家在团队中的重要作用。

我将一个组织及其可应用的资源看作一个生态系统^[1]。在这个生态系统中，重要的是要使用和管理好发展和维持分析能力的关键资源。

本章的余下部分将论述这种重要资源的其中一个方面：分析师的使用和管理。第3章将探讨更广泛的构建分析“能力”的概念。

[1] 在本书中，分析是作为一个生态系统的概念来使用的。关于分析生态概念的详细描述请参见2.6节中的“Fattah，A.（2014）”。