数据分析即未来:企业全生命周期数据分析应用之道
上QQ阅读APP看书,第一时间看更新

2.4 分析的关键能力

第1章讨论了如何开展组织机构的能力建设,我们将其定义为基于组织中人的集体能力可以达成的任务。在第3章中,我们将详细阐述组织机构分析能力的概念。在此,我们开始讨论组织机构所需的一般分析能力,第12章将重点对这些能力进行详细讨论。

在分析界,人们非常关注大家需要擅长什么,从数学技能到深度计算机科学和统计建模,不一而足。虽然具体的方法和技术是必要的,但分析界的无名英雄其实是那些善于解决问题、善于批判性思考、会阐述分析结果以及善于合作的人。不幸的是,这些软技能很难写在简历上,并且在招聘时更难评估,组织往往只能聚焦到一个人有形的、可测试的特质上,例如他知道什么,而不是他有能力实现什么。

在一篇题为“The Elusive Data Scientist”(难以企及的数据科学家)(Nelson和Horvath,2017)的论文中(如图2-6所示),我和我的一位同事列举了我们衡量分析人才的四个方面的能力:

1.技术

2.业务领域

3.方法

4.软技能

图2-6 难以企及的数据科学家综合了技术、数据、业务领域和方法论等方面的能力

分析能力

分析能力指的是将数据成功转化为可行性措施所需的知识、技能、能力和性格。

当人们谈论分析人才的技能时,常用知识、技能和胜任力这三个不太精准的词语来表达。本书重点讨论分析能力建设,因此需要明确定义分析人才应具备技能的术语,以便清楚表达通过团队分析能力实现企业期望的过程。为达此目的,需要先明确定义如下几个概念:

知识领域(knowledge area):指个人获得的,使他能够胜任单一的或某个业务领域的工作职能所需的信息集合。

技能(skill):指一种以个人的知识为基础的,能够以之完成某种活动,可以通过评价进行衡量的能力。技能可以通过必不可少的特定活动习得,但是仅有技能还不足以胜任某一职能。

胜任力(competency):指一个人的知识、技能和行动能力的集合,使个人有能力成功地做好某件事。

能力(ability):指在某个时间点从事某种特定活动的能力。

熟练程度(proficiency):指具有一定胜任力后达到的特定水准。

我主张从分析和解决问题的过程中去评估一个人,而不仅仅是从衡量其所具备的技能去评估一个人。例如,可以通过一个人在计算机语言(如SAS、R、Java、Python)方面的技术专长来衡量他的技术技能,但另一种更深层次的评价方法是评估他成功完成一项工作的能力程度。我们将在第12章中更详细地讨论这一点。

除了目前关于分析的“软技能”的讨论之外,我在第12章中分别详细讨论五个分析岗位序列的分析专业人员所需的能力。

工具与模板

如想更多了解分析团队在五个分析岗位序列方面的胜任力知识,请参阅www.analyticslifecycletoolkit.com

思维方式可能会影响一个人如何处理(并解决)一个问题,但在与他人合作时,要充分考虑到我们的思维方式(感知、判断、决定)可能和别人不同,这一点也很重要。毕竟,分析是通过科学的、基于事实的策略来影响行动(即进行干预)的方法论。

可视化技术专家Stephen Few总结了分析思维类型。在一篇文章中,Few推荐了一套称为“分析思维研究”的课程体系,用以强化分析专业人士分析思维能力的不足。具体而言,他列出了分析人员应具备的九种不同类型的思维模式:

1.全脑思维

2.批判性思维

3.逻辑思维

4.科学思维

5.统计思维

6.系统性思维

7.视觉思维

8.伦理思维

9.数据探查

每一个对分析感兴趣的人不仅需要阅读他的文章(Few,2015),还应该考虑如何培养分析人员,拓宽他们的分析方法论视野。

在本章中,我认为在评估分析团队胜任力时,很重要的是考虑团队的一些非技术方面的能力(见图2-7)。我们将在此讨论其中的四点:

1.分析思维能力

2.解决问题能力

3.批判性思维能力

4.系统性思维能力

图2-7 分析岗位所需的关键胜任力