Press "Enter" to skip to content

数据技能从哪学起?看看这张矩阵分析图

数据科学相关的技能和工具有各种各样的,想要转型数据的公司往往觉得无从下手,自己的团队到底该加强哪方面的技能储备才能有最大商业回报呢?撒网式招聘对于很多初创公司过于昂贵,本文提供了一个分析矩阵,帮你正确评估对针对你投入产出比最高的数据技能。

 

数据技能(Data skills)——将数据转化为洞察力和行动的能力——成为现代经济的驱动力。根据世界经济论坛的报告,受到劳动力市场变化影响工作岗位逐渐萎缩,专注于计算和数学领域的工作岗位却呈现出最强劲的增长势头。

 

 

因此,处于数据驱动经济增长的环境下,无论是为了实现自身价值的最大化,或仅仅是为了我们和我们的团队与时俱进,保持在就业市场的竞争性,我们都需要考虑让自己拥有更多与数据相关的技能。但是你应该更关注哪些技能呢?

 

我们大多数人能跟上这一趋势吗?还是索性放弃回到那些正逐渐萎缩的领域,把数据相关的技能留给那些专家们去研究?

 

我们借助过去用过的一种分析方法来回答这个问题,曾经我们用它分析过如何从收益和成本的角度来确定优先学习哪种Microsoft Excel技能。这次我们将“时间效用分析法”用于数据技能。“时间”表示学习某项技能要花费的时间,代表你或你的团队掌握该项技能的机会成本。“效用”表示从多大程度上你需要这项技能,代表它会为你的公司和职业前景增加多大的价值。

 

优先学习哪种技能:

 

https://hbr.org/2017/09/a-2×2-matrix-to-help-you-prioritize-the-skills-to-learn-right-now

 

把时间和效用相结合,你就可以得到一个简单的2*2的四象限矩阵。

 

学习:实用性高,学习时间短。你可以不费吹灰之力就掌握这个技能,并快速为你和你的团队增加价值。
计划:实用性高,学习时间长。虽然这项技能很有价值,但学习它意味着你要暂时放弃学习其他技能,把它列为最优先学习的。因此你需要确保它物有所值。
浏览:实用性低,学习时间短。你现在不需要这个技能,但它很容易掌握,所以只要稍微留意一下就行了,说不定哪天会用得着。
忽略:实用性低,学习时间长。你没时间浪费在它身上。

为了帮助你决定学习的重点,我们根据这个方法绘制了关键数据技能图。我们列出了各类角色需要具备的数据技能,考虑的职位角色包括:业务分析师,数据分析师,数据科学家,机器学习工程师或者增长黑客。

 

然后,我们根据这些技能在招聘信息、新闻报道和我们学员的反馈信息中出现的频率来确定其实用性。最后,我们将技能的实用性与学习难度相结合——用掌握技能所耗时间作为衡量标准,评估学习每项技能的难易程度。

 

我们用这种方法评估的是数据技能而不是某项特定技术:因此,我们考虑的是机器学习而不是TensorFlow;是商业智能而不是Microsoft Excel等。一旦你根据自己的情况确定了该优先掌握哪些技能,你就知道什幺样的专业软件和学习方法对你最有帮助。

 

您还可以根据自己的情况调整分析方法,因为相同的数据技能对不同的人会产生不同的影响。以下是我们的结果:

 

 

在我们公司内部我们发现构建这个矩阵帮助我们解决了一个难题-到底该把主要精力放在哪里:乍一看,我们初选名单中的所有技能看起来都很有价值。但实际上,我们只能期望在少数几个方面取得进展,至少在短期内。基于数据可视化具有高实用性和学习时间较短的特点,我们公司决定提升数据可视化能力,以获取最佳投资收益。依据分析结果,我们已经采取了行动,并且开始使用Tableau为我们的客户提供用量分析。

 

你也可以在你自己的公司中尝试这个矩阵,它能帮助你的团队确定现在最需要学习哪些数据技能。

 

相关报道:

 

https://hbr.org/2018/10/which-data-skills-do-you-actually-need-this-2×2-matrix-will-tell-you

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注