阅读：0
听报道
编译：周家乐、睡不着的iris、夏雅薇
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-2x2-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，你就知道什么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-2x2-matrix-will-tell-you
话题：
0
推荐
财新博客版权声明：财新博客所发布文章及图片之版权属博主本人及/或相关权利人所有，未经博主及/或相关权利人单独授权，任何网站、平面媒体不得予以转载。财新网对相关媒体的网站信息内容转载授权并不包括财新博客的文章及图片。博客文章均为作者个人观点，不代表财新网的立场和观点。
京公网安备 11010502034662号 