《驾驭大数据》一8.3 每一位优秀的分析专家都是独特的

8.3 每一位优秀的分析专家都是独特的

驾驭大数据
这些年最让我吃惊的是,我认识的每一位优秀的分析专家都是独特的,或多或少都会打破一些常规。我圈子里的一些人也有着同样的感觉。为什么优秀的分析专家往往会与众不同呢?列举我们认为优秀分析专家通常应该具备的基本特质,从清单上来看,会发现他们多少都会违背这些特质!在开始讨论更重要的特质之前,我们先来讨论为什么有些特质并非像看上去的那么重要。

8.3.1 教育

有一位多年前曾与我共事过的男士,他是我所认识的最优秀的分析专家之一。他的名字叫Bart,Bart早于我加入当时我在的那家公司,开始我并不了解他的教育背景。我很快注意到,这个人是真的行家。在我还是新人的时候,我会向他请教编程中遇到的问题,他既能帮助我处理统计方面的难题,还能帮助我掌握公司的业务。更重要的是,他甚至可以帮助我了解客户的业务。

过了一段时间,我才发现他“仅有”一个商科学位,还是本科,Bart根本没有什么高等学位。他仅仅是在商学院的时候学习了一些统计知识,他也没有接受过任何正规的编程训练,编程完全是他自学的。

Bart在工作中选修了一些课程,并向其他同事学习了工作所需的统计学基础知识。他还读了一些书,Bart的编程经验完全是靠实战获得的。最终,他变成了我所认识的最优秀的分析专家之一。但是在技术方面,他并没有受到过什么正规的学院派训练或者参加过什么技术培训。他就属于那种能够驾驭大数据的人。不要把注意力过多地放在正规教育背景上面。我们真正要关心的是分析专家是否拥有满足工作需要的实用分析技能。

8.3.2 行业经验

公司和招聘经理往往会非常关心分析专家或者其他人员的行业背景,这很常见。如果分析专家以前从事的是电信业,他们会认定这个人干不了银行业。如果分析专家以前从事的是银行业,他们会认定这人干不了制造业。如果以前是制造业的,他就干不了零售业。

这种看法是不公正的。假如说有两名合格的候选人,一个了解某行业而另一个不了解某行业,我们当然选择了解某行业的人了。但是,我们面临的选择往往不会这么简单。譬如说下面这样的两名候选人,一个是普通的分析专家,他了解本行业的方方面面,另一个是其他行业里卓越的分析专家,但他对目标行业没有任何了解。这时我们一定要选择后者,一名卓越的分析专家不分行业,他能很快地在新的行业里变得非常优秀。而平庸的分析专家很可能还驻留在原地踏步。此外,了解其他行业里的一些观点也是非常有益的。每一个行业都有自己特定的做事风格。优秀的团队可以从来自其他行业的分析专家身上学到很多新的知识。

放眼外部

招聘分析专家的时候,我们要不停地留意行业外部的情况。优秀的分析专家业务上手的速度会非常快。此外,他们还能带来自己行业里的新鲜思想和方法。从竞争对手那里招聘我们想要的人肯定错不了,但我们要给他们足够多的时间让他们能够更好地融入我们的团队。

下面我们来看一个真实的案例,主人公名叫Mark。在这个案例里,对行业的要求几乎是不能妥协的。Mark以前在银行业干了好多年。我们团队的人力资源非常紧张,我们需要新的人手来做一个零售业的客户。团队里面每个人都认为Mark是非常非常优秀的分析专家,但以他的银行业背景,他能干好零售业的项目吗?

优秀的分析专家肯定会认同这样的观点,他们是能跨行业工作的。凡是谈到跨行业工作,肯定是要改变自己以往的思维方式,学习新的术语,计算不同的指标,但他们肯定可以搞定。在其他许多行业中,这种论断也是正确的。Mark有机会在零售业项目中一展拳脚,他愿意投入额外的时间学习零售业的业务知识,也愿意与指定的零售行业专家紧密协作。第一个项目搞定数月后,当Mark再与其他零售业的客户见面时,客户甚至认为Mark已经在零售行业干了很多年。这是因为Mark“掌握”了项目背后的业务知识,能够把自己以往在银行业中学习到的概念灵活运用到零售行业里。Mark非常主动,有创造力,也很聪明,这才是关键所在。

8.3.3 当心“人力资源清单”

几年前,公司HR找到我说“我们制定了一些新规矩,你得帮忙更新空缺职位的必备条件和优选条件。从现在开始,任何纸面上写下来的必备条件都是百分百要遵守的绝对必要条件。”换句话说,如果职位描述说候选人要有学士学位,或者统计水平要比较优秀,那我们就不可能面试更不可能招聘不具备这些条件的人员。

考虑再三,我把修改后的清单发给了HR,上面列举了一长串的优先考虑条件。而必备条件只有一项:学士学位,不限行业。要有学士学位的唯一原因是要确保候选人接受过高等教育。坦白地讲,虽然只有一项必备条件,这份清单还是太过苛刻。

HR打电话给我,“Bill,你是不是搞错了?必备条件咋啥也没写,你是不是漏掉了一些重要的必备条件?”我告诉了他我的想法,我说,“坦白地讲,如果列出我通常认为的必备条件,那团队现有的成员都多少不符合必备条件。如果将某项列成必备条件,就不可能有例外,你说我还敢列出来吗?我不能因为工作描述的限制而冒险错过优秀的候选人。我宁愿写一个模糊的工作描述,这样我才可以找到合适的人选。”

根据知识和技能招聘,而非勾选多选框

招聘行业分析专家,我们可以从列举经验要求和教育背景的详细清单开始。第一轮面试前先准备一些(但非全部)多选框作为选择是合理的。但这种作法并不充分,考核一个优秀的分析专家涉及很多方面,并非只涉及技术因素这么简单。事实上,使优秀的分析专家显得与众不同的更多原因是,我们接下来将要讨论的除了技术因素外的其他因素。

时间: 2024-09-18 08:49:16

《驾驭大数据》一8.3 每一位优秀的分析专家都是独特的的相关文章

《驾驭大数据》一8.1 哪些人是分析专家

8.1 哪些人是分析专家 驾驭大数据被冠以分析专家头衔的人会有很多不同的称呼.以往最常见的称呼是分析专家.数据挖掘工程师.预测建模工程师以及统计人员.最近,数据科学家这个称呼比较流行,尤其是指那些使用MapReduce工具并分析大数据的人.本书将上述所有人全都认为是分析专家. 事实上,上述分析专家虽然头衔多种多样,但是他们技能的相似程度会大于差异程度.这些分析人员的日常工作都是利用数据解决业务问题.不同类型的分析专家所使用的工具或算法可能会有所不同,但优秀的分析专家会根据需求在不同领域之间自由徜

《驾驭大数据》一导读

前 言 驾驭大数据你收到一封邮件,邮件中提供了一套个人电脑的报价.而你几个小时前刚刚在这家零售商的网站上搜索过电脑的信息,似乎它们已经读出了你的想法--当你驱车前往这家商店购买这套个人电脑时,你路过了一家咖啡店,你看到了这家咖啡店的一条折扣信息.你获知由于你刚来到这片区域,你可以在未来20分钟内享受10%的折扣-- 在你享用咖啡的时候,你收到了一家制造商关于某产品的道歉,而你昨天刚刚在你的Facebook主页和这家公司的网站上抱怨了它们的产品-- 最后,当你回到家之后,你又收到了一条关于购买你最

《驾驭大数据》一8.4 优秀分析专家身上经常被低估的特质

8.4 优秀分析专家身上经常被低估的特质 驾驭大数据 下面我们讨论优秀分析专家身上最关键的特质.这些特质对其他业务领域也是有价值的,我们这么说并不是要否定它们对于分析的重要性.下述的每种特质都比我们以前讨论过的更重要.维持既有的分析流程会容易一些,如若要寻求新的突破,建立新的分析流程,人才招聘和人才挽留就显得比较重要了.要想成功地驾驭大数据,完成支撑大数据所需要的具有创新性的新业务分析流程,我们需要跨过更高的标杆. 8.4.1 承诺 承诺是普惠每个行业的特质.总会有人愿意挥洒汗水让项目按时交付,

《驾驭大数据》一3.10 本章小结

3.10 本章小结 驾驭大数据以下是本章的主要内容. 虽然各行各业都有广泛的大数据源,但它们仍有一些共同的主题.虽然目的不同,但各行各业都使用了相同的底层技术,如RFID. 许多大数据源都有隐私问题,我们一定要始终慎重对待这个问题. 车载信息服务数据可以针对汽车保险政策提供更好的定价策略.但是,我们收集的车载数据也有可能会使交通管理和道路规划发生革命性的改变. 文本数据是最大的,也是应用最广泛的一类大数据源.一般来说,我们关心的是如何从文本中提取到重要的事实,然后如何使用这些事实作为其他分析流程

零售品牌如何驾驭大数据主导商业决策?

从渠道粗放管理,商品粗放管道到移动互联网蓬勃发展,零售企业面对全渠道整合发展,也需要重新构建全渠道解决方案.零售不应再简单以线上.线下独立区分,而将真正从消费者的角度出发,逐步演变为各渠道融合,由卖出商品升级为与消费者建立情感联系.当消费者在实体店铺经过了解,试衣,选择某品牌的商品进行购买,那么,现在的消费者需要用他们最习惯的方法能保留下下次有机会再连接的方式,这个方式不仅仅是再次来店,也许是该品牌上新的图片或是秒杀,促销的信息.这才是消费者"偷懒"的想法,因为现在消费者选择的成本太大

《驾驭大数据》一3.5 电力行业:智能电网数据的价值

3.5 电力行业:智能电网数据的价值 驾驭大数据 智能电网是下一代电力基础设施.与我们周围经常见到的高压电传输相比,智能电网更先进更可靠.智能电网有非常复杂的监控.通信和发电系统,可以提供稳定如一的服务,如果出现停电和其他问题,可以更好更快地恢复.各类传感器和监控设备记录了电网本身和流经电流的许多信息. 智能电网中的一个环节是我们经常提到的智能电表.智能电表是一种传统电表的替代品.从外观上看,智能电表和我们一直使用的电表没有什么不同,但智能电表的功能更强大.以前抄表人员都是每隔几周或几个月就挨家

【重磅】互联网金融生态系统系列报告:金融机构如何驾驭大数据?

昨日,波士顿咨询公司发布<互联网金融生态系统2020系列报告之大数据篇--回归"价值"本源:金融机构如何驾驭大数据?>,大数据文摘第一时间得到授权,分享给各位读者. 回复"波士顿咨询"可一并下载3篇系列重磅文章: <互联网金融生态系统2020系列报告之大数据篇--回归"价值"本源:金融机构如何驾驭大数据> <BCG_互联网金融生态2020--新动力.新格局.新战略> <张越:变革时代新战略.新工具>

《驾驭大数据》一8.5 分析认证有意义吗,还是干扰视听的噪音

8.5 分析认证有意义吗,还是干扰视听的噪音 驾驭大数据近来关于开发分析专家认证项目的讨论多了起来.这类认证从概念上讲和注册会计师认证(CPA)以及理财规划师认证(CFP)没有什么不同.分析专家这种职业有必要发起认证项目,好让用人单位可以评估哪些人满足了最低用人门槛吗? 我曾经读到过有一些组织想要开发这类认证项目,也参与讨论过一些很酷的想法.最大的挑战在于要确切地弄清楚需要测试的内容.如若想要识别优秀的分析专家,我们前面已经很细致地讲过,技术敏感度很容易测试,但单纯参考关于技术的评价就是一种赌注

《驾驭大数据》一第3章 典型大数据源及其价值

第3章 典型大数据源及其价值 驾驭大数据当你开车路过一家餐厅的停车场时,你的手机屏幕上弹出了这家餐厅的当日特价菜品推荐,这种体验是不是很棒?如果赌场老板把发牌人忘记付给你的20美元亲自送还给你,你的心里是不是有点儿小激动?如果在线视频游戏能够把和我们玩法相近的用户即刻告知我们,这世界会不会变得很美妙?你是不是要下调汽车保险费率?大数据能让这一切变成现实. 在第2章中,我们已经讨论过了网络数据.网络数据即使不是最原始的大数据源,也是使用最广泛.认可度最高的大数据源.除此之外,还有很多大数据源,它们