數(shù)據(jù)技能從哪學起？看看這張矩陣分析圖

數(shù)據(jù)科學相關的技能和工具有各種各樣的，想要轉型數(shù)據(jù)的公司往往覺得無從下手，自己的團隊到底該加強哪方面的技能儲備才能有最大商業(yè)回報呢?撒網式招聘對于很多初創(chuàng)公司過于昂貴，本文提供了一個分析矩陣，幫你正確評估對針對你投入產出比最高的數(shù)據(jù)技能。

數(shù)據(jù)技能(Data skills)——將數(shù)據(jù)轉化為洞察力和行動的能力——成為現(xiàn)代經濟的驅動力。根據(jù)世界經濟論壇的報告，受到勞動力市場變化影響工作崗位逐漸萎縮，專注于計算和數(shù)學領域的工作崗位卻呈現(xiàn)出最強勁的增長勢頭。

因此，處于數(shù)據(jù)驅動經濟增長的環(huán)境下，無論是為了實現(xiàn)自身價值的最大化，或僅僅是為了我們和我們的團隊與時俱進，保持在就業(yè)市場的競爭性，我們都需要考慮讓自己擁有更多與數(shù)據(jù)相關的技能。但是你應該更關注哪些技能呢?

我們大多數(shù)人能跟上這一趨勢嗎?還是索性放棄回到那些正逐漸萎縮的領域，把數(shù)據(jù)相關的技能留給那些專家們去研究?

我們借助過去用過的一種分析方法來回答這個問題，曾經我們用它分析過如何從收益和成本的角度來確定優(yōu)先學習哪種Microsoft Excel技能。這次我們將“時間效用分析法”用于數(shù)據(jù)技能。“時間”表示學習某項技能要花費的時間，代表你或你的團隊掌握該項技能的機會成本。“效用”表示從多大程度上你需要這項技能，代表它會為你的公司和職業(yè)前景增加多大的價值。

優(yōu)先學習哪種技能：

https://hbr.org/2017/09/a-2x2-matrix-to-help-you-prioritize-the-skills-to-learn-right-now

把時間和效用相結合，你就可以得到一個簡單的2*2的四象限矩陣。

學習：實用性高，學習時間短。你可以不費吹灰之力就掌握這個技能，并快速為你和你的團隊增加價值。計劃：實用性高，學習時間長。雖然這項技能很有價值，但學習它意味著你要暫時放棄學習其他技能，把它列為最優(yōu)先學習的。因此你需要確保它物有所值。瀏覽：實用性低，學習時間短。你現(xiàn)在不需要這個技能，但它很容易掌握，所以只要稍微留意一下就行了，說不定哪天會用得著。忽略：實用性低，學習時間長。你沒時間浪費在它身上。為了幫助你決定學習的重點，我們根據(jù)這個方法繪制了關鍵數(shù)據(jù)技能圖。我們列出了各類角色需要具備的數(shù)據(jù)技能，考慮的職位角色包括：業(yè)務分析師，數(shù)據(jù)分析師，數(shù)據(jù)科學家，機器學習工程師或者增長黑客。

然后，我們根據(jù)這些技能在招聘信息、新聞報道和我們學員的反饋信息中出現(xiàn)的頻率來確定其實用性。最后，我們將技能的實用性與學習難度相結合——用掌握技能所耗時間作為衡量標準，評估學習每項技能的難易程度。

我們用這種方法評估的是數(shù)據(jù)技能而不是某項特定技術：因此，我們考慮的是機器學習而不是TensorFlow;是商業(yè)智能而不是Microsoft Excel等。一旦你根據(jù)自己的情況確定了該優(yōu)先掌握哪些技能，你就知道什么樣的專業(yè)軟件和學習方法對你最有幫助。

您還可以根據(jù)自己的情況調整分析方法，因為相同的數(shù)據(jù)技能對不同的人會產生不同的影響。以下是我們的結果：

在我們公司內部我們發(fā)現(xiàn)構建這個矩陣幫助我們解決了一個難題-到底該把主要精力放在哪里：乍一看，我們初選名單中的所有技能看起來都很有價值。但實際上，我們只能期望在少數(shù)幾個方面取得進展，至少在短期內。基于數(shù)據(jù)可視化具有高實用性和學習時間較短的特點，我們公司決定提升數(shù)據(jù)可視化能力，以獲取最佳投資收益。依據(jù)分析結果，我們已經采取了行動，并且開始使用Tableau為我們的客戶提供用量分析。

你也可以在你自己的公司中嘗試這個矩陣，它能幫助你的團隊確定現(xiàn)在最需要學習哪些數(shù)據(jù)技能。