《驾驭大数据》一8.3 每一位优秀的分析专家都是独特的

简介:

本节书摘来异步社区《驾驭大数据》一书中的第8章,第8.3节,作者: 【美】Bill Franks 译者: 黄海 , 车皓阳 , 王悦 , 等 责编: 杨海玲,更多章节内容可以访问云栖社区“异步社区”公众号查看。

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。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
13天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
26天前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
1月前
|
数据采集 运维 数据挖掘
API电商接口大数据分析与数据挖掘 (商品详情店铺)
API接口、数据分析以及数据挖掘在商品详情和店铺相关的应用中,各自扮演着重要的角色。以下是关于它们各自的功能以及如何在商品详情和店铺分析中协同工作的简要说明。
|
2月前
|
API
GEE案例分析——利用sentinel-3数据计算空气污染指数(Air Pollution Index,简称API)
GEE案例分析——利用sentinel-3数据计算空气污染指数(Air Pollution Index,简称API)
104 0
|
20天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
27天前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。
|
1月前
|
分布式计算 NoSQL 大数据
探索数据宇宙:深入解析大数据分析与管理技术
探索数据宇宙:深入解析大数据分析与管理技术
55 1
|
2月前
|
分布式计算 并行计算 大数据
Python多进程在数据处理和大数据分析中的应用
Python多进程在数据处理和大数据分析中的应用
|
2月前
|
SQL 数据可视化 数据建模
大数据分析利器之Power BI,你是否已经掌握?
大数据分析利器之Power BI,你是否已经掌握?
49 0