資料科學相關的技能和工具有各種各樣的，想要轉型資料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回報呢？撒網式招聘對于很多初創公司過于昂貴，本文提供了一個分析矩陣，幫你正确評估對針對你投入産出比最高的資料技能。
資料技能（Data skills）——将資料轉化為洞察力和行動的能力——成為現代經濟的驅動力。根據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，專注于計算和數學領域的工作崗位卻呈現出最強勁的增長勢頭。
是以，處于資料驅動經濟增長的環境下，無論是為了實作自身價值的最大化，或僅僅是為了我們和我們的團隊與時俱進，保持在就業市場的競争性，我們都需要考慮讓自己擁有更多與資料相關的技能。但是你應該更關注哪些技能呢？
我們大多數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，把資料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确定優先學習哪種Microsoft Excel技能。這次我們将“時間效用分析法”用于資料技能。“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前景增加多大的價值。
優先學習哪種技能：
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，但學習它意味着你要暫時放棄學習其他技能，把它列為最優先學習的。是以你需要確定它物有所值。
浏覽：實用性低，學習時間短。你現在不需要這個技能，但它很容易掌握，是以隻要稍微留意一下就行了，說不定哪天會用得着。
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，我們根據這個方法繪制了關鍵資料技能圖。我們列出了各類角色需要具備的資料技能，考慮的職位角色包括：業務分析師，資料分析師，資料科學家，機器學習工程師或者增長黑客。
然後，我們根據這些技能在招聘資訊、新聞報道和我們學員的回報資訊中出現的頻率來确定其實用性。最後，我們将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标準，評估學習每項技能的難易程度。
我們用這種方法評估的是資料技能而不是某項特定技術：是以，我們考慮的是機器學習而不是TensorFlow；是商業智能而不是Microsoft Excel等。一旦你根據自己的情況确定了該優先掌握哪些技能，你就知道什麼樣的專業軟體和學習方法對你最有幫助。
您還可以根據自己的情況調整分析方法，因為相同的資料技能對不同的人會産生不同的影響。以下是我們的結果：
在我們公司内部我們發現建構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裡：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，我們隻能期望在少數幾個方面取得進展，至少在短期内。基于資料可視化具有高實用性和學習時間較短的特點，我們公司決定提升資料可視化能力，以擷取最佳投資收益。依據分析結果，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，它能幫助你的團隊确定現在最需要學習哪些資料技能。
原文釋出時間為：2018-11-5
本文作者：周家樂、睡不着的iris、夏雅薇
本文來自雲栖社群合作夥伴“
大資料文摘”，了解相關資訊可以關注“
”。