数据驱动力：企业数据分析实战

48

｜

第

4

章

表 4-1：Harris 等人（2013）提出的角色与本章前文中提到的分析师角色的关系

数据业务人员 数据创意人员 数据开发人员 数据研究人员

商业分析师 数据可视化专家 数据科学家 统计学家

数据分析师 数据工程师 金融工程师

会计和财务分析师

理想情况下，管理者在招聘新员工时必须考虑

3

个层面。

个体层面

此人是否合适？是否拥有我们寻找的技能、潜力和魄力？

团队层面

此人能否和团队其他成员相配合，填补团队的不足之处，或者强化团队的薄弱环节？

工作层面

团队状况与其工作职责是否相匹配？换言之，达成预期目标的最佳团队应该是什么样

的？例如，专注于金融预测建模的工作与专注于优化客户服务的工作，其要求的最优人

员技能配置是不同的。

4.3

　技能和素质

优秀的分析师有哪些特征？

4

计算能力

不必拥有数学或统计学的博士学位，但至少要擅长描述性统计（中位数、众数、分位数

等，见第

5

章）

，并且愿意学习新知识。

注重细节和方法

如果高管依赖这些数字、报告和分析做重大业务决策，那它们最好准确无误。分析师必

须三思而后行。

适度怀疑

优秀的分析师会培养敏锐的“预感”能力，能在原始数据、聚合数据或分析本身的问题

初现时就发现它们。首先，他们会主动地仔细考虑数据取值的有意义范围。其次，他们

会主动检验数据有效性，并在指标和预期不同时复核源数据和计算。

自信

分析师在向（资深的）同事展示自己的分析结果时应充满自信。如果他们的结论出人意

料或者暴露出严重的低效率，他们的数据和分析可能会遭受质疑。因此，分析师必须对

注 4： Stephen Few ...