1700433618
8.3.3 当心“人力资源清单”
1700433619
1700433620
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。
1700433621
1700433622
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。
1700433623
1700433624
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。”
1700433625
1700433626
根据知识和技能招聘，而非勾选多选框
1700433627
1700433628
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。
1700433629
1700433631
8.4 优秀分析专家身上经常被低估的特质
1700433632
1700433633
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。
1700433634
1700433636
8.4.1 承诺
1700433637
1700433638
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，使项目获得最终成功。当然也有人不愿意这么卖力地干活。在公司里，我们得弄清楚哪些人靠得住，哪些人靠不住。任何优秀的分析专家都会言出必行。幸运的是，我们在面试过程中通过候选人对自己以前工作和成果的描述，就可以看出这种特质。认真倾听，就能找出可以满足承诺这项要求的候选人。
1700433639
1700433640
关于承诺真的不需要讲那么多。我们都知道承诺对于各个领域的重要性，这其中当然也包括分析领域。
1700433641
1700433643
8.4.2 创造力
1700433644
1700433645
创造力并不是大多数人一想到的分析专家就会想到的特质。大多数人以为分析专家的工作就是处理那些一成不变的统计公式。他们只需要按书本上说的那样做就行了，并不需要创新。事实是这样的吗？
1700433646
1700433647
肯定不是。根本原因是我们遇到的每个业务问题都是不同的，而解决各种问题的数据往往都会很复杂且不完整。分析专家必须得想清楚要以怎样一种全新的方式，并利用手头上的数据解决新出现的业务问题，这就需要创造力了。没有哪本书或哪套规则能够说清楚我们要怎样做关于业务问题的大量决策，怎样以正确的方式把事情全部做好。
1700433648
1700433649
另外，每次分析专家都会遇到一些不可预见的问题。有时候遇到的只是小问题，有时候会遇到大麻烦。每次遇到“@#％$&*!!!”，分析专家就会意识到碰到大麻烦了。创造力就是解决这类问题的新方法。我们遇到的可能是数据问题，也可能是实际动手分析时才发现自己没有真正理解的业务问题。创造力的存在就是要解决这些困难，并得到最终结果，达成目标。
1700433650
1700433651
不要低估分析专家创造力的重要性。创造力在那些自称为分析专家的人身上并不常见。以创造力作为评判标准会筛选掉很多人。如果给你10个人，有两三个人能满足要求就不错了。有的公司会使用性格测试，有的会让候选人解决随机出现的问题来评判他们是否有创造力。我评判一个人是否有创造力的方法是，让他自己讲在遇到“@#％$&*!!!”这类分析问题时他是怎么做的。有创造力的人讲出来的故事往往很动听，而没有创造力的分析专家只会把自己解决问题的步骤简单地罗列出来。
1700433652
1700433653
1．干净的数据只存在于教科书中
1700433654
1700433655
干净的数据真的值得在本节中用单独的一部分讲解吗？我们在这里讲干净的数据是因为，分析专家的数据处理方式必须得有创造性。数据永远不会像我们想的和要求的那样干净，数据永远都会有缺陷、不完整和错误，数据还会违背分析方案中的一些假设条件。
1700433656
1700433657
我们在学校上学的时候，都认为数据应该是准确的、干净的、完整的。如果有的数据点不是这样，那我们就会弄清楚原因，然后调整数据。每一个在校生都拥有这个疯狂的想法，教科书的例子反映了他们以后将在商业世界中遇到的情况。但是，商业肯定不是按照教科书的方法在运转。数据永远不可能跟课堂案例一样简单。例如，性别编码除了“M”、“F”、“U”以外，还可能由于某些未知原因而变成“H”。同样，客户也许会在杂货商店购买10000000美元的商品。还有，虽然产品将被卖出，但其产品代码却并不存在。
1700433658
1700433659
这些情况会产生严重的问题。换句话说，当数据并不是我们想要的和我们所要求的，我们要怎么办？我们是不是应该忽视那些没有真正发生购买行为的消费者？我们是不是要把“H”变成“U”？产品代码能否被正确识别？弄清楚如何才能最有效地利用分析数据是任何分析工作中最困难的部分，这需要有一定的创造性。如果分析专家发现数据不完整，不能充分地解答我们期待的问题，就应该发挥创造力找到方法让不可能变成可能。在这个过程中，我们可能要弃用其中某部分数据，或者修正一部分数据。我们可以从快速解决问题并取得小小的胜利开始，然后在此基础上不断完善已有的成果。
1700433660
1700433661
追求完善，而非完美
1700433662
1700433663
解决业务问题时，我们追求的目标应该是不断完善，而非追求完美，理解这一点很重要。如果只要把数据弄得干净一点，就能获得一些工作成果和提升机会，这该有多好。优秀的分析专家关心的是如何完善工作成果，如何从不标准的数据中努力获得他们想要的结果。分析结果本身可能并不完美，但它们足以支撑决策，我们大可以此为基础不断地改进策略，这样就已经很好了。
1700433664
1700433665
会员卡分析就是这样一个领域，它的数据永远也会不完美。即使是最忠实的客户也不会记得每次都使用他们的会员卡，这就意味着每位客户的“整体”消费状况都是不完整的。然而，事情还可以补救。真正优质的客户大部分时间还是记得使用他们的会员卡的。对于理解客户消费，这些数据已经够用。事实上，缺少一些数据并不意味着分析就做不了。当然，有的客户可能会因为信息不完整而被略微低估，但我们根据这些数据其实已经足以做出决策了。优秀的分析专家肯定明白这一点。
1700433666
[
上一页 ]
[ :1.700433617e+09 ]
[
下一页 ]