拥抱分析能力理论

如今，随着数据分析技术，分析工具以及分析平台的飞速进步，对任何一个机构来说，要保持分析工具和劳动力质量跟上潮流是很困难的。

经常有客户问我，为了适应这些变化，他们是否需要变革分析机构的大部分结构。我坚决认为，基础分析技能保持原地是不可能带来最终的成功的。那些技术需要协调起来，而且要不断更新。

事实上，我认为运动能力和数据分析能力有很相似。在学习多种语言和不同数据分析环境下学习工作两者之间我也认为有很大相似性。接下来我会解释我在这篇博客中这么说的原因，希望让表述更清晰，不会那么吓人。

分析能力理论

人们通常接受“遗传运动能力”这种说法。这种概念只是简单地说明了哪些人是有运动天赋的和哪些人是不具运动天赋的。但是任何人都可以通过训练来使他们先天的运动能力最大化，先天不具很好运动天赋的将不会在任何运动中展现精英级的水平。另一方面，具有超强运动能力的运动员经常会在多个运动领域表现出竞争性。运动能力是以先天条件为前提这种理论被大家接受部分是由于在现实中是很容易来评判一个人是否具有运动天赋。如果你在球场或者运动场观察某人比赛后，你就能判断他是否具有很好的运动能力。运动员特别能很快地对其他运动员做出评估。

我认为类似运动能力，统计技巧，数据和分析学大部分也是基于遗传的。那些具有正确的分析技巧的基因的人，若是被激发，就能达到很高的数据分析水平。同时，那些数学不好，不理解数据在一起搭配是多么复杂，或者反感分析工作的将会很可能几乎都永远达不到分析学上的普通水平。

好消息是如果你雇了有很好的先天分析技巧的员工，他们将能够轻松的适应新的工具，新的技术，以及新的问题。这个过程需要一些努力，但这是可以做到的，就像好的运动员在多个运动领域都能表现一样。对于一个门外汉来说，你是很难像观察运动天赋一样去看他是否有分析天赋。但是，优秀的，博学的数据分析经理就能很容易的看出某人身上是否有这种天赋。

学习语言VS学习一门新的语言

另一个很多人担心的问题是使用一种新的分析工具或者一种新的数据分析编程语言是否就意味着要雇一个员工。再次申明，我认为这是一种被误导的忧虑。如果某人在利用SAS编写分析程序方面是一个“摇滚明星”，他们在使用R上也会成功的。同样，在R语言上能够写出精因级别程序员才能写出的代码的人也能成为SAS上的专家。这种情况也适用于Python或者其他语言。但是，为什么是这样呢？

原因是编程中真正难的部分是起初学习怎么编程的过程。类似条件逻辑，合并数据等概念要人去慢慢适应。不管我开始适应的编程语言是什么，你将必须去学会这一切是怎么运行的。然而，一旦你学会了如何编程，学习另一门编程语言就会变得很容易。如果你掌握了你要应用的确切逻辑并且知道你的程序需要怎么运行的时候，你已经完成了最难的部分了。利用另一个语言编程就是简单的将你已经掌握的逻辑转化成一种新的语法。这比学习你的第一门编程语言的语法容易多了。

就这一点而言，我认为这和我们学习外语之间有很大联系。当你是一个小孩的时候，你的主要任务就是学习如何用口语和书面语与交流。什么是名词？如何组织一句话？这些我们现在认为理所当然的东西在我们刚开始进入这个世界的时候可并非都那么明显。一旦我们理解了什么是语言，学习另一门语言就相对简单多了。如果我知道用英文我想说的是什么和我为什么要用英文说这些，将这些单词翻译成德语或者法语就是某种策略的和机械的过程了。

学完带走的东西

如果你集中于雇佣分析天赋很高的员工，你的公司将会为未来做好准备。就像好的运动员能互相发现一样，拥有很好分析水平的人才也会互相发现。

类似的，要记住学习说一门新语言与开始学习说话相比是比较容易的。同样的，那些证明自己能理解上下文的分析逻辑和编程的人将会很容易将那些知识应用在一种新的语言或者新的环境中。

不要去低估你已经具有的能力。可能它们正要准备提升并且会将你带上新的旅途。

原文链接：http://www.smartdatacollective.com/billfranks/430308/embrace-analytic-athleticism

数据分析网翻译小组翻译，翻译成员——江伟。