2005年的国际大专辩论赛上有一道辩题“专才还是通才哪个更吃香？”。15年过去了，这个问题依然是众多人在面对职业选择时无法逃开的问题。当年执中欧巴代表世新大学作为正方的论点是专才更吃香。

这似乎也是我们在数据分析和科学这个领域的认知：专业的数据分析师比一个在数据领域广泛涉猎但并不深入的“通才”要更吃香。因为我们习惯性的认为在专业领域的细致和深入程度对公司的商业目标达成有着决定性的作用。

然而，事实并没有想象的如此简单。

我们都知道，专家型人才十分擅长专业领域中的工作，但有时候在遇到一些前所未见的问题，或者工作的流程规则并不明确的情形下，他们将会感到困难重重，力不从心。

更无奈的是，在许多的商业角色中，尤其是在小型的，结构扁平，制度非常灵活的公司，非常需要一项他们不具备的能力，那就是：解决不确定性问题的能力。而这种能力恰恰是数据科学通才所擅长的：他们广泛涉猎不同类型的工作角色以及具有多样的行业背景。虽然，这使他们的职业生涯看上去有些混乱，但实际上这些经历证明了他们确实能够解决很多商业问题，而这就是使他们立足数据分析科学领域的绝对优势。

大公司VS小公司，通才VS专才    

不知道你是否参加过有关数据科学话题的研讨会？我在这种场合发现这种主题的会议着重强调数据分析的案例问题和解决方案，或是关注业界排名前5%的公司所关注的商业问题。

这种类型的业务需要具备领导力的人才，关于领导力的探讨不仅流行在行业的相关研究文献中，如今在组建数据团队的案例中也可以看到这个话题的影子（当然在招聘信息中也很常见）。传统的“专业人才”模式在数据科学业界中也许发挥着很有效的作用，尤其在大型企业中几乎是随处可见，但令人遗憾的是，对于剩下的95%的企业，这种模式并不能发挥同样的作用去帮助他们解决数据相关的项目。这类数据项目要求分析人员广泛涉猎，知道用什么样的数据分析技术和方法为公司内部或者外部的客户解决相应的问题。

上图展示了一个数据分析团队以数据为核心来解决问题所需的各项工作版块。每一条虚线都把不同类型的工作技能清晰的划分出来，如果利用所有的技能，那么就足够解决实践中的商业问题。如果企业选择“专才”的模式来组建团队，就需要针对每一种特定的任务来匹配相应的业务人员完成如上图划分出来的不同的任务。

在我们所说的前5%的大型企业中，专业人才模式是能够有效的运作的，因为这种类型的公司有足够的资源招揽不同业务所需要的专业人才，或者招来能够领导整个项目的领导型人才。需要注意的是这类公司有能力保证这种模式有效运作。

然而如果是一般类型的公司，组建太多的部门或者团队，以及扩大团队规模会在解决业务问题上带来很多不必要的复杂流程，这会给项目顺利开展带来不必要的麻烦。然而这种麻烦也并不是有意而为之，只是因为这种模式缺乏能够跨部门，或是跨领域管理的机制。

这个问题在数据科学团队和商业部门之间很常见，有时数据科学团队花了几周为了预测一个变量而建模，但最后还是会发现所做的东西并不是业务部门想要解决的。

在其他的95%的公司中，“专业人才”模式几乎难以有的放矢。

为以上每一种类型的业务招聘这种专业人才是比较常见的做法，但如果这样做，会给这种中小型的公司带来很大的成本。

所以对于大公司来说，假设你需要找一个人专门用时间序列预测或是通过倾向性评分模型解决零售方面的商业问题时，那么你就去找那些在他们职业生涯中只专注于这类工作的人。但是，在现实中，小型公司很难能够允许一个人只专注做一项任务，所以对于中小型企业来说，他们的招聘目标更多的是：找到能够解决某一类商业问题的人才。他们不会只专注做一项任务，还会自然而然地承担其他领域的工作，从获得更全面的锻炼和技能提升。这是专业人才模式无法实现的。

为什么我更偏爱“全能型”人才

我认为80%的情况下，我会向HR建议招聘一个全能型的人才，而不是专业型人才。并不是说全能型的人才比专业性人才好，而是从我过去的工作所见的80%情况中，全能型人才的需求更大。

那么，如何定义全能型人才呢？

我觉得这类人才具备广泛的技能类型和专业领域的知识，至少能够达到某些领域所要求的平均水平。从某种程度上来说，这种类型的人总是要扮演不同的工作角色，去到不同的部门或者分配到不同类型的任务，而无法在某一个方向职业化，但这也使他们变得独特，这些经历赋予了他们不同的技能，提供了不同于专业人才的是假，使他们能够发现和解决专业人才很难发现的问题。这一系列的技能综合起来非常适合去解决现实中无法用直接传统的方式解决的问题。

这种“全能型”人才的模式，并不注重专业化的东西，而更关注的是这些人如何将不同问题的本质联系起来。

所以，如果公司要解决的问题有着明确的方案和章程指导，或者是有相关专业人员一直负责类似的问题，那么这种情况最好由专业人才负责；如果某项工作的性质是具有开放性的，需要尝试一些新的思路方法的话（现实中这种带有复杂性的问题越来越多），就需要“全能型”人才来解决。

举个例子，假设你想用“人工智能和机器学习模型”做项目，好了，很不幸，你目前所在的公司里找不到能够让你一起讨论AI的人，或者你也找不到曾经做过的类似的业务来进行参考。这个时候，你首先需要一个能够帮你搭建起整个流程的通才，从数据架构和系统到运行平台，因为你需要一个可以用来查询数据的数据管理系统。然后你需要利用AI去假设有可能发生的“if-then”业务情境。这种情况就需要一个全能型人才在项目开始的时候去落地一些基础工作，随着项目的发展，根据业务需要，之后可以再加入专业型人才在某些细节的工作上加强业务效果。

再举个例子，假设你所做的市场项目想要一些自动化的dashboards、可视化报告，或者统计数据。首先，你需要一个市场方面的数据管理系统架构来帮助你进行数据收集、处理的自动化。你也许会觉得你的团队需要的是在市场营销方面有一定经验的人，同时也具备一些数据类的技能去搭建数据库。

所以，千万不要去招一个Google Analytics的专家并且期待他能够完成这类项目，对于他们来说，他们期待的是现成的数据摆在他们面前然后进行分析，这是你无法提供的，同时这也不能实现你的目的。这样一来只能让你的员工感到失望沮丧，而你也无法解决项目问题。

所以，这时候，我们可以看到多重技能人才的好处（不要像大多数对此而持悲观的看法），这样的团队最终会收获满满的成就感，而你的项目也会收获最好的效果。

与其期待专业人才帮你解决问题，不如通过“全能型“人才模式，让你的团队在各种不确定性的复杂问题中获得理想结果。这点十分适合小而制度灵活化的企业，这类公司通常会遇到不确定的变化和新的问题，而架构稳定的公司并不会产生太多的变化，也并不是那么需要这种模式。

可能关于“全能型人才”你会觉得比较夸张，但我所说的一切都有相关的文献支持这些观点，很多观点都收录在一本书中：《Range》，由David Epstein所著（读一读吧！）。与常见的观念相反，组织一批“专业人才”去解决一个问题有时候并不是最好的方法，最好的解决创新型问题的人才来源于那些能够了解不同领域，掌握不同技能的人：他们能够结合不同类型的业务经验，配合合适的数据科学技术方法，创造性的去解决现实中复杂的商业问题。

Takeaways

● 与常见的观念相反，掌握一大堆不同类型的业务经验并不会把你变成一个“百事通”，而是能够提高你看见和解决一些别人看不见的问题的能力。

● 高度专业化的人才在某些时候是很重要且能够发挥很大的价值。一些高度需要技术能力的工作很适合这些专业人才来做，但并不适合全能型人才。所以根据全能型人才的模式图，企业要清楚招聘的目标。

● 大规模的公司比小型公司更适合招聘专业型人才。这是因为大型公司的业务运营规模较大，每一项业务都会由多人共同协作完成，所以每个人都有特定的任务。而如果一个公司的主要目标是需要创新的，或是要探索未知的领域，那么“全能型人才”的模式更合适。

● 如果你正处于职业的起步期，不要急着决定到底是当一个全能型的人才还是专业人才，先搞清楚自己擅长什么再说。如果你比较享受在某一两个领域深入研究，那么你很有可能适合做一个专才，那么就去找一些需要专注技术能力的岗位。如果你有很广泛的兴趣，或者如果专注某一个领域太久很容易感到无聊，那么你更适合成为一个全能型人才。那么就只需要掌握一些基础的数据技能，但尽量涵盖更广泛的技能类型（比如你可以为商业智能项目抓取数据，或是创建一个机器学习模型做预测，或是创建一个网页APP能够展示多种数据）。同时，作为全能型人才，还需要花些时间让自己具备一些数据分析方面的知识：商业，金融，市场营销，设计，产品，这些都是作为一个数据分析师需要知道的。

如何掌握更广泛的营销分析方法、对各类应用场景中该使用什么数据分析方法都了如指掌呢？MarTechApe携手Apple、Airbnb、Walmart等美国一线互联网科技公司的数据科学家们，打造《营销分析专项课》，带你系统学习5中应用最为广泛的营销分析和商业分析方法！

1.课程老师

《营销分析专项系列课》由MarTechApe联合美国的一线营销分析和营销技术专家们共同研发推出，由以下美国名企管理层执教：

• 知名独角兽公司Airbnb硅谷总部，营销科技经理

• 苹果公司硅谷总部（前Ebay资深数据分析师），营销数据科学家

• 美国最大家具电商平台Wayfair，营销数据科学经理

• 美国电信巨头Verizon，营销效果经理

• 沃尔玛Walmart电商（前GroupM营销分析经理），数据科学经理

这门专项系列课由5个模块组成，涵盖了5种应用最广泛的营销和商业分析方法：

五大营销分析方法代表了Marketing Analytics领域最前沿的主流方法，是营销分析师/数据分析师为了测量营销效果必须掌握的重要方法和商业分析手段。

2. 课程大纲

在美国知名企业从业5-10年的营销分析、营销科技专家精心授课，每一位老师与他们教授的课程分别是：

3. 每课备有精心设计的课后作业和练习，及时巩固课程内容

一门课程唯有通过作业才能完全掌握。《营销分析专项系列课程》每周都有老师精心设计的作业和练习，类型包括：

• 案例分析题

• 编程题

• 简答题

• 思考题

精心设计的作业练习强调了课程重要知识点，在完成作业和练习的过程中，帮助学员巩固对课程的掌握程度。

4. 学员提出的任何问题都能得到助教详细解答，及时解决难点

5. 沉浸式学习体验，让网络课程更接近线下学习。防止课程囤积，助教督促完课

1). 班主任

负责为所有学员规划学习进程，布置作业与截止日期。

2). 助教团

助教团的助教老师们会nice地提醒大家课程进度，并进行线上答疑。

3). 作业和练习

每周一次作业，将课程所学进行巩固。花费时间15-30分钟。课件中附有数据和课外阅读供学员练习和扩展知识。

4). 专项大证书

当所有课程全部完成后，学员进行期末测试，获得70分（满分100分）以上的学员，就可以拿到Marketing Analytics营销分析这个专项的大证书：

如何报名？

原价：¥1540

疫情期85折优惠，仅需¥1299！

*我们提供标准Invoice，可用于企业报销

手机通道（微信支付）

网站通道（美元支付）

如果你曾购买过本专项中任意一门课程，请咨询小助手获得购买方式（如果你买的课程不在这五门之列，请勿扰）

小助手

何时开班

课程一经订阅，即可解锁所有课程相关视频，可自行调节学习进度。

课程班级群答疑与作业开始时间：2020年6月20日

还等什么，快来报名课程吧！