KSA是HR领域的概念,原本说的是评价人能力的三个维度。
- 知识Knowledge:完成任务必须掌握的理论知识。
- 技能Skills:完成任务必须的工具操作技能。
- 能力Abilities:完成任务所必须的思维、沟通、协调等能力。
知识是能背诵的,有客观评价标准的。如果是自然科学知识,很有可能有唯一的正确答案,社会科学知识不见得有唯一答案,但是在一定范围内有约定俗成的理解和解释。
技能是需要操作、练习、反复训练才能能掌握的。技能以知识作为依托,需要借助工具实现。不同的工具需要的技能不同,越强大而工具实现的效果越好。
能力则需要见识和悟性!有意思的是,在面对实际问题的时候,理解能力、沟通能力、共情能力、协调能力、往往比知识和技能都更能直接产生作用!
对应到数据分析上KSA:
- 知识Knowledge:《数学》《统计学》《管理科学》《运筹学》《机器学习》
- 技能Skills:excel、ppt、sql、python、tableau、hadoop、spark……
- 能力Abilities:需求沟通、用户洞察、逻辑推理、实验设计、总结汇报……
并且在工作中懂数据和不懂数据的人,数据分析的角色完全不同:
- 懂数据的人看起来,数据分析S的成分最大,数据采集、数据清洗、数仓设计都是脏活累活,得认真耕耘才有一个靠谱的数据可用。
- 在不懂数据的业务方看起来,数据分析A成分最大,这帮人一张嘴就是:“底层思维”“核心链路”“内功心法”,然后满嘴跑火车,却连最基础的数据从哪来,准不准都不考虑。
- 在不懂数据的新人看起来,数据分析K的成分最大,总是觉得有一本书已经写好了答案等着他可以抄。遇到问题总是到处问“常规的,标准的,头腾阿的做法是什么?”
如运用KSA?
如果对方不懂技术、没有计算机/数学专业背景、没有数据分析从业经历,就不要轻信他说的:“分析模型”“用户画像”“精准预测”,他大概率说的跟KS没关系。这时候需要的是A(沟通能力)从他的提问背景、想达成的目标、遇到的具体问题等角度入手,整明白需求。
如果对方有技术背景,且提及一个准确的技术概念,先跟他就事论事,讨论清楚技术问题本身(S的问题),如果技术路线没有问题,但是他做的仍不能被同事/领导接受,大概率是A上的问题,这时候不要再钻技术的牛角尖了,试着分析一下他的工作环境、项目目标、领导态度,会有很大收获。
网友评论