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