我们将于 10 月 15 日举办一场网络研讨会：L&D 领导者需要了解的数据素养要点。其中一大重点是为您组织中的关键数据角色打造合适的技能组合。以下是您将学到内容的抢先预览。
提升数据素养技能面临的挑战
数据素养是一种用来回答业务问题的方法论，而非像传统学习与发展项目那样教授和学习的单一技能。在扩展面向数据素养的学习与发展项目时，学习路径会因个人与数据交互程度不同而有所差异。比如，经常使用 Excel 的市场分析师可能需要学习 R 或 Python 才能胜任其工作，而经理或领导者可能只需了解如何基于数据做出有依据的决策。
为何应采用以角色画像为导向的方法
基于角色、以角色画像为导向的学习路径，更能有效扩展数据素养培训项目。尽管每个组织及其生成的数据各不相同，但个人与数据的关系存在共性。用数据角色画像来思考并扩展数据相关的技能提升是一种行之有效的方式。每种数据角色画像与数据的关系各异，需要不同的数据素养能力，才能赋能他们发挥最佳表现。组织可以将不同岗位映射到相应角色画像，并根据其学习需求打造精选且个性化的学习体验。
1. 数据使用者与领导者
数据使用者与领导者多处于非技术岗位，但会消费数据洞察与分析，以做出数据驱动的决策。他们常需要与数据专业人士沟通，应能分辨在何种情况下数据能够或不能用于回答业务问题。
电子表格：Google Sheets、Microsoft Excel 商业智能：Power BI、Tableau
示例职位名称
首席市场官、人力资源经理、销售负责人
2. 业务分析师
业务分析师负责将数据洞察转化为可执行的结果，以提升盈利能力或效率。他们对业务领域有深刻理解，常结合 SQL 与非编码工具来传达源自数据的洞察。
电子表格：Google Sheets、Microsoft Excel 商业智能：Power BI、Tableau SQL：PostgreSQL、SQL Server、Oracle SQL
示例职位名称
业务分析师、供应链分析师、运营分析师、财务分析师
3. 数据分析师
与业务分析师类似，数据分析师负责分析数据并汇报分析所得的洞察。他们深谙数据分析工作流，并通过编码与非编码工具的组合来呈现洞察。
编程语言：Python、R 电子表格：Google Sheets、Microsoft Excel 商业智能：Power BI、Tableau SQL：PostgreSQL、SQL Server、Oracle SQL
示例职位名称
数据分析师、业务分析师、供应链分析师、运营分析师、财务分析师
4. 数据科学家
数据科学家利用组织的数据进行探索、提取并汇报有意义的洞察。他们会将这些洞察传达给非技术干系人，并对机器学习工作流及其与业务应用的衔接有良好理解。他们几乎完全使用编码工具开展分析，且常与大数据工具打交道。
编程语言：Python、R、Scala SQL：PostgreSQL、SQL Server、Oracle SQL 大数据工具：Airflow、Spark
示例职位名称
数据科学家、数据分析师，也可包括“公民数据科学家”（即从事数据科学家相关工作的人员，但职位名称并非“数据科学家”）。
5. 机器学习科学家
机器学习科学家负责大规模构建机器学习系统。他们利用机器学习模型从数据中生成预测，以解决如流失预测和客户终身价值等问题，并负责将这些模型部署供组织使用。
编程语言：Python、R、Scala SQL：PostgreSQL、SQL Server、Oracle SQL 大数据工具：Airflow、Spark 命令行工具：Git、Shell
示例职位名称
数据科学家、研究科学家、机器学习科学家、机器学习工程师
6. 统计学家
与数据科学家类似，统计学家从事高度严谨的分析工作，包括设计和维护 A/B 测试与假设检验等实验。他们专注于量化不确定性，并在金融或医疗等需要极高严谨性的领域呈现研究结果。
编程语言：Python、R SQL：PostgreSQL、SQL Server、Oracle SQL
示例职位名称
量化分析师、推断型数据科学家、数据科学家
7. 程序员
程序员是高技术人才，在数据团队中工作，负责在访问和处理组织数据时将重复性任务自动化。他们弥合传统软件工程与数据科学之间的鸿沟，对代码的规模化部署与共享有深入理解。
编程语言：Python、R、Scala 命令行工具：Git、Shell
示例职位名称
软件工程师、数据科学家、Dev-Ops 工程师
8. 数据工程师
数据工程师负责将合适的数据交到合适的人手中。他们创建并维护基础设施与数据管道，将来自不同来源的海量原始数据汇聚到一个集中位置，为组织提供干净且相关的数据。
编程语言：Python、R、Scala SQL：PostgreSQL、SQL Server、Oracle SQL 命令行工具：Git、Shell 大数据工具：Airflow、Spark 云平台（如 Amazon Web Services）
示例职位名称
软件工程师、数据工程师、Dev-Ops 工程师
我们将于 10 月 15 日举办一场网络研讨会：L&D 领导者需要了解的数据素养要点。其中一大重点是为您组织中的关键数据角色打造合适的技能组合。以下是您将学到内容的抢先预览。
提升数据素养技能面临的挑战
数据素养是一种用来回答业务问题的方法论，而非像传统学习与发展项目那样教授和学习的单一技能。在扩展面向数据素养的学习与发展项目时，学习路径会因个人与数据交互程度不同而有所差异。比如，经常使用 Excel 的市场分析师可能需要学习 R 或 Python 才能胜任其工作，而经理或领导者可能只需了解如何基于数据做出有依据的决策。
为何应采用以角色画像为导向的方法
基于角色、以角色画像为导向的学习路径，更能有效扩展数据素养培训项目。尽管每个组织及其生成的数据各不相同，但个人与数据的关系存在共性。用数据角色画像来思考并扩展数据相关的技能提升是一种行之有效的方式。每种数据角色画像与数据的关系各异，需要不同的数据素养能力，才能赋能他们发挥最佳表现。组织可以将不同岗位映射到相应角色画像，并根据其学习需求打造精选且个性化的学习体验。
1. 数据使用者与领导者
数据使用者与领导者多处于非技术岗位，但会消费数据洞察与分析，以做出数据驱动的决策。他们常需要与数据专业人士沟通，应能分辨在何种情况下数据能够或不能用于回答业务问题。
常用技术与工具
电子表格：Google Sheets、Microsoft Excel 商业智能：Power BI、Tableau
示例职位名称
首席市场官、人力资源经理、销售负责人
2. 业务分析师
业务分析师负责将数据洞察转化为可执行的结果，以提升盈利能力或效率。他们对业务领域有深刻理解，常结合 SQL 与非编码工具来传达源自数据的洞察。
常用技术与工具
电子表格：Google Sheets、Microsoft Excel 商业智能：Power BI、Tableau SQL：PostgreSQL、SQL Server、Oracle SQL
示例职位名称
业务分析师、供应链分析师、运营分析师、财务分析师
3. 数据分析师
与业务分析师类似，数据分析师负责分析数据并汇报分析所得的洞察。他们深谙数据分析工作流，并通过编码与非编码工具的组合来呈现洞察。
常用技术与工具
编程语言：Python、R 电子表格：Google Sheets、Microsoft Excel 商业智能：Power BI、Tableau SQL：PostgreSQL、SQL Server、Oracle SQL
示例职位名称
数据分析师、业务分析师、供应链分析师、运营分析师、财务分析师
4. 数据科学家
数据科学家利用组织的数据进行探索、提取并汇报有意义的洞察。他们会将这些洞察传达给非技术干系人，并对机器学习工作流及其与业务应用的衔接有良好理解。他们几乎完全使用编码工具开展分析，且常与大数据工具打交道。
常用技术与工具
编程语言：Python、R、Scala SQL：PostgreSQL、SQL Server、Oracle SQL 大数据工具：Airflow、Spark
示例职位名称
数据科学家、数据分析师，也可包括“公民数据科学家”（即从事数据科学家相关工作的人员，但职位名称并非“数据科学家”）。
5. 机器学习科学家
机器学习科学家负责大规模构建机器学习系统。他们利用机器学习模型从数据中生成预测，以解决如流失预测和客户终身价值等问题，并负责将这些模型部署供组织使用。
常用技术与工具
编程语言：Python、R、Scala SQL：PostgreSQL、SQL Server、Oracle SQL 大数据工具：Airflow、Spark 命令行工具：Git、Shell
示例职位名称
数据科学家、研究科学家、机器学习科学家、机器学习工程师
6. 统计学家
与数据科学家类似，统计学家从事高度严谨的分析工作，包括设计和维护 A/B 测试与假设检验等实验。他们专注于量化不确定性，并在金融或医疗等需要极高严谨性的领域呈现研究结果。
常用技术与工具
编程语言：Python、R SQL：PostgreSQL、SQL Server、Oracle SQL
示例职位名称
量化分析师、推断型数据科学家、数据科学家
7. 程序员
程序员是高技术人才，在数据团队中工作，负责在访问和处理组织数据时将重复性任务自动化。他们弥合传统软件工程与数据科学之间的鸿沟，对代码的规模化部署与共享有深入理解。
常用技术与工具
编程语言：Python、R、Scala 命令行工具：Git、Shell
示例职位名称
软件工程师、数据科学家、Dev-Ops 工程师
8. 数据工程师
数据工程师负责将合适的数据交到合适的人手中。他们创建并维护基础设施与数据管道，将来自不同来源的海量原始数据汇聚到一个集中位置，为组织提供干净且相关的数据。
常用技术与工具
编程语言：Python、R、Scala SQL：PostgreSQL、SQL Server、Oracle SQL 命令行工具：Git、Shell 大数据工具：Airflow、Spark 云平台（如 Amazon Web Services）
示例职位名称
软件工程师、数据工程师、Dev-Ops 工程师