发帖
雷达卡
麦肯锡发明分析翻译 这个术语已经两年了 ，称其为“新的必备角色”，并预测我们需要大约 500 万个翻译翻译。
五百万
这比洛杉矶的总人口多一点，但比挪威的总人口略少。
在过去的十年里，我们一直在为“数据科学家”这个模棱两可的头衔而苦苦挣扎，然后是“公民数据科学家”。现在是“分析翻译”。
尽管我看到许多“数据科学家”将他们的 Linkedin 标题更改为“分析翻译”，但问题仍然是 没有人知道“分析翻译”的真正含义。麦肯锡似乎已经将这个词加入了哈佛商业评论的一篇文章中，并且不知何故已经扎根。更重要的是，人们似乎对这个词感到非常兴奋。
“我们一直在与模棱两可的‘数据科学家’作斗争，然后是‘公民数据科学家’。现在是‘分析翻译’”
一点背景
当阿姆斯特丹大学要求我开始培训专业人员如何成为“分析翻译”时，我必须开始正式确定成为“分析翻译”所需的技能。
由于麦肯锡负责发明这个术语，我想了解他们的想法。
经过一番挖掘，我发现他们正在回收他们发表的一篇 2016 年论文中的内容，该论文讨论了“业务分析师”的短缺问题。
因此，在这两篇麦肯锡文章发表之间的 14 个月内，“业务分析师”一词似乎已经演变为“分析翻译”。他们一定已经决定是时候引入一个新的职位了，更不用说我们还没有明确定义什么是“数据科学家”（而地球的一半现在、过去或将很快成为“数据科学家”）。
“‘业务分析师’这个词已经演变成‘分析翻译’”
什么是分析翻译？
很简单，分析翻译是能够理解业务需求和“数据科学”可能性的人。从这个意义上说，“分析翻译”是一套技能，不一定是角色或职位。
这套技能实际上非常重要。 在 O'reilly 最近的一项调查中，47% 的受访者表示这是阻碍采用 AI/ML 的最大挑战之一。
“ 47% 的受访者表示这是最大的问题之一
阻碍采用 AI / ML 的挑战“
一些公司可能有专门收集需求的角色，在这种情况下，角色本身可以正确地命名为“分析翻译”。 然而，它并不是“数据科学家”、“机器学习工程师”、“统计学家”或“产品所有者”的等效标签。充其量，“分析翻译”一词可以代替传统上含糊不清的头衔“业务分析师”。
即使您的公司不使用此职位，与分析翻译概念相关的技能也至关重要， 您应该努力确保您的大量员工“精通分析翻译”
分析翻译需要哪些技能？
在业务环境中促进数据科学项目的执行通常需要了解业务目标和流程；对分析词汇、技术、技术和过程有高层次的理解；以及跨职能沟通的能力。我将这些分为 3 个类别和 9 个主题。好吧，也许是 11 点。
“分析译员应具备特定技能”
基础技术理解
经典统计学基础（回归、探索性数据分析、假设检验、相关性等）
常见机器学习技术概述（深度学习、SVM、决策树、自适应增强、聚类算法等）
常用技术概述（编程语言、数据库概念、部署工具（docker、云）等）
了解模型构建、训练、部署和维护的生命周期
协作和沟通的基础
了解数据科学团队使用的框架和工具（scrum、看板、Jira、git 等）
利益相关者管理：设定期望、建立信任、变革管理
传达分析结果的技术（如 Stephen Few、Cole Knaflic 等）
基础业务理解
了解数据科学只是一个团队或部门的组织的各种横向和纵向元素的目标和优先事项
选择在当前经济和企业环境中最有可能带来商业价值的分析项目
关于技能 1-4，大量数据科学团队 由非技术经理管理 (4)。这些经理可能不需要了解团队项目的技术细节，但他们 了解高风险、高努力技术和低风险技术之间的区别至关重要。他们应该了解项目报告的背景术语，以便他们可以专注于他们的业务案例所特有的元素。他们应该能够看穿向他们抛出的任何 BS。
关于技能 5-7，重要的是要了解，当今使用的许多常见工具和方法（例如 scrum）是在过去 20 年中由软件开发人员开发并为软件开发人员开发的，而不是数据科学家。数据科学团队必须采用和调整使他们在独特任务中最有效的元素。同样， 当主题是定量的，特别是当观众是非技术性的时，视觉设计和沟通技巧需要特别考虑 。我见过很少有数据科学家在没有经过特殊培训的情况下与非技术人员进行良好的沟通。
作为对数据科学家的软技能培训的一部分，我有时会在此技能列表中添加 2 个附加项目，这些是
在多元文化环境中工作
处理办公室政治
为什么分析翻译技能如此重要？
分析翻译技能对于以下两个角色尤其重要：数据科学产品负责人和数据科学团队经理。如果没有分析翻译技能，这两个角色都无法在业务环境中发挥数据科学的全部潜力。分析翻译技能对于数据科学家（专门从事高级分析的个人）也非常有价值，既可以引导他们创造业务价值，又可以帮助他们更有效地与业务伙伴合作。
我们如何填补分析翻译的角色？
我同意麦肯锡的文章，即最好的解决方案是培训现有员工，而不是聘请分析翻译人员。现有员工已经对您的业务有深入的专有知识，并且已经与主要利益相关者建立了关系。举个例子，考虑一下阿姆斯特丹的一家 AI 医疗保健公司，该公司的员工授权医生作为其数据科学团队的产品所有者。在这种情况下，将分析翻译技能添加到招聘条件中尤其明显是不合理的，而提供培训是合适的解决方案。
“最好的解决办法是培训现有员工，
而不是雇佣这个角色。”
此外，分析翻译技能足够通用，大多数具有良好好奇心的员工都能很快学会它们，而我的经验是，如果有机会，大量经验丰富的专业人士确实渴望学习。许多公司正在建立内部分析翻译培训。对于那些没有接受过此类培训的人，可以通过在线课程学习部分技能，但教授商业、沟通和利益相关者管理技能相结合的公开招生项目相对较少。我确实在阿姆斯特丹大学商学院教授其中一些技能，并且我经常提供分析翻译技能的内部培训。
编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了
DA内容精选
京公网安备 11010802022788号
