做数据分析需要注意技术能力与商务视野的平衡

我们认为，数据科学求职者需要“在技术能力的深度与商务视野的广度之间做好平衡”（引自Chris老师原话）。以下有两点体会：

1. 对于初学者，基础一定要扎实

具体什么叫扎实，最基本的是python machine learning的操作要熟练，理论上要理解，统计分析要精通。然后是数据清理环节，对Python， SQL上的数据操作也必须熟练，毕竟这个是在工作中耗时最多的。再然后是对分布式系统下的数据操作和数据Pipeline也要动手操作。光听过一些课程，没动过手，那跟听郭德纲相声没区别。这些都动手做好了，才叫基本功扎实。

如果基础都不扎实，就开始挤入各种展会，跟各位数据公司CEO高谈阔论企业发展，发表business的高见，这是不行的。企业的大佬可以不计较技术细节，因为别人是老大，考虑问题的层面不一样。但对于初学者，或者数据科学的求职者，这样的形象就是夸夸其谈的骗子，应聘数据科学就是找死。初学者基础一定要扎实。

2. 具体领域商业价值分析能力

这方面是“老中技工”特别欠缺的。这方面的能力决定了以后职业发展的天花板有多高。就算你爬到最高了，如果缺乏这样的能力，危害的将是整个公司（那谁从市值超1000亿美元跌到现在以40多亿美元卖给了verizon）。中国学生，尤其是中国工科生，特别容易进入“只管学工具，不管整体的商业逻辑”的陷阱。

这种思维，是机械的工具论，将自己钉死在了“技工”这条路上，把自己当成高效的“螺丝钉”。这样的后果有两个：

A.被机器替代。随着技术的进步，很多“技工”的岗位会迅速被机器或者AI替代，除非你是极为顶尖的技工，要不然下场都是败给机器，被扫地出门；

B.被其他更有business insight的人替代。烙印能够通过极为出色的交流能力，迅速理解企业的business model，并与各管理部门保持良好的沟通，准确把握企业发展的方向，然后就被领导提携重用（劈柴就这样被带到了Google CEO）。剩下的老中“技工”，一遇到经济周期波动，就会被成片的裁掉(paypal)，就算你想为美国健康工作50年别人也不让。

我在跟老师交流过程中，老师若干次提到：对老中工程师，虽然目前技术还是立身之本，但眼光一定要开阔。这些都是金玉良言，大家一定要听。