分析翻译：事实还是虚构？
麦肯锡（Mckinsey）发明了术语分析翻译器已经有两年了  ， 它被称为“新的必备角色”，并预测我们将需要大约500万个。
五百万
这比洛杉矶的全部人口多一点，但仅比整个挪威少。
在过去的十年中，我们一直在使用模棱两可的标题“数据科学家”，然后是“市民数据科学家”。现在是“分析翻译”。
尽管我已经看到许多“数据科学家”将他们的Linkedin头衔更改为“分析翻译者”，但问题仍然在于，  没人知道“分析翻译者”的真正含义。麦肯锡（Mckinsey）似乎已经把这个术语编入《哈佛商业评论》（Harvard Business Review）的文章中，并且以某种方式扎根。更重要的是，人们似乎对该术语感到非常兴奋。
“我们一直在与模棱两可的'数据科学家'，然后是'公民数据科学家'作斗争。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如何成为“分析翻译”的专业人员时，我不得不开始正式确定“分析翻译”所需的技能。
由于Mckinsey负责发明该术语，因此我想了解他们的想法。
经过一番挖掘后，我发现他们正在回收他们发表的2016年论文中的内容，该论文讨论了“业务分析师”的短缺。
因此，似乎在这两篇麦肯锡文章发表之间的14个月中，“业务分析师”一词已演变为“分析翻译”。他们肯定已经决定是时候引入一个新的职位了，不要介意我们仍然没有清楚地定义“数据科学家”是什么（而地球的一半是，曾经是或即将成为“数据科学家”）。
““业务分析师”一词已演变成“分析翻译”
什么是分析翻译器？
那么，很简单，分析翻译人员就是可以理解业务需求和“数据科学”可能性的人。从这个意义上讲，“分析翻译”是一种技能，不一定是角色或职务。  
实际上，这项技能非常重要。 在O'reilly的最新调查中，有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”
一些公司可能具有专门负责收集需求的角色，在这种情况下，该角色本身可以正确地称为“分析翻译”。 但是，它不是“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”一词可以替代传统上模糊的标题“业务分析师”。
即使您的公司不使用此职务，与分析转换器概念相关的技能也至关重要，因此  您应尽力确保大量员工“精通分析转换器”
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，技术和过程有较高的了解；以及跨职能沟通的能力。我将这些分为3类和9个主题。好吧，也许11。
“分析翻译人员应具有特定的技能”
基础技术理解
经典统计的基础知识（回归，探索性数据分析，假设检验，相关性等）
通用机器学习技术概述（深度学习，SVM，决策树，自适应提升，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，培训，部署和维护的生命周期
合作与交流的基础
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，变更管理
传达分析结果的技术（根据Stephen Few，Cole Knaflic等）
基本业务理解
了解数据科学只是一个团队或部门的组织的不同水平和垂直元素的目标和优先级
选择最有可能在当前经济和企业环境中实现业务价值的分析项目
关于技能1-4，大量的数据科学团队  由非技术经理负责  （4）。这些经理可能不需要了解团队项目的技术细节，但是至关重要的是，他们必须  了解高风险，高努力技术和低风险技术之间的区别。他们应该了解项目报告的背景术语，以便他们可以专注于业务案例独特的元素。他们应该能够看到投掷给他们的所有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而不是数据科学家开发的。数据科学团队必须采用并调整元素，使其在执行其独特任务时最有效。同样，当主题是定量的时，尤其是在观众不是技术人员时，  视觉设计和沟通技巧也需要特别考虑 。我见过很少的数据科学家在未经特殊培训的情况下就能很好地与非技术受众交流。
我有时会在此技能列表中添加2个附加项目，作为针对数据科学家的软技能培训的一部分，这些是
在多元文化环境中工作
处理办公室政治
为什么Analytics Translator技能如此重要？
分析翻译技能对于两个角色尤其重要：数据科学产品所有者和数据科学团队经理。没有分析翻译技能，这两个角色都将无法在业务环境中发挥数据科学的全部潜力。对于数据科学家（专门从事高级分析的人员）来说，分析翻译人员的技能也非常宝贵，既可以引导他们创造业务价值，又可以帮助他们与业务对应方更有效地合作。
我们如何填补Analytics Translator的角色？
我同意Mckinsey的文章，最好的解决方案是培训现有员工，而不是雇用他们担任分析翻译人员。现有员工将已经对您的业务有深入的专有知识，并且已经与关键利益相关者建立了关系。为了说明这一点，请考虑一下阿姆斯特丹的一家AI医疗保健公司，该公司的雇员为他们的数据科学团队授权医生作为产品所有者。在这种情况下，尤其明显的是，在招聘条件中增加分析翻译人员的技能是不合理的，提供培训是合适的解决方案。
“最好的解决方案是培训现有员工，
而不是雇用这个角色。”
此外，分析翻译人员的技能足够普遍，大多数具有好奇心的员工可以很快地学习它们，而我的经验是，有机会的话，确实有很多有经验的专业人员渴望学习。许多公司正在设置内部分析翻译培训。对于那些没有经过此类培训的人，可以通过在线课程学习部分技能，但是很少有公开的注册程序可以教授所需的业务，沟通和利益相关者管理技能的组合。我确实在阿姆斯特丹大学的商学院教授其中一些技能，并且我经常在内部进行分析翻译技能的培训。在这些培训中，我也有幸听取参与者的
很想在这里听到别人的意见。我欢迎您在下面发表评论。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！