蓝盟IT小贴士，来喽！
什么是KSA
KSA是HR领域的概念，原本被认为是评价人能力的三维
知识知识Knowledge  :完成任务必须掌握的理论知识。
技能Skills  :完成任务所需的工具操作技能。
能力Abilities  :完成任务所需的思考、交流、协调等能力。
举个简单的例子，陈老师家四岁的孩子coco在学算数
问： 1等于什么？ coco回答： 2！ 这是知识。
去买蔬菜，coco拿了一个萝卜。 父亲说：“我们拿了两个，coco又拿了一个。 这是技能”。
拜访朋友，在大家面前，父亲问“coco，1等于什么”。 coco闪着大眼睛，大声点： 2！ 这是大家称赞的目光，这是能力！
简单来说：
知识可以背诵，有客观的评价标准。 如果是自然科学知识，很可能有唯一的正确答案，社会科学知识不一定有唯一的答案，但在一定范围内有约定俗成的理解和解释。
技能需要操作、练习和反复训练。 技能依靠知识，需要通过工具来实现。 不同的工具需要不同的技能，越强，工具就越有效。 比如coco记住各种加减乘除的问题，扭头问siri，coco表示体验很好。
能力需要见识和理解力！ 有趣的是，在面对实际问题时，理解力、沟通能力、共鸣能力、协调能力比知识和技能更多地直接作用！ 比如亲戚方面问孩子问题，根本目的是炫耀，抬头。 这时能积极合作的孩子是个好孩子！ 不然平时多学习，更能干，力不从心，还是很尴尬啊。
这个理论原来是HR评价使用者资格的方法。 但是，一旦掌握，我发现它在工作中很好用！ 因为在工作中，可以区别需要KSA哪个来解决问题，所以可以大幅度提高工作效率，提高工作质量。
2什么是工作中的KSA
让我举个简单的例子。 使用KSA开始解体工作后，会发现以下很多问题。
为什么大家总是进大学文科没什么用，理科好用吗？ 本质上是KSA教育和工作的不同造成的(下图)。
为什么在很多大公司，职业经理们看起来屁也不会，屁也不会，但混杂的顺风顺利呢？ 本质上是因为在促进目标上，KSA有不同的运用形态(下图)。
所以理解KSA的原理，掌握分解KSA的方法，对混合岗位来说很有意义，特别有助于数据分析！为什么KSA对数据分析求职很重要
在数据分析中，KSA如下。
knowledge:《数学》《统计学》《管理科学》《运筹学》3010《机器学习》3010010100100103010
技能Skills:excel、ppt、sql、python、tableau、hadoop、spark……
能力Abilities  :需求交流、用户洞察、逻辑推理、实验设计、总结报告……
有趣的是，仔细研究发现，在各种工作中，数据分析是唯一一个装满KSA知识库的职业。 一般来说，销售、产品、运营、营销等商务舱工作偏向a，KS比较少。 研究开发类的工作比KS更偏向，a更少。 数据分析夹在业务和技术之间，两者都有关系。 所以只要你想学，KSA就有吨书(下图)。
于是发生了有趣的事情。 入行的同学总是匆匆看书，买了几十本狂学，结果不重要，记不住，面试时七零八落。 回去后还不总结：别人到底要我什么能力？ 网上问“到底数据分析要看什么书”，多买点书回来了！ 结果越学越迷茫。
要知道数据分析和数据分析的差别比数据和运营、产品、研发的差别多。 不认真研究就业单位的企业要求，不区分自己在面试的哪个部分，涉及什么样的问题，闭上眼睛学习海学，肯定越学越迷茫。 如果能充分学习，至少可以知道自己输给了什么样的问题，可以更好地进行对症治疗(下图)。
为什么KSA对数据分析很重要
真正开始数据分析工作后，你会发现理解数据的人和不理解数据的人，数据分析的作用完全不同。
知道数据的人，数据分析s的成分最大，数据收集、数据清洗、数仓设计都是脏活，不认真耕耘就看起来无法利用可靠的数据。
对于不懂数据的运营商，数据分析a成分最大，他们一开口就是“基础思考”“核心链接”“内功心法”，满嘴列车，但连基础数据从哪里来都想不到。
对于不知道数据的新人，数据分析k的成分看起来最大，总是有一本书写答案等着他抄。 遇到问题总是问“通常的、标准的、头腾阿的做法是什么？ ”。
这种差异在数据分析工作中引起了特别的难点：业务部门直接开口不是简单孤立的数字，而是幻想、马上见效、法力无限的模型。 如果数据分析师每天跑不出一两个孤立的数字，就不能深入分析，最终的结果是不被认可的。 数据分析师把头变成铁，直接满足玄幻现实模式的需求的情况下，最后难以落地，不起作用的还是背锅。

文/上海蓝盟  IT外包专家

• 上一篇: 蓝盟IT外包，元宇宙：四梁八柱是什么
  下一篇: 蓝盟IT外包，十五项一般数据科学技术

• 分享到：