作为顾问，我每周与不同的客户和团队一起度过时光，最近我注意到了一些趋势。
1.工作正在自动化
很明显，我知道。 RPA正在自动执行人员在财务和运营等功能中执行的例行和手动任务。 Analytics（分析）可以这样做，但是可以自动生成洞察力。 新兴程度略有提高，但是机器学习正处于良好的发展之中，可以开始将决策从人类工作人员那里移开（或者至少取消了研究/时间密集型决策的一部分）。
2.分析专家不再只是生产者
第二个趋势并没有得到很好的报道，但是我最近已经意识到了一些。 与我目前领导的一支类似的分析团队通常会被业务团队（“消费者”）提出要回答的问题。 例如，“ 我们认为用户正在绕过该过程的这一部分，您能否向我们展示真正发生的事情 ”，或者“ 最近 发生 了欺诈，这大致上是发生了什么，您能否向我们展示如果这件事正在其他地方发生 ”。
从历史上看，分析团队随后将捕获一些数据，进行分析，生成仪表板以提供回业务并传达一些观察结果。 仪表板将为企业提供一个平台，以解释结果并得出自己的结论，然后将其作为行动提出。
随着时间的流逝，我们意识到，我们的消费者并不一定总是会遇到棘手的发现和建议。 为什么？ 可能是仪表板设计，消费者没有足够的时间查看结果以及缺乏处理数据的经验的结合。 我认为，在许多情况下，缺乏运用分析思维 （研究，分析，挑战，沟通，报告）和支持基本数据技能的经验。
作为分析团队，我们改变了工作方式。 我们不仅为消费者提供仪表板来显示浏览器结果，还开始制作结果包。 这些包将总结我们自己的发现，观察和建议。
这对我们来说真是太好了。 随着时间的流逝，随着我们的团队在各个领域（业务，他们所面临的挑战）中变得经验丰富，我们正在推动艰辛的建议和行动。 而不是与我们的普通消费者面对面，我们很快就开始被介绍给Global Heads和C套件。
有什么问题？
对于企业来说，这是一个问题，因为对专业分析团队的需求不断增加，并且他们开始成为瓶颈。
如果他们的分析和数据科学专家小组相对较少，而他们专注于复杂的分析，而他们的大批业务人员却在进行分析性思考，那么企业将更有可能发展。
看看M＆S如何通过其数据科学学院解决这个问题，大概是针对非技术人员的。
“我们的业务转型是生存的关键，其中很大一部分在于我们的同事。 我们需要改变他们的数字行为，思维方式和文化，以使业务适合数字时代……”，玛莎百货首席执行官
对于不是分析专家的员工 ，这是职业风险。 直截了当的任务将被自动化，并且分析专家开始回答复杂的问题。
我们是否需要更多的数据科学家？
我认为解决方案不仅要等待未来的数据分析人员和科学家接受培训。 并想想您当前的业务人员脑中所有的领域知识。
目前，每个从事计算机工作的人都需要成为具有分析数据技能和信心的专家分析思想家。 想象一下对业务和职业的影响。 我在咨询界每天都看到它-在人群中脱颖而出的人是可以提出问题并使用数据回答问题的人。
如何脱颖而出
对于与我合作的大多数客户，我总是发现一两个业务飞速的商人。 以下是它们的区别：
- 他们了解分析技术的潜力：他们在问重要的业务问题，知道什么在技术上可行，并且知道可以自己完成什么以及需要什么分析或数据科学专家。
- 他们可以使用专家提供的结果：无需用勺子喂答案。 他们与技术专家合作，以了解结果，对结果进行自己的分析，并提取可直接提交给领导层的重大发现。
那么，如何升级才能保持竞争力？ 以下是一些自学帮助的建议：
- Excel基础到高级：升级您的Excel技能
- 分析和演示技能：这一切都是关于提出正确的问题并用数据讲故事
- 商业分析：通过Coursera的课程更长，要获得证书要花费更多的美元，但它的教学大纲很好。 动手处理包括大量案例研究在内的数据，因此这确实有助于养成提问的习惯。 这可以使您与众不同。
更重要的是，开始将分析性思维应用于您的工作：
- 向您的老板介绍需要改进的地方？ 考虑一下如何使用数据进行备份，让您讲故事。
- 您的业务领域是否有分析专家？ 通过检查他们正在产生的内容来参与其中，获得输出的副本（无论是数据集还是仪表板），并查看可以从中获得什么见识。
