京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析:什么能力最值钱
前段时间,大家可能看到朋友圈有一篇文章刷屏。讲的是世界500强公司的外籍CEO中,大部分都是印度人,很少有华人。
比如我们耳熟能详的公司Google,Microsoft,Mastercard,他们的CEO全部都是印度人。
为什么呢?
有些人说,因为印度人英语好。于是一些背单词的软件开始借此传播,说要多背单词,说得好像背单词就能背成CEO一样。
《中国经济周刊》发过一篇文章讨论这个事儿,他们采访了一些专家,去问他们,印度高管和中国高管到底有什么差异。最后大概提了三个点:
1)非常善于独立思考,相比中国人追求正确答案的做法,印度人是非常敢于挑战权威的;
2)非常敢说,其实大家接触身边的印度人会有感触,中国人总怕说错话,但印度人不管对错都会说出来。
3)印度人很善于抱团。有这么个段子,如果一个老板在公司里招了个印度人,那么他很快会发现,公司会出现一群印度人。
事实是不是这样的呢?中国人是不是欠缺这些独立思考、沟通和人际相关的能力呢?
我们来看一些定量化的研究:
今年9月,圈外商学院联合国内顶级领导力公司励衿做了一个调研,针对职场高管测评他们的领导力,最后结论显示了中国人在领导力的各个维度上的一些优势和劣势。
这个测评中,用到了励衿的领导力模型,也就是,要胜任领导力岗位,需要具备的一些能力,包括8大项36个维度。
测评对象包括圈外读者、励衿数据库中各大公司中高管、合作商学院中的MBA等等,都是职场人士。
我们可以猜一下,中国职场人领导力的优势和劣势分别是什么?
中国职场人优势:
从图上可以看出,中国职场人的优势在于自我管理相关的能力,比如说高效执行、持续学习。这个结论似乎也可以想象到,实际上,中国职场人的执行力的确是不错的。
中国职场人劣势:
1)缺乏思维的高度,尤其在远见卓识方面,包括战略思维和商业敏锐度;
2)缺乏根据大环境来调整自己的认知、调整自己做事方式的能力;
3)缺乏建立关系的能力。我在开头讲的段子其实还有后半句:如果一个老板招了一个华人,那么他会很快发现,公司其他华人都走光了。
这个结论跟我们通常的理解,似乎是一致的,前面提到的定性调研和这里的定量调研,也是相对一致的。
那么,为什么会出现这样的结果呢?是教育的原因?文化的原因?还是其他方面的原因呢?
我们再来看一组数据。
领导力公司DDI每年都会在全球范围内做一个调研,叫做经理人成熟度评鉴。在各个国家都有这个调研,包括中国、美国和印度。
上图的数据是中国、美国和印度的数据。
这张图是问了高管这样一个问题:你是如何当上领导者的?各种回答所占的比例,在三个国家数据对比下,差异很大。
中国:在中国比例最高的回答是“我是最优秀的技术专家”,这表明在中国,公司会因为一个员工的技术能力不错而将他升入管理层。
更重要的是,员工自己也会认为“我的技术很强”,“我在自己岗位上做的很不错”,“所以我应该被升职”。
相信大家也会这样想,在自己岗位上做得很好就应该被升职。
这是在中国的情况。
印度:在印度情况有点不同。在印度,这个回答的比例是大大降低的,那么哪个回答的比例会比较高呢——“其他人认为我是一个天生的领导者”,这里的其他人,指的是他的同事和他的上级。
这表明在印度,公司会因为一个人的领导力比较强,能影响别人,能够去带团队而给他升职,而不是因为技术能力给一个人升职。
美国:在美国又是什么样的情况呢?很有意思,最高比例的是“我通过外部雇佣的方式担任领导职位”,美国是一个相对残酷的地方,公司不会因为你在这个岗位上做得好、技术能力强,就给你升职。
如果你技术能力强,但是管理能力不行,他们可能会找个人来领导你,谁行谁上,这是美国公司的文化。
在这组数据里,还有一个值得注意的地方就是,在印度中有个回答比例比较高的是,“我得到晋升的原因是因为我的教育背景,比如MBA”。
印度是一个非常注重商业管理教育的国家,我们常戏说印度盛产码农,但是这些技术人员其实会非常有意识培养自己的领导能力。
在我之前的咨询公司里,绝大多数印度同事都会有一个MBA学位,比中国人的比例高很多。
二.
领导力不是领导才要具备的能力
那么,这些发现跟大多数人有什么关系呢?毕竟不是所有人都当领导啊。
实际上,领导力本质上是一种影响力,是能够带着团队奔向同一个目标、共同达成愿望的能力。
这种能力在你跟客户的交流、跟政府的交流、跟投资人的交流当中,都是需要具备的。所以,领导力不是只有领导才需要的能力,本质上就是一种影响力。
如果你没有,只是靠自己单打独斗,缺乏杠杆,是很难与别人竞争的。
那我们要弥补哪些缺失的领导力呢?
刚才说到,领导力包含了8项36个素质,没有人可以把这些全部都做得很好,那我们应该着重提升哪些?我在这里做了个筛选标准:
应该培养什么样的领导力呢?
1) 市场价值高的能力,尤其大家愿意为这种能力付钱。
2) 市场稀缺的能力,企业需要这种能力,但是市场上又很少。
3) 未来时代持续需要的能力,这种能力不仅现在有用,将来很长时间都有用。
根据这三个标准,我们就能去做一些筛选。
什么样的能力才是高价值的能力?
前面的调研中,我们收集了每个参与者的收入数据。
做了个有趣的数据分析:把高收入人群和低收入人群分为两个不同的组,将这两组人群进行比较,研究高收入人群通常在哪些能力上表现比较好。
最终发现跟收入最相关的能力,是跟思维高度有关的战略思维和高瞻远瞩,其次是抓关键能力有关的有效决策、要事优先,然后是能够应对未来的不确定性,最后是知人善任、打造人才梯队的能力。
另外,未来时代什么能力最重要?
知识和技能都在不停地更新换代,未来最重要的能力包括以下三点(注:这个部分不详述了,此前的关于终身学习的文章中有详细解释):
1)人与人之间的沟通。
2)创新,这是人类历史发展的驱动力。
3)跨领域能力,而非专业知识能力。
如果取交集会发现,同时符合缺失、高价值以及适应未来这三个标准的能力,我们会发现是战略思维和商业敏锐度,也就是思维高度。
同时符合两个标准的能力,是适应未来、适应变化、根据变化调整的能力,抓关键的能力以及沟通和建立关系的能力。
三. 如何提升这些能力
既然知道这些能力很重要,那我们应该如何提升这些能力呢?这里我总结了一些方法:
1)跟真正的高手交流
跟能够深度思考的人交流,有种大脑被瞬间点燃的感觉。
我们曾经做过一个观察:在我们的商学院学员里面,有刚入职场的新人、有大企业的高管&CEO,当他们一起交流2周后,职场新人的思维和表达就会发生很大变化。
思维是分很多不同层次的(注:这部分我会在本月25号的直播中,跟你们详细讲讲,直播参与方式会提前告知你们)——
每个层次都像是一个闭环,在其中逻辑自洽,觉得没有问题,但是当高手跟你一说,你就突然被拉到一个很高的层次上,有恍然大悟的感觉。
2)学习相应的方法和套路
在生活中遇到的任何事情,小到情绪,中到工作,大到整个商业社会,全部都是有规律和套路的。
学会这样的套路,学会这样的方法,才能够胜出,才能有正确的方向。
3)避免重复的工作和学习
很多人都喜欢在朋友圈背单词打卡,如果想要考四六级、出国等等,这样做可能是需要的,但如果是想要学习、只是不知道要学点什么,所以才去背单词,这样要完。
因为背单词是简单的背诵和记忆,是大脑最初级的劳动,当大脑一直停留在初级劳动时,如果你未来想要进入更高阶的模式,会发现自己已经不适应了。
所以不要让大脑一直停留在背诵记忆的初级劳动上。
4)刻意练习
真正的练习不是为了完成一个量,练习的精髓是要持续地做自己做不好的事。在任何行业或领域中希望提升自己的每个人,刻意练习都是最为强大的学习方法。
5)多问为什么
身边一些朋友,也算是背景很光鲜了,看到快手和头条火起来,他们觉得看不上,觉得很鄙夷。
但如果只是看不上、不去看、不去思考这些东西为什么会火起来,那就很难从中理解到用户的需求,很难从中理解到未来发展的趋势,很难理解到年轻人到底要什么。
好了,建议说到这里,可能你们会觉得这些建议都太麻烦了,很难做到。那么,也给你一个更加快速的建议,就是:谈恋爱!
在这个领导力调研中,我们做了一个统计分析,发现在各种婚恋状态中,恋爱中的人各项能力最强,单身狗能力最差(真不是我故意虐狗啊啊啊)。
所以,似乎,貌似,可能,或许,你可以谈个恋爱?
不过,你也要小心一点,谈恋爱可以,结婚不行,因为结婚后这些能力又开始下降了。(各位不要打我啊啊啊)
最后,再送大家一句话:学会以不变应万变。
亚马逊CEO贝索斯曾说:人们总会问我,未来什么会变,但从来不问我,未来什么不会变。在变化的时代,很多东西都在变,我们最该去追逐的不是变化的东西,反而是那些不变的东西。
这是亚马逊取得成功的原因,对我们自己也是一样。
现代社会,碎片化信息很多,平均2-3年就会有知识的更新换代。
所以,与其去不断追逐、学习和收藏那些快速变化的碎片化知识和信息,最终一无所获,不如花一些时间,提升自己做任何事情都需要的能力,比如学习、思考等等,最终在这个变化的时代,以不变应万变!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22