Analysis与Analytics，从数据分析能力到教育数据分析师

    魏忠

    同样的名词，如果英语看起来很像或者完全不像，翻译的时候就要特别小心它们的微妙区别，遇到词义分歧的，回到两个词词源的路径是一个好的办法。按照这个办法，英语中常见的Analysis与容易搞混的Analytics在古希腊语中有一个共同的词头，但却有了不同的词尾，这并不是语法上的变化，而是组合的不同。

    总体来讲，作为传统管理者和业务人员应具备的一种能力Analysis与Analytics有10项主要区别。

    碎片化和系统性的区别：前者是使用还原论把复杂问题简单化，找到关键点改善决策。后者是从系统论总体考虑问题，发现、解释、可视化和讲述数据中的模式以推动业务战略和结果而采取的所有步骤。

    能力和岗位的区别：前者是一种管理者能力，而后者是一种岗位。

    大众化和工具化的区别：前者把数据能力外包给专业的计算机人员处理，再由管理者按照自身的能力使用不经过专业培训的普适工具或者不用工具。后者需要经过专业训练再使用专业工具，包括人工和机器支持的步骤。

    定性、定量的区别：前者数据分析目标是定性，做出判断和决策，后者是定量发现趋势，围绕数据，核心是高深的技术、模型和算法。

    业务驱动和数据驱动的区别：前者是在业务驱动情况下的行为，后者是在业务数据化后以数据驱动做数据判断。

    普适性和行业性的区别：前者可以通过经验调往完全不同的行业做管理，而后者需要使用数据分析工具、编程工具、可视化工具等。

    通用技能和领域技能：在后者，专业化程度高的行业逐渐形成了一些行业内专用的分析工具。

    能力主导和业务主导的区别：前者首先要具备管理能力，后者首先要具备专业素养。

    静态和动态的区别：前者分析统计历史数据为未来决策做判断和依据，后者关注所有引起变化的变量，注重趋势和动态。

    为上服务和全景服务的区别：前者为管理服务，为上级服务，后者为专业提供全景的服务。

    鉴于以上区别，所以我更倾向于把Data Analytics翻譯成数据分析学，把从事数据分析学的专业岗位人才称为数据分析师。从数据分析到数据分析学，从数据分析能力到数据分析师，相信教育今后会有以下更高的要求。

    专业素养：拥有SQL基础，掌握R语言或者Python语言，以及数据可视化工具、数据处理工具，掌握开源代码发布使用能力，掌握Business Analytics主流工具。

    业务意识：教育数据分析师的领导需要是教师出身，最好是“主业教师”，教育数据分析师需要拥有一门专业领域的教师工作经验。

    调查统计能力：需要掌握较强的分析能力、统计能力。

    沟通与逻辑分析能力：要将整理好的大数据做成数据报表并与相关系统对接，需要高超的工作能力和很强的沟通能力。原始数据没有价值，取而代之的是对这些数据的处理提供的价值。

    团队协作能力：教师不仅需要与自己部门的人合作，制作一份数据分析报告，更有可能与不同教师、不同供应商合作，与开源社区、公共平台合作，根据教育发展趋势研究新的教法教具。