Analysis與Analytics，從數據分析能力到教育數據分析師

魏忠

同樣的名詞，如果英語看起來很像或者完全不像，翻譯的時候就要特別小心它們的微妙區別，遇到詞義分歧的，回到兩個詞詞源的路徑是一個好的辦法。按照這個辦法，英語中常見的Analysis與容易搞混的Analytics在古希臘語中有一個共同的詞頭，但卻有了不同的詞尾，這并不是語法上的變化，而是組合的不同。

總體來講，作為傳統管理者和業務人員應具備的一種能力Analysis與Analytics有10項主要區別。

碎片化和系統性的區別：前者是使用還原論把復雜問題簡單化，找到關鍵點改善決策。后者是從系統論總體考慮問題，發現、解釋、可視化和講述數據中的模式以推動業務戰略和結果而采取的所有步驟。

能力和崗位的區別：前者是一種管理者能力，而后者是一種崗位。

大眾化和工具化的區別：前者把數據能力外包給專業的計算機人員處理，再由管理者按照自身的能力使用不經過專業培訓的普適工具或者不用工具。后者需要經過專業訓練再使用專業工具，包括人工和機器支持的步驟。

定性、定量的區別：前者數據分析目標是定性，做出判斷和決策，后者是定量發現趨勢，圍繞數據，核心是高深的技術、模型和算法。

業務驅動和數據驅動的區別：前者是在業務驅動情況下的行為，后者是在業務數據化后以數據驅動做數據判斷。

普適性和行業性的區別：前者可以通過經驗調往完全不同的行業做管理，而后者需要使用數據分析工具、編程工具、可視化工具等。

通用技能和領域技能：在后者，專業化程度高的行業逐漸形成了一些行業內專用的分析工具。

能力主導和業務主導的區別：前者首先要具備管理能力，后者首先要具備專業素養。

靜態和動態的區別：前者分析統計歷史數據為未來決策做判斷和依據，后者關注所有引起變化的變量，注重趨勢和動態。

為上服務和全景服務的區別：前者為管理服務，為上級服務，后者為專業提供全景的服務。

鑒于以上區別，所以我更傾向于把Data Analytics翻譯成數據分析學，把從事數據分析學的專業崗位人才稱為數據分析師。從數據分析到數據分析學，從數據分析能力到數據分析師，相信教育今后會有以下更高的要求。

專業素養：擁有SQL基礎，掌握R語言或者Python語言，以及數據可視化工具、數據處理工具，掌握開源代碼發布使用能力，掌握Business Analytics主流工具。

業務意識：教育數據分析師的領導需要是教師出身，最好是“主業教師”，教育數據分析師需要擁有一門專業領域的教師工作經驗。

調查統計能力：需要掌握較強的分析能力、統計能力。

溝通與邏輯分析能力：要將整理好的大數據做成數據報表并與相關系統對接，需要高超的工作能力和很強的溝通能力。原始數據沒有價值，取而代之的是對這些數據的處理提供的價值。

團隊協作能力：教師不僅需要與自己部門的人合作，制作一份數據分析報告，更有可能與不同教師、不同供應商合作，與開源社區、公共平臺合作，根據教育發展趨勢研究新的教法教具。