作为人才分析师，如何才能发挥更大的影响力？

[nurnobi40]

在本文中，Cade Massey 讨论了客观距离是如何被高估的，以及分析师与公司其他部门之间的接近可以给您的组织带来哪些优势。

最近有人告诉我，有一群以自己的独立性为荣的分析师。他们不参与运营，从不实地考察，也不解释他们的模型。他们渴望成为另类愿景，不被“一贯的做事方式”所腐蚀。他们认为，当事物离得不太近时，更容易看清事物。

如果您花时间研究决策，您就会知道这种 阿富汗数据 独立性受到高度重视。如果来源与其他来源不相关，则会获得更多权重。在实践中，决策很少达到模型中规定的理想权重。无论好坏，在证据模糊、目标不确定的混乱现实世界中，组织决策通常取决于关系和信任。

西格·梅杰达尔（Sig Mejdal）是棒球界最成功的分析师之一，他明白这一点。 2005 年，梅达尔放弃了航空工程师的职业生涯，转而效力于圣路易斯红雀队。他连续效力了七年，其中包括两次世界大赛冠军。 2012 年转会至休斯顿太空人队后，他帮助重建了这支苦苦挣扎的球队，并在 2017 年再次夺得世界大赛冠军。

梅杰达尔如何度过他的时间？ 2017年夏天，他在纽约州特洛伊市担任教练，那里是太空人队小联盟体系的中心。这位51岁的球员穿着制服，在一垒执教，为球员热身，并在赛后与球队一起吃饭。该组织的顶级分析师在夏天的夜晚都乘坐球队巴士往返于纽约州北部的小镇之间！

其中一些策略对于涉及在组织中定义决策的任何工作都很有用，而另一些策略则针对正在分析的独特挑战进行定制。它们都是针对个体分析师，而不是他们的经理或组织，因为影响力的完美条件很少存在，我们不能依赖别人为我们创造它们。想要产生影响的分析师必须发挥积极作用。

建立关系
遗憾的是电子表格和鸡尾酒不能更好地结合在一起。对于许多分析师来说，网络的想法不仅令人不舒服，而且值得怀疑。有些人认为擅长建模或与人打交道是可能的，但不能两者兼而有之，好像担心人际关系会损害一个人的技术工作。考虑到分析工作在很大程度上取决于其他人，这种心态确实是一个缺点。

实证研究表明，人们从社交网络的规模和结构中获得职业利益，包括组织中的正式和非正式权力。在过去的十年里，我通过评估数千名高管和学生的影响行为，更仔细地审视了这种关系。事实证明，逻辑推理（分析师的标志）和网络建设是两种最不常用的影响力策略。许多分析师习惯性地认为，如果你的工作足够出色，你就不应该认识别人。

一个技巧是在需要人们之前先了解他们。等到关系达到目的后再建立关系是无效且不真实的。另一种选择是不断投资于关系，需要纪律。当今的紧迫需求往往会排挤长期投资，但培养关系可以消除隐藏的议程，而正是这些议程让许多分析师对人际网络感到不安。

去田间地头
几乎按照定义，分析师就是在传播二手信息。他们经常被隔离在远离前线的办公室里，容易被认为与外界脱节。另一方面，决策者更有可能处于第一线，或者至少来自第一线。分析师必须找到缩小这一差距的方法。

塞尔吉奥·维埃拉·德梅洛是他这一代最成功的外交官之一。他的整个职业生涯都在联合国度过，在世界各地的麻烦地区以及纽约联合国总部工作。花时间在实地是他的谈判策略之一。 “塞尔吉奥更喜欢到现场去了解人们的需求，”一位长期合作伙伴说道。 “但他也知道，当他回到首都时，在农村的生活让他在政治讨论中更有可信度。”

走进“田野”，首先是学习。但这也与建立信任有关。自亚里士多德以来，我们就知道精神气质是修辞学的重要组成部分。也许我们喜欢认为一个模型、一个想法或一组数据应该独立存在，但这根本不是人们被说服的方式。他们关心说服者。他们需要相信推销这个想法的人。

当决策者在现场时，任何没有经验的人都会受到怀疑。并且不同。这给大多数分析师带来了精神问题，也是一个需要解决的重要难题。您需要个人熟悉前线的证据——故事、联系人、具体例子。想办法积累这些证据。一路上你也会学到一些东西。

让学习更透明
人们很难相信自己不理解的事情——尤其是当信息与公认的智慧相矛盾时。如果您使用最近几年才发明的统计工具并与没有接受过统计培训的同事进行交流，那么这确实是一个挑战。但这是你的问题，不是他们的问题。

你需要用决策者的语言解释你的建议背后的阴谋。这项技能可以成就分析师，也可以毁掉分析师。

统计学最重要的前沿之一是使机器学习更加透明。例如，沃顿商学院教授哈姆萨·巴斯塔尼（Hamsa Bastani）及其同事为此开发了技术。他们发现，当统计算法变得更加透明时（例如，使决策树更接近模型构造），用户能够更好地识别问题并改进模型。

我发现这种见解对于更一般的统计数据来说是正确的。当用户完全理解模型在做什么时，他们更有可能相信该模型，并且在理想情况下帮助改进它。

给予一些控制
最近，我和我的同事研究了算法厌恶，即在做出决策时不愿信任不完美的算法，即使这些算法克服了直觉判断。在试图克服这种厌恶的过程中，我们发现，如果人们能够修改算法，即使只是轻微修改，也可以鼓励人们更加信任算法。通过放弃一点控制权，分析师可以产生更大的影响。

保持谦虚
具有讽刺意味的是，具有如此潜力的分析可以抵消直觉判断中肆无忌惮的过度自信，但却会助长过度自信。无论是由于“过度拟合”（创建过于复杂的模型来适应特殊数据）、小样本还是非平稳环境，分析师通常认为他们的模型比实际情况更好。

优秀的分析师认识到他们的模型的局限性。这种认可通常是通过艰难的方式获得的：通过经验。这意味着代表很重要——做出预测、获取反馈、改进模型、重复。

传奇技术高管比尔·坎贝尔（Bill Campbell）曾经对一位成熟的领导者表示赞赏：“他从‘我知道答案’转变为‘我必须推销答案’。新分析师几乎把所有的时间都花在寻找答案上。经验丰富的分析师，尤其是成功的分析师。”人们至少花费同样多的时间试图找出如何推销他们的答案，这里描述的策略可以帮助解决这个问题。

我们真的应该这么麻烦吗？这看起来很困难而且效率很低。仅仅做对还不够吗？这些都是可以理解的问题。毕竟，分析师通常接受过最复杂方法的培训，并使用最好的可用数据。但发表令人信服的演讲是工作的必要组成部分。很少有人和分析师能够简单地将自己的意志强加于组织。无论如何，这是一个坏主意。即使是算法也需要照顾和喂养。当他们被迫强加给其他人时，他们往往会找到通往组织阁楼的路，安全但很少使用。

因此，分析师们，远离你们的榜样吧！到田里去，到垃圾桶里去。不要害怕“成为他们中的一员”。你将会改变，你的工作也会因此而变得更好。