本节书摘来异步社区《驾驭大数据》一书中的第8章，第8.2节，作者： 【美】Bill Franks 译者： 黄海 , 车皓阳 , 王悦 , 等 责编： 杨海玲，更多章节内容可以访问云栖社区“异步社区”公众号查看。
驾驭大数据列出分析专家最重要的特征时，大多数人都会加上学历这一点。通常，我们会认为优秀的分析专家应该是学统计学、数学、计算机科学、运筹学或者其他类似的专业。而且，我们经常还会认为他们得有个硕士学位或者博士学位什么的。我们经常关心的另一点是编程经验。我们认为优秀的分析专家应该可以使用多种语言编程进行分析。这种认识背后的逻辑是，普通分析人员所使用的工具，分析专家肯定用得更好。
人们普遍都会选择列出上述这两点，但这是不正确的。优秀的分析专家需要很强的数学和统计学背景知识。正经八百的学位，其实并非必需。在工作中边干边学，或者通过其他方式学习也是可以的。优秀的分析专家需要一定的编程能力，这是因为所有主流的分析工具都要有一定的编程知识才能用好。但是，具备这些编程能力也不能保证百分之百成功。
这就应了数学上的一句话：必要但非充分。要想成为优秀的分析专家，统计、数学、编程这些技能是绝对必要的，但并不充分。除了这些基础知识以外，分析专家还需要掌握更多的技能。具备数学方面的基础知识和编程能力是一个前提条件。虽然这些能力很重要，但它们并不是区分优秀分析专家和普通分析人员的分水岭，它们仅仅是起点而已。
如果招聘经理把注意力过多地放在技能知识以及学术背景上，结果是他们招到的员工也会把精力放到这些支离破碎的事情上面，而非关注全局。公司在招聘分析专家的时候还要在其他层面上设定一些评价标准。毕竟，我们需要的并不是那种“统计极客”，坐在角落里没日没夜地摆弄奇妙算法的人。招聘那些人并不会保证我们获得成功。
我们需要的是能够融入团队的分析专家。他们能够理解亟待解决的业务问题，理解如何才能有效地帮助业务部门解决他们的问题。如果没有这些顶级人才，我们就无法驾驭大数据浪潮。下面，我们将讨论怎样才能找到这些顶级人才。
相关资源：敏捷开发V1.0.pptx