大部分现代化机构都离不开数据分析和循证决策。许多机构的数据库里存了几百张表和无数份记录,数据质量参差不齐,大部分都是常规业务流程留下的。笔者J.M.分析过由海量记录组成的财务数据;笔者S.B.曾在一个拥有150多个源系统的环境中与商业用户和数据专家合作,决定在面向一线员工和高层的数据统计表上展示哪些信息。在这些任务中,懂得如何使用数据、理解数据是一项非常重要技能。
这不表示数据分析需要你有生物信息学家或计算科学家的背景。但是,如果你在博士期间有过和数据打交道的经历,你就积累了一些可跨界使用的数据处理技能。读博期间,我们两人有时候会分别花上几个星期尝试不同的数据转换,学习并使用各种统计方法,来解读我们的实验数据。对于现在身处非学术岗位的我们来说,这些经历帮了大忙,因为非学术领域的数据往往很乱、不完整,来源也五花八门。
还有一个相关技能是基于复杂的证据基础整合并提炼新结论的能力,这个能力在我们每次写文献综述时,或是需要解释研究结果有出入的原因时得到了反复锻炼。在学术圈之外,这种能力可以帮助我们理解我们机构所在的大环境,解读不符合我们经验的报告,还能解决初看之下很没头绪的商业问题。
无论是参与从零开始的“绿地投资”(译注:在其他国家设立子公司的投资项目)(S.B.)还是加入两家金融科技创业公司(J.M.),这些工作要求我们了解整个商业环境,进行市场调研,与潜在投资者交流,调查其他机构是如何解决类似问题的。为了将这些素材统一成一项完整的计划和提案,我们需要调动博士期间掌握的信息整合能力。