通過協助企業將數據驅動的方法運用到企業運營中，開發從數據中獲得市場感知的產品，以及在高管層中推廣智能數據文化，我有幸能與很多有才華的商學專業人共事，經歷他們如何在顛覆行業的同時又使得組織價值得以保留。

就如你預料的那樣，很多這些專業人員來自商學院，在那里他們已經做好了要與公司里各領域的專家共事的準備。

每一個商學畢業生都希望掌握一種能力，即能夠運用“中間語”交流商業要務及公司管理層概念。他們應該是一個“多面手”，能夠將綜合高深抽象的方法運用到現實組織運營中。

為了培養出這樣的學生，商學院必須找到一種方法來教授行業專家們正在使用的高級的方法。畢業生們也必須理解一個資深專家的專長是怎樣為公司的整體戰略創造價值的。只有這樣，商學院畢業生和行業專家才能實現有價值的溝通以及提出新的顛覆性觀點。

直到最近，這些主張才被引入到商學院。因為傳統部門與商業運營已經有相當明顯的重疊，比如：一個公司的市場部有專家與客戶溝通公司產品或服務的價值；財務部有專家管理財務運營；公共關系部門有專家管理公司的公共形象；IT部門有專家確保系統，數據庫和軟件按照預期來運行。

多年來，通過建立專才的關注點及通才的高層次概念的“中間語”，商學院已培養出能夠幫助公司雇主找到滿足市場需求的畢業生。

但是有些事正在發生變化，市場已經不是過去的市場。每一個行業無一幸免地都被一種新的“通貨”所觸動。它就是數據，它以一種顛覆性方式關聯著所有人。

正因如此，整個商學院有著某種隱憂。為了保住他們的價值，商學院畢業生想要在當下市場下競爭必須學會與行業專才溝通。數據專家成為了商界的新興多面手。數據專家使用專業數據處理方法將原始數據轉化為公司實際運營價值。與其它在公司的行業專才一樣，商學院畢業生也必須與這些數據專家之間建立起有效的“中間語”。

數據專家在商業中扮演的非傳統角色體現在他們在解決問題的方法上，這種使得非傳統角色在商業運營中的職務重疊變得不那么明顯。但是，在一個正在快速變為“數據即一切的世界中”，這其實是一個嚴重的問題。對那些需要與公司專才有效溝通的商學畢業生來說，現在的關鍵在于要用高層次的“語言”來與數據專家“交流”。

導致商學院隱憂主要有以下兩個原因：

當前現實是，越來越多的業務需要能建立的各種模型的計算機軟件科學家，以及可以為對已有數據進行分析及建模數據專家。

很多商學畢業生還不能理解數據專家在商務中的作用，從而也不沒有能整合中堅專家與公司領導層決策圖景的“中間語”。

這確實是一個問題．．．

商學院必須了解數據科學和商業運用中哪里存在重疊，這只能通過了解數據專家在一個組織中解決問題時的途徑來實現。更重要的是理解數據科學解決問題的方法與其它方法有怎樣的不同。

如果商學院畢業生不理解數據科學和其它形式分析在概上的不同，他們將不能與現代企業中某一關鍵領域專家開展有意義的、有創造價值的對話。

“如果商學院畢業生不理解數據科學與其它分析形式在概念上的不同，就不能與現代企業中中堅領域專家開展有意義的、有創造價值的對話。”

給商學院的建議

有這么一些高層次的話題，卻是了解做數據研究意義的關鍵。這些問題從功能概念上強調了數據學在解決問題途徑上的不同。我建議每一門商學院課程都邀請一位有經驗的數據學家參與討論有關現實中究竟什么才是數據學的問題。

只有通過這樣的討論，“中間語”才能被建立起來，才能確保商學畢業生適應當今那些由數據驅動的商務公司的要求。

什么類型的軟件是沒有數據科學就一定不能建立的？

數據科學是怎樣使員工做出更多有價值且創造性的任務？

軟件開發人員自動化和數據科學自動化之間有什么不同？

數據科學是怎樣增強市場影響、銷售參與、操作和庫存管理，但傳統分析方法就不可能實現的效果的？

數據科學是怎樣讓得一個需要20個步驟的任務減少到只需要5步就能完成的？

使用數據時，是什么使得人工決策的顯得局限？

為什么商業智能和數據科學在功能上少有重疊？

數據科學和大數據之間有什么不同，哪里是它們重疊的部分？