今天有學生問：數字化時代需要什么人才？
我認為，最需要的是懂業務又懂數字化的綜合性人才。我打了個比方：這種人才就像會用英語寫小說的中國人。這種人的腦子里面要有故事，還能用英語表達。腦子里的故事就是業務邏輯，用英語寫出來就是用數字化、軟件化的方法表達。以數據分析為例。在數據分析的過程中，一方面需要理解數據，能夠判斷分析結果是否值得關注；另外一方面又要懂得業務，理解數據背后的業務含義。有了數據分析工具之后，分析過程很簡單、也很快，但會不斷進行迭代。
比如，先做一個簡單的回歸。如果回歸結果比較滿意或者不滿意，會對數據重新分析、去驗證結果的可重復性。這個過程會反復很多次。每次反復往往都需要數據分析知識和業務知識互相校驗。但每次的反復都只需要很短的時間，如幾分鐘乃至幾秒鐘。試想：如果數據分析知識掌握在一個人的腦子里，而業務知識掌握在另外一個人的腦子里，兩個人需要交流進行判斷，效率就會大大降低。
彼得.德魯克談分工時舉過一個例子：造房子需要結構設計、建筑、裝修設計、裝修等四個工序。這四個工序應該由四類專業的人士來完成，效率和質量才能做得最好。安裝一部電話，同樣也需要四個工序，如果派四個人來分工完成，效率反而低了。按這個邏輯，數據分析過程最好是一個人掌握數據分析和業務兩方面的知識，而不是兩個專業的人實時協作完成。
需要綜合素質的情況很多。
我最近在思考一個問題：創新真的需要創新思維嗎？有些人取得了很好的創新成果，但似乎不是太需要創新思維。現實中，他們往往既懂技術，又明白需求，具有綜合性的知識。而創新的過程往往是在技術可行性與現實需求之間做權衡。而我講創新課時，反復強調的就是這種權衡。對技術和需求都很熟悉的人，做這種權衡往往是很簡單的。
我講創新思維時，經常會講到的是“知難而變”。常講“領導讓園丁養花，要求不生爛葉子”的段子。解決這個問題最好的辦法就是：比領導提前十分鐘到辦公室，發現有爛葉子就剪掉。
在創新過程中，這類問題經常出現。這是因為：提出需求與完成工作的往往是不同的人。這時，提出的需求往往不合理。但是，如果是自己提出的問題、自己來解決，權衡就會很自然，也就顯不出“創新思維”了。所以，具有綜合知識的人往往不太需要訓練“創新思維”。
我曾經有過一個比喻：如果僅僅掌握一個領域的知識，專家的工作只能是“一維優化”；如果掌握兩個領域的知識，專家的工作就是“兩維優化”。這樣的創新者就可以“高維打擊低維”。即便在兩個專業的知識都相對較弱，“兩維優化”的結果往往也會優于“一維優化”。其中，如果兩個專業之間有服務與被服務的關系，往往是最好的“兩維空間”。
工業互聯網和數字化方法在未來一個重要發展方向，應該是專業知識的融合。作為生物體的人類，受生理能力的約束，掌握的知識是有限的；而計算機不受生理能力的約束。通過計算機實現知識融合所帶來的前景，可能會超出我們現在的想象。
作者：郭朝暉(工學博士，教授級高工。企業研發一線工作20年；優也科技信息公司首席科學家；東北大學、上海交大等多所院校兼職教授。國內知名智庫、走向智能研究院的發起人之一。原寶鋼研究院首席研究員)
