如何确保您的职业生涯不会过时:T 型技能

提高我们的技能可以促进我们的职业发展,这是一条合乎逻辑的真理。然而,挑战在于知道我们的个人发展应该集中在哪里,才能获得最大的利益。《投资管理工作的未来:技能与学习》研究报告指出了当前投资行业技能供需的差距,强调了该行业颠覆的根源,并探讨了它们之间的交叉点。因此,它为如何最好地推动我们的职业发展提供了路线图。

发展领域

该报告将投资管理分为四个技能类别:

  • 技术技能是该行业的基础能力,例如财务分析、资产评估、投资组合管理等。
  • 软技能更加细致和定性。谈判和关系管理以及有效的沟通就是一些典型的例子。
  • 领导技能侧重于道德文化、治理以及如何阐明组织使命和愿景。
  • T 型技能形成了一个领域的深厚技术知识、对其他学科的广泛理解以及综合两者的能力之间的联系。

这些技能类别的重要性取决于我们所处的职业阶段。技术技能在早期更有价值:它们通常是进入该行业和执行日常工作所需的知识。然而,随着我们职位的晋升,软技能和领导技能变得更加重要,因为关系管理和影响力成为履行我们职责不可或缺的一部分。随着我们职业阶梯的上升,T 型技能也变得越来越重要,并被要求展示我们对情境的流畅性和对组织环境的把握。


技能在职业发展中的重要性

如何确保您的职业生涯不会过时:T 型技能

当然,新产品和技术加上监管的不确定性增加了投资管理行业本已复杂的生态系统的复杂性。因此,虽然技术、软技能或领导技能无可替代,但 T 型技能变得尤为重要。CFA协会早前发布的《未来投资专业人士》报告发现,此类技能是最需要培养的技能类型。最近一项针对 8,000 多名LinkedIn用户的民意调查证实了这一点:T 型技能被认为比技术、可持续发展/ESG 和软技能更有价值。问题是为什么。


对未来 5 至 10 年内以下技能类型对于成功投资专业人士的重要性进行排名(% 排名第一)


颠覆是变革的驱动力

技能和学习调查的 10 名受访者中有近 4 人认为,他们的工作角色将在未来 5 到 10 年内发生重大变化或不复存在。这群人认为,颠覆是不可避免的。

那么,颠覆从何而来?技能和学习调查的受访者预计,包括人工智能 (AI) 和机器学习 (ML) 在内的新分析方法以及对可持续性的日益重视将成为工作角色颠覆的两个主要来源。


您预计这些行业颠覆者中哪些会对这一变革做出重大贡献?(选择所有符合条件的)


T型思维模式帮助我们磨练适应能力并适应新趋势和技术。事实上,不断发展此类技能可能是为未来不确定的未来做好准备的最有效方法。行业颠覆者往往是从关键技能发展的差距中脱颖而出的。最近的行业趋势证明了这一点。人工智能/机器学习和可持续性是颠覆的两个主要来源。在这些领域,那些表现出熟练程度的人远远多于那些追求或有兴趣追求熟练程度的人。也就是说,这些领域对人才的需求远远超过供应,这就是为什么当前和有抱负的投资专业人士可能希望关注这些领域。


关键技能的供需


随着新技术、投资产品和策略的推出,跨多个学科的广泛知识将变得至关重要。随着专业技能被集成到通用工具包中,今天的创新将成为明天的惯例。我们适应这种转变的速度是技能邻接的一个因素:新兴技能与通才技能越一致,整合的速度就越快。

人工智能/机器学习和可持续性证明了这种关系。可持续性是对传统投资方法的延伸而不是拒绝:它寻求对投资风险和机遇建立更全面的看法。这意味着所需的技术技能与投资管理中已广泛应用的技术技能重叠或相邻。因此,将可持续发展方法融入通用技能中应该不是太艰巨的任务。

然而,人工智能和机器学习提出了更大的挑战。他们需要的技能与大多数投资管理通才所掌握的技能完全不同——数据科学、编码等。因此,可持续发展供需技能差距的缩小速度可能比人工智能和机器学习人才差距的缩小速度快得多。在考虑如何定位未来的职业时,请记住这一点。

为未来提升技能

投资管理既充满机遇,也面临颠覆。在竞争如此激烈且多变的环境中,我们的技能多样化至关重要。额外关注开发更多 T 型技能可以帮助我们为行业不可避免的转型做好准备并适应。我们需要找出人才供给与培训需求之间的差距,为自己的职业发展定位。

目前,邻近的技能——比如可持续性——可能是唾手可得的成果。我们应该考虑哪些技能是需要的并且与我们现有的知识库相邻。这些可能是值得关注的好目标。它们可以快速开发,而不会陷入不熟悉的领域太远。

其他与传统金融不太相似的技能可能更难培养。但如果他们拥有人工智能和机器学习的潜力,从长远来看,他们也可能会支付更多的红利。鉴于其复杂性,在可预见的未来,此类技能可能仍然是专家的领域。

但无论我们选择关注什么科目或技能类别,我们都需要致力于终身学习,每天学习新东西。投资管理是一个充满活力的行业,变化的速度太快,否则的话。任何从业者都不能让他们的知识或技能长期保持静止。

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/73871.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年7月23日 22:18
下一篇 2023年7月24日 23:22

相关推荐

  • 个人理财:资金最大化指南

    ‍ ‍ 什么是个人理财? ‍ 个人理财这个词涵盖了管理资金的各个方面。它可以适用于像跟踪支出和存钱这样简单的事情,也可以适用于像税收和遗产准备这样复杂的事情。 ‍ 资金管理可能会带来压力。事实上,64%的美国人表示他们对自己的财务状况感到焦虑。近三分之一 ( 31% ) 的受访者表示 2022 年的财务焦虑比 2021 年更严重。但请分别考虑每个组成部分。在…

    2023年12月8日
    14400
  • 大学费用飙升的背后是什么以及您可以做什么

    自从我在 2011 年首次撰写有关大学教育成本不断增加的文章以来,有什么变化吗?最简洁的答案是不。” 过去40年大学学费的累计涨幅远高于通货膨胀率。1980 年至 2020 年间,通货膨胀上升了 95%,而平均大学教育成本上升了 148%。1980 年四年制学位的费用为 50,000 美元,现在则为 124,000 美元。 显然,大学费用的上涨速度远远快于其…

    2023年9月8日
    18200
  • 主动价值投资:避免价值陷阱

    关键点 未来几年价值表现优异的基本理由仍然强劲,但可能需要采取更具选择性的方法来避免价值陷阱。这些价值陷阱、廉价公司的弱点尚未完全反映在价格中,增加了价值投资者的风险并侵蚀了回报。 根据对美国股票表现长达 32 年的研究,成功避免价值陷阱的投资策略通过更集中但风险更低地投资最便宜的股票,提供了更好的上涨潜力。筛选出信号值陷阱的特征是实现此目的的一个简单方法。…

    2024年3月30日
    10900
  • 当其他一切都达不到要求时,掉期可以预测通货膨胀

    一年前的本周,美国政府告诉我们,2022 年 6 月以消费者价格指数衡量的通胀率同比飙升至 9.06%,为 1981 年以来的最高水平。

    2023年7月10日
    22500
  • 在金融数据科学中使用具有经济意义的因素的好处

    因素选择是我们构建财务模型时最重要的考虑因素之一。那么,随着机器学习 (ML) 和数据科学越来越融入金融,我们应该为 ML 驱动的投资模型选择哪些因素以及如何选择它们? 这些都是开放且关键的问题。毕竟,机器学习模型不仅可以帮助因子处理,还可以帮助因子发现和创建。 传统统计和机器学习模型中的因素:(非常)基础知识 机器学习中的因素选择称为“特征选择”。因素和特…

    2023年9月14日
    18400
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部