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

  • 未来几年,技术进步将如何影响女性的财富?

    1.投资环境从男性中心转向女性中心 据英国《金融时报》报道,“在全球范围内,到 2030 年,全球几乎所有地区的富人可投资资产预计都会增加一倍。” 我们知道,财富转移可能是历史上金融和投资领域最重要的人口趋势。至关重要的是,这种财富转移的大部分流向了女性。 April Rudin:女性超过男性,占总人口的 51%。寡妇和其他女性群体将成为寻求新资产的公司和基…

    2023年7月28日
    17100
  • 贸易战 2.0:投资者应该做好准备吗?

    贸易战是一种以关税上升和其他保护主义贸易壁垒为特征的经济冲突。在经历了 2018-19 年的贸易战关税(贸易战 1.0)之后,投资者正在重新审视这一话题,以及今年全球大选中“国家优先”政策的兴起对股市、通胀和增长的潜在影响。总之,以下是贸易战对投资者的主要影响: 关税会影响股市表现吗?平均而言,我们的分析显示,在贸易战 1.0 期间,关税公告对股票影响不大,…

    2024年8月30日
    5800
  • 嘉信:美国国债收益率未来走向何方?

    我们预计,随着通胀持续降温,收益率将在今年晚些时候和 2024 年下降。 过去几个月,尽管通胀压力缓和,中长期国债收益率仍上涨了多达 50 个基点1 。有几个因素促成了上涨趋势: 经济比预期更具弹性,引发了人们对通胀反弹的担忧。 美联储进一步加息的风险仍然存在。 人们担心,由于财政赤字上升,需要发行的债券供应量不断增加,这意味着收益率需要上升才能找到买家。 …

    2023年9月23日
    14200
  • 北京大学金融时间序列分析讲义第24章: 向量自回归模型

    24.1 VAR(1)模型 多个资产收益率的联合模型中最常用的是向量自回归(Vector Autoregression, VAR)模型。称k元时间序列rt服从一个一阶向量自回归模型,即VAR(1),若有 rt=ϕ0+Φrt−1+at(24.1) 其中ϕ0是k维常数向量,Φ是k阶常数方阵,{at}是序列不相关的弱平稳列,Eat=0,Var(at)=Σ…

    2023年8月5日
    27500
  • 投资分析师指南:美国金融市场更长远的观点

    理解金融市场的历史背景对于寻求在今天复杂环境中做出明智投资决策的投资专业人士至关重要。对超过 230 年的历史数据进行探索,揭示了市场是如何演变的,以及连续性和变化如何塑造投资机会。 从 19 世纪铁路的主导地位到多行业指数的出现,这一历史视角为分析师处理旧数据提供了宝贵的见解。通过将这些知识融入现代策略中,专业人士可以更好地导航市场周期,理解长期趋势,并完…

    2025年1月1日
    2600
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部