本案例依原書 Data Scientists 段落與 Fig. 1.5（Mortenson et al. 2015）整理。
作者把 Data Scientist 的核心能力分成 Computer Science、Quantitative Skills、Domain／Decision Appreciation 三個維度，並說明缺少其中一角可能造成的問題。
原書指出不同 Data Scientist 的三項能力強弱可以不同，但 Analytics Team 整體必須能跨越三個領域及其交集。
| 組合／指標 | 原書內容 | 管理意義 |
|---|---|---|
| Computer Science | Programming、AI 等 | 資料／模型實作能力 |
| Quantitative | Statistics／Mathematics | 模型有效性與推論 |
| Domain／Decision | 理解特定領域真正要做的決策 | 模型與 Business Decision 對齊 |
| Programming + Statistics | 典型為 Machine Learning | 可能找到 pattern，但若欠缺 domain，可能不理解為何有效 |
| Programming + Domain，缺 Quant | 模型可能 wrong／unreliable／lack validity | 錯誤決策風險 |
| Statistics + Domain，缺 Programming | Traditional／Operational Research | Simulation、Optimization、Linear Programming、Forecasting |
| McKinsey Forecast | USA 到 2018 可能短缺最多 190,000 Data Scientists | 原書引用的 Talent Scarcity 背景 |
| Glassdoor USA 2018 | Job Satisfaction 4.2/5；Median Base Salary USD 110,000；Overall 4.8/5 | 原書引用的小型資料背景 |
| Glassdoor UK 2018 | Rank 17；Satisfaction 3.6/5；Median GBP 45,000；Overall 4.0/5 | 作者明確提醒資料可能不具代表性 |
建立 Team Skill Matrix：每位成員分別記錄 Computer Science、Quantitative、Domain／Decision 能力及 Evidence。AI 可整理技能缺口，但不能僅依職稱自行評分。
本案例保留原書引用數字；Glassdoor USA／UK 並非可直接比較的正式薪資研究，原書自己也提醒 Dataset Small／Representativeness 有限。
真正的 Analytics Capability 是跨技能組合。只會 Programming、只會 Statistics 或只懂 Business 都可能留下重要缺口，因此管理者應看 Team Composition，而非尋找一個「全能」職稱。
請依 Fig. 1.5 建立 Analytics Team skill-gap matrix，分 Computer Science、Quantitative、Domain/Decision 三類。只依我提供的履歷／證據評估，不可因職稱自動推定能力。