翻開任何一本經濟學的教材，都會看到物以稀為貴這條鐵律。人才作為資源的一種，也是同樣的道理。而稀缺性，換種說法也可以叫做不可替代性。一種資源越是稀缺，不可替代性就越強。

即使是在技術領域，極大多數情況下個人的核心競爭力也不是它獨到的技術，前有阿里百萬美金邀請技術天才加盟的新聞轟炸，后有華為給應屆博士畢業生開的幾百萬年薪，但這些個案沒有參考價值，跟普通人也沒啥關系，對于大多數的我們來講，往往是你的獨特的個性知識經驗組合成就了獨特的你。

數據行業里擁擠著上百萬聰明人，彼此之間真正的不同在哪里呢?

不在于你學的是什么技術，學得多深，IQ多少，而在于你身上有別人沒有的獨特的個性、背景、知識和經驗的組合。如果是這種組合：

1、絕無僅有

這里的絕無僅有不僅包括單項技能，更多指多維技能的組合，比如做算法沒有很好的數學基礎其實是做不到頂尖的，如果說是寫程序，你去看看Github排名前100的都是什么樣的人?但多維技能組合可以讓你在自己這個行業絕無僅有。

吳軍以前算是頂尖的程序員了吧，Google的搜索引擎有他的影子，但他在硅谷來信中提出的五級工程師的理論中對自己的評定也就2.5級。現在他在干嘛?投資、寫書和開專欄，吳軍肯定是IT出身的人中最會寫書和開專欄的人之一。

霍金的科學成就肯定不如楊振寧，但他對于世界的影響力更大，因為他是科學家里最會寫書的人，比如時間簡史，而擁有這項技能的科學家還真的不多。

在大多的企業，你的建模技術做到TOP25%也許就到天花板了，但如果溝通匯報能力能達到TOP10%，那就會有更大的影響力，能夠做成更多的事。

我經常提醒員工注意職業素養的培養，無論是日報、月報、總結、匯報等等，都要像對待技術一樣去認真學習和掌握。

大魚有個下屬B君，是做數據產品的，你說他技術能力強嗎，僅寫過點SQL，但凡有重大項目，他都是第一選擇，為什么呢?

因為其在數據、產品、分析、營銷等領域都干過，具有綜合的判斷和決策能力，他給出的思路和方案，代表了很高的水平，這在大魚的團隊中絕無僅有。

企業的大多管理者也是這種類型吧，其對公司的業務、組織、機制和流程有著深入的理解，再有溝通、表達和邏輯等能力的加持，造就了各位管理者在企業內的獨一無二性。

2、在實踐中有價值

但絕無僅有不是為了獨特而獨特，你的獨特性必須能為企業或社會帶來價值，如果這些所謂的獨特性不能融通使用創造1+1>2的價值，其實也沒啥用，你說我建模做到TOP 25%，游泳做到前5%又有什么價值呢?

有些人在單位是做技術工作，在業余時間還做投資，甚至還會寫寫小說，但只要技術+投資+寫作的能力不能結合起來為自己的公司創造融合效益，那這種技能組合對于自己的企業來講沒有意義。

有些人會說英雄無用武之地，但首先要搞清楚你自己擁有的眾多技能是否用在了正確的地方。

在這種情況下，改行是一門出路，比如萬維鋼原來是個物理學家，現在辭職到《得到》專門寫專欄，在《得到》上萬維鋼可以融合原來的專業知識+寫作能力創造更大的社會價值，而如果他仍然呆在原有科研體系，科普能力對他所在的科學界來講其實可有可無。

從這個角度講，大魚業余時間寫文章似乎有點不務正業，因為并不是為自己的公司寫文章，也不是為自己的公司做宣傳。

但大魚寫文章自有另一個層面的價值，即通過寫作來倒逼自己思考和學習，大魚寫得原創文章，大多在談如何提升數據管理的效率，這不僅于我有價值，對公司更有價值。

3、具有可持續發展性

就是你可以持續的做出貢獻，畢竟你現在的獨特性不代表一直是獨特的，市場供給理論告訴我們，一旦某個資源稀缺，自然有更多的人會涌入這個領域，從而拉低這個領域的價值，因此你得不斷學習，這樣核心競爭力才能保有。

10多年前大魚用SAS做個邏輯回歸都能得意半天，但現在隨著算法門檻的降低，簡單的調參俠、調包俠已經不再有可持續發展性，你得學點不一樣的東西。

可持續發展性一方面依賴持續的學習能力，另一方面也依賴所處的環境。

以大魚為例，自己身處數據這個行業，每天有大量的機會去接觸與數據相關的事情，會遇到大量前人沒有遇到過的數據問題，然后會想著怎么去解決，獨特的經歷給了大魚獨特的輸入，這些輸入成為了大魚能夠持續輸出文章的基礎。

比如大魚重構過很多次數據倉庫，自然會比沒做過數據倉庫的人有更深入的理解，大魚搭建過2000節點的集群，自然會比只搞過幾十個節點集群的人多點經驗，大魚做過至少100個數據挖掘項目，自然會比一般人更了解其失敗的原因。

假如哪天大魚不做數據了，那自己寫數據文章的可持續性基礎也就沒了，這體現了背景的重要性。

當然即使是現在，如果大魚工作中碰到的問題少一點，思考的少一點，自己也陷入應該寫什么文章內容的窘境。

絕無僅有、在實踐中有價值及可持續發展性三者合一造就了獨一無二的的你，當設計自己的發展路線時，我們應當最大限度地加強和發揮自己獨特的組合，而不是一味尋求單項的超越，比如我們可以花20%的時間去學會一個領域80%的技能，然后換一個。