如何打造數(shù)據科學團隊，你想知道的都在這里

1. 數(shù)據產品利用數(shù)據科學和工程技術來提升產品表現(xiàn)，通常會帶來更準確的搜索結果、更好的建議和自動決策。
2. 數(shù)據監(jiān)測需要整個公司的一致努力，要確定每款產品需要收集何種數(shù)據，同時還要建立起收集及維護這些數(shù)據的基礎設施和流程。要取得成功，數(shù)據測量需要數(shù)據科學家、工程師和產品經理通力協(xié)作，而這些都需要公司管理層的支持和投入。
3. 決策科學利用數(shù)據來分析業(yè)務指標——比如增長率、互動情況、盈利驅動因素以及用戶反饋——從而為戰(zhàn)略和關鍵業(yè)務決策提供信息支持。
4. 你把數(shù)據科學放在公司架構中的哪個位置，這件事非常重要——對團隊本身，對其他部門以及對公司的整體成功來說，都是如此。目前有三種常見方案：獨立團隊，嵌入式團隊，以及整合型團隊。

本文的兩位作者分別是Instacart負責數(shù)據科學業(yè)務的副總裁杰里米·斯坦利（JeremyStanley），以及技術顧問、LinkedIn前數(shù)據業(yè)務負責人丹尼爾·唐克朗（DanielTunkelang）。杰里米編寫的數(shù)據科學家招聘指南是同類作品中最為全面的。

很難相信，“數(shù)據科學家”到2008年才成為一項真正的職務頭銜。Facebook的杰夫·哈梅巴赫（JeffHammerbacher）和LinkedIn的D.J.帕蒂爾（DJ Patil）創(chuàng)造了這個詞語，以充分體現(xiàn)市場對跨學科技能的新需求。如今，市場對數(shù)據科學家的需求與日俱增，隨之而來的還有另一種需求，即如何才能壯大這些團隊。

我們兩人都親歷過數(shù)據科學的興衰，并在多家公司領導過團隊或是擔任顧問，它們屬于不同的行業(yè)，也曾處于不同的發(fā)展階段。我們看到的挑戰(zhàn)不僅在于如何招聘到頂尖的數(shù)據科學家，還包括如何發(fā)揮他們的功效，以及在人才競爭激烈的市場中如何留住他們。

在這篇文章中，我們解釋了為什么數(shù)據科學對許多初創(chuàng)公司都如此重要，公司應該何時對數(shù)據科學進行投資，如何在公司中安排數(shù)據科學的位置，以及怎樣打造一種讓數(shù)據科學蓬勃發(fā)展的文化。

首先，你想達到什么目的？

數(shù)據科學服務于兩個重要但并不相同的目標：提升用戶所使用的產品以及改進公司做出的決策。

• 數(shù)據產品利用數(shù)據科學和工程技術來提升產品表現(xiàn)，通常會帶來更準確的搜索結果、更好的建議和自動決策。
• 決策科學利用數(shù)據來分析業(yè)務指標——比如增長率、互動情況、盈利驅動因素以及用戶反饋——從而為戰(zhàn)略和關鍵業(yè)務決策提供信息支持。

二者的區(qū)別可能聽起來簡單，但在你打造自己的數(shù)據科學團隊時，記住它們之間的區(qū)別非常重要。下面，我們會進一步探究這兩個領域。

利用數(shù)據科學打造更好的產品

數(shù)據產品利用數(shù)據科學來提升產品表現(xiàn)。它們依賴一種良性循環(huán)，產品收集的數(shù)據能夠改進算法，而算法的改進又會提升用戶體驗。

在你收集到這些數(shù)據前會發(fā)生什么呢？產品的最初版本必須解決數(shù)據科學所謂的“冷啟動”問題——它必須提供“足夠好的”體驗來開啟數(shù)據收集和數(shù)據驅動的良性循環(huán)。要拿出這種足夠好的解決方案，我們要依賴產品經理和工程師。

舉例來說，當Instacart的用戶訪問網站時，我們的應用會在“再次購買”標簽下展示其最近購買的商品。這是一項用戶喜歡的功能，但它幾乎不需要用到數(shù)據科學——或者大量數(shù)據。當我們希望向用戶推薦他們之前沒有買過的產品時，數(shù)據科學就有了用武之地。這需要分析所有用戶的購買行為，找出哪些用戶是相似的，最終基于相似用戶的購買記錄來推薦產品。這就是數(shù)據科學的舞臺，利用數(shù)據創(chuàng)造價值，讓用戶能夠輕易發(fā)現(xiàn)自己可能忽視的新產品。

為了提升產品，數(shù)據科學家必須跟工程師長期密切合作。你還需要決定，是讓數(shù)據科學家獨自完成產品的提升，還是讓他們與工程師合作。兩種方式都可以，但最好將之規(guī)范化，并在整個公司內形成一種預期。否則，產品改進將難以應用到生產中，而且你會失去那些有才華的數(shù)據科學家，因為他們感到勞無所獲，遭到輕視。

利用數(shù)據科學做出更好的決策

決策科學利用數(shù)據分析和可視化技術來為業(yè)務和產品決策提供信息支持。決策者可能身在公司的任何位置——可能是需要確定優(yōu)先事項的產品經理，也可能是負責公司戰(zhàn)略決策的高管團隊。

決策科學涵蓋的范圍很廣，但它們往往具有幾個共性：它們是公司之前沒有遇到過的新問題；它們往往是主觀性的，需要數(shù)據科學家應對未知變量和缺失的背景信息；它們是復雜的，涉及大量缺乏明確因果關系的不確定因素。與此同時，決策科學又至關重要——決策的結果是具體的，對業(yè)務有著重大影響。

以上所說的可能很像是數(shù)據分析，實際上，數(shù)據分析與決策科學之間的差異并不總是很明顯。盡管如此，決策科學不應該僅僅只是制作報表和指示板，數(shù)據科學家所做的工作不應是那種可以利用現(xiàn)成商業(yè)工具便可完成的工作。

LinkedIn的高管團隊利用決策科學做出了一項關鍵的業(yè)務決策，即讓用戶資料出現(xiàn)在搜索結果中。以往情況下，只有付費用戶才可以看到自己網絡中所有人的完整資料?？梢娦缘囊?guī)則很復雜，LinkedIn希望簡化它們——但使用的方法不能損害公司營收。這里面的賭注是巨大的。

LinkedIn提出的可見性模式是對非付費用戶的每月用量進行限制，超出用量即停止服務。該公司的決策科學家模擬了這一改動帶來的影響，他們利用歷史行為數(shù)據來預測營收和用戶黏性可能受到的影響。分析結果表明，公司可以走出這一步。

結果，新模式不僅對公司業(yè)務產生了積極影響，也令數(shù)百萬用戶拍手稱贊，不僅如此，它還消除了產品開發(fā)過程中的一大難題。有些人對用量限制發(fā)出抱怨，但這部分人正是LinkedIn認為應該付費的用戶。

并非所有的決策都需要運用決策科學。有些決策太過瑣屑，運用數(shù)據科學所產生的成本并不值當。其他決策可能很重要，但公司可能缺乏能夠進行有效分析的數(shù)據。在這些情況下，公司需要依靠直覺和實驗來進行決策。優(yōu)秀的決策科學家了解自身的局限性，并可以判斷自己的努力是否會徒勞無功或適得其反。

雖然決策科學和數(shù)據產品需要某些相同的技能，但很少有數(shù)據科學家能夠同時擅長兩個領域。決策科學依靠的是業(yè)務和產品意識、系統(tǒng)思維以及強大的溝通能力。而數(shù)據產品則要求機器學習知識和生產層面的工程學技能。如果你有一支小型數(shù)據科學團隊，你可能需要找到同時擅長這兩個領域的優(yōu)秀人才。不過，隨著團隊規(guī)模的擴大，你將從專業(yè)分工中受益。

你是否應該投資于數(shù)據科學？

數(shù)據科學并不是適合所有人。只有當數(shù)據科學對你的成功至關重要時，你才需要對它進行投資，否則這件事就會干擾你，讓你付出高昂的代價。

在組建數(shù)據科學團隊之前，你應該問自己四個問題：

1. 你是否愿意利用數(shù)據科學為戰(zhàn)略決策或數(shù)據產品提供支持？

如果答案是否定的，就不要招聘數(shù)據科學家。

數(shù)據科學家可以幫你做出戰(zhàn)略決策，但前提是你愿意為他們營造這種氛圍。你可能不會從一開始就需要他們，但招到合適的人才需要時間——而且，他們了解公司的數(shù)據和業(yè)務也需要時間。在他們能夠利用數(shù)據科學來驅動決策之前，你需要把這些工作都做好。

數(shù)據產品可以通過提升優(yōu)化程度和相關性來創(chuàng)造價值并取悅用戶。如果你的產品路線圖上有這些目標，你應該盡早招聘數(shù)據科學家，他們做出的設計決策能夠為你帶來長久的成功。數(shù)據科學家可以在產品設計、數(shù)據收集和系統(tǒng)架構方面做出重要決策，這些都是打造偉大產品的關鍵基礎。

2. 你能夠收集到所需的數(shù)據，并基于它采取行動嗎？

公司的創(chuàng)始工程師可以基于少量的產品和設計指導，打造出一款最小化可行產品。數(shù)據科學需要數(shù)據，而數(shù)據只有通過測量和規(guī)?；拍塬@得。推薦系統(tǒng)依靠監(jiān)測產品來追蹤用戶行為，優(yōu)化業(yè)務決策則要依靠對關鍵活動和結果進行精密的評估。

不過，僅僅收集數(shù)據是不夠的。只有在數(shù)據能夠驅動行動時，數(shù)據科學才有價值。

數(shù)據應該為產品迭代提供信息方面的支持，并驅動公司的關鍵績效指標。

數(shù)據監(jiān)測需要整個公司的一致努力，要確定每款產品需要收集何種數(shù)據，同時還要建立起收集及維護這些數(shù)據的基礎設施和流程。要取得成功，數(shù)據測量需要數(shù)據科學家、工程師和產品經理通力協(xié)作，而這些都需要公司管理層的支持和投入。

同樣，數(shù)據驅動的決策也需要一種自上而下的承諾。包括首席執(zhí)行官在內，公司必須利用數(shù)據來做決策，而不是誰的薪水高誰就說了算。

3. 你能從數(shù)據中挖掘出足夠多的信息，得到有意義的啟發(fā)嗎？

很多人在大數(shù)據與數(shù)據科學之間劃等號，但數(shù)據的規(guī)模并不代表著一切。數(shù)據科學的意義在于濾掉雜音，找到數(shù)據中的有用信號。

可用的信號不僅取決于數(shù)據的規(guī)模，還在于“信噪比”。

舉例來說，一款廣告產品可能從數(shù)十億次的廣告曝光中收集數(shù)據，但只有在用戶跟廣告進行互動的少數(shù)情況下，數(shù)據才承載了有用的信號。因此，大量的數(shù)據往往只能產生少量的信號。除非數(shù)據集中擁有大量信號，否則數(shù)據科學無法帶來有意義的啟發(fā)。

4. 你需要數(shù)據科學成為自己的核心競爭力嗎，還是可以外包出去？

打造一支數(shù)據科學團隊困難重重，而且代價高昂。如果你能通過外包滿足自己對數(shù)據科學的需求，你也許應該這樣做。一種選擇是利用外部咨詢團隊；而更好的選擇是利用現(xiàn)有解決方案，它們會利用應用程序界面來獲取數(shù)據、建立模型、實現(xiàn)自動化操作，并提供關鍵性的分析報告。你可能無法找到完美契合自身需求的解決方案，但如果能加速業(yè)務發(fā)展，讓核心團隊能夠聚焦于創(chuàng)造最大價值的領域，那么在這上面做一些妥協(xié)往往也是值得的。

在何種情況下，你需要讓數(shù)據科學成為自身的核心競爭力？如果數(shù)據科學正在解決的問題對公司的成功至關重要，那么你就不能把這些工作外包。此外，現(xiàn)成的解決方案往往有些死板。如果你的公司是在用一種獨特的方式解決問題（比如收集全新類型的數(shù)據，或是用全新的方法來使用數(shù)據），那么現(xiàn)成的解決方案可能缺乏靈活度，它將無法滿足你的需求。

你應該從何時起步？

數(shù)據科學需要基于數(shù)據進行科學分析，而大多數(shù)公司一開始并不會掌握太多數(shù)據。

在招聘數(shù)據業(yè)務主管或建立團隊之前，要確保他們有工作可做。同時，要盡早開始收集關鍵數(shù)據，這樣，數(shù)據科學團隊就能早早地發(fā)揮作用了。

如果你還沒有掌握數(shù)據，那么應該由誰來告訴你該收集什么樣的數(shù)據以及何時進行收集？此人并不一定要是數(shù)據科學家，但最好要了解不同數(shù)據集的作用，并能夠對公司的數(shù)據投資戰(zhàn)略做出強硬決策。如果你已經知道會在數(shù)據收集方面花費大量的時間和金錢，那么現(xiàn)在，或許是時候至少以最低限度的投資，招聘第一位數(shù)據科學家了。

如果你的業(yè)務是提供數(shù)據產品，那么你可能立刻就需要數(shù)據。但情況更有可能是，你的最小化可行產品不需要由數(shù)據驅動。你會根據直覺來押注，并觀察市場反應。在這種情況下，過早地投資于數(shù)據收集和數(shù)據科學將浪費你寶貴的時間和金錢，而這些資源本該用于把你的最小化可行產品推向市場。

一旦你擁有可供數(shù)據科學家處理的數(shù)據，并準備好投入大量的產品、工程和業(yè)務資源來為數(shù)據科學提供支持，你應該馬上開始組建團隊。

在公司培育一種重視數(shù)據的文化，此事宜早不宜遲。從并購到產品發(fā)布，業(yè)務決策應該基于數(shù)據而不是個人意見。盡早把數(shù)據科學引入公司，這樣做的好處之一是幫助大家形成一個觀念，即數(shù)據是最好的資產。

不過，不要僅僅因為數(shù)據科學行業(yè)很“性感”就急著去招聘。這個領域儼然已成為當下的熱門話題，因此很多人產生了一種緊迫感，想要盡快組建數(shù)據科學團隊。胸懷大志的公司急切地想招攬數(shù)據分析人才，但過早建立團隊會產生高昂的代價，不僅讓員工變得消極，還可能對企業(yè)文化產生持續(xù)的負面影響。

如果非要我們給出一則最重要的建議，那就是：在完成對最小化可行產品的驗證之后，你就可以考慮投資數(shù)據科學了。

一次成功的產品發(fā)布應該可以產生足夠的數(shù)據以供分析，而你需要跟上“數(shù)據流”的步伐，辦法就是招聘那些可以從中找到價值、并獲得啟發(fā)的人才。

數(shù)據科學在公司架構中處于什么位置？

你把數(shù)據科學放在公司架構中的哪個位置，這件事非常重要——對團隊本身，對其他部門以及對公司的整體成功來說，都是如此。目前有三種常見方案：獨立團隊，嵌入式團隊，以及整合型團隊。每一種方案都各有利弊，讓我們一一來分析。

獨立模式

在獨立模式下，數(shù)據科學團隊將成為與工程技術部門平行的獨立部門。數(shù)據科學團隊的主管將成為公司的主要領導者，通常向產品主管或工程主管報告——甚至直接向首席執(zhí)行官匯報工作。

獨立模式的優(yōu)勢是自主權，這種類型的數(shù)據科學團隊可以自主決定去解決自己眼中最有價值的問題。此外，獨立團隊還有一個象征性的優(yōu)勢：它表明公司將數(shù)據視為一種重要資產，這將有助于公司吸引到一流人才。

決策科學團隊使用獨立模式的效果尤為明顯。盡管決策科學家會與產品團隊密切合作，但獨立性可以讓他們發(fā)出更強硬的聲音，比如告訴產品經理，他們的產品指標還不夠好，不適合發(fā)布。此外，決策科學家也能從團隊之間的溝通中獲益，既能更好地理解產品指標的相互依賴性，也能在實驗和數(shù)據分析方面實現(xiàn)相互分享。

這種獨立性的弊端在于邊緣化風險。隨著公司規(guī)模擴大，組成一個個產品團隊，他們往往傾向于自給自足。雖然與數(shù)據科學家的合作可以給產品團隊帶來好處，但他們不愿依賴自己無法控制的資源。他們想依靠自己把事情做好，甚至會以“研究工程師”等名目，招聘自己的數(shù)據科學家。如果產品團隊拒絕與獨立的數(shù)據科學團隊合作，那么后者就會被邊緣化，無法發(fā)揮應有作用。那時，公司就又會開始流失優(yōu)秀人才。

LinkedIn最初的數(shù)據科學團隊就是獨立的，這使得他們可以在公司的多個產品上做出重要貢獻，比如更準確地找出用戶“可能認識的人”，以及檢測虛假賬號。不過，隨著LinkedIn的發(fā)展，獨立的數(shù)據科學團隊越來越難以同產品團隊協(xié)作，尤其是后者自身也招聘了具有類似技能的工程師。最終，該公司決定撤銷獨立的數(shù)據科學團隊。這也是意料之中的結果。

嵌入式模式

在嵌入式模式下，數(shù)據科學團隊負責引進人才，然后把他們派遣到公司的其他部門。公司依然會設立數(shù)據科學主管的崗位，但他（或她）更多地是扮演招聘經理和培訓師的角色。

嵌入式模式和獨立模式截然相反：它放棄了自主權來確保效用。在最理想的情況下，數(shù)據科學家會加入最需要他們的產品團隊，針對公司的一系列問題開展工作。

嵌入式模式的弊端在于，并不是所有的數(shù)據科學家都愿意放棄自主權。數(shù)據科學家的職位描述中強調創(chuàng)造性和主動性，而嵌入式角色往往要求他們聽命于自己所服務團隊的主管。

還有一種風險是，作為嵌入團隊的成員，數(shù)據科學家可能會覺得自己是“二等公民”——團隊主管覺得他們的職業(yè)發(fā)展和幸福感與自己無關，而直屬上司又覺得他們的工作不歸自己管。

我們看到一些公司在團隊中設置了數(shù)據科學經理一職，但這種方法奏效的前提是，公司的數(shù)據科學團隊要比較龐大才行。

在LinkedIn，丹尼爾親身體會了嵌入式模式的利與弊。實際上，決策科學團隊早已利用嵌入式模式取得了蓬勃發(fā)展。決策科學家會確保，產品團隊會基于數(shù)據信息做出決策，尤其是涉及產品發(fā)布的決策。與此同時，集中式管理促進了知識共享，也推動了員工的職業(yè)發(fā)展。但就像前面提到的，隨著公司規(guī)模不斷擴大，獨立數(shù)據產品團隊的發(fā)展會遭遇困難。最終，LinkedIn決定把數(shù)據科學工作整合到工程部門，丹尼爾轉任工程部門崗位，并擔任整合型團隊的主管，負責搜索結果的質量——這個領域尤其要求工程師和數(shù)據科學家緊密合作。

整合型模式

在整合型模式中，公司不會設立數(shù)據科學團隊。產品團隊自主招聘并管理數(shù)據科學家。

這種模式有利于公司內部的密切合作。通過讓數(shù)據科學家成為產品團隊的主要成員，整合型模式彌補了獨立模式和嵌入式模式在這方面的缺點。在整合型模式下，數(shù)據科學家、軟件工程師、設計師以及產品經理有著相同的工作目標，這增加了他們的團隊歸屬感。這樣，就可以避免團隊目標南轅北轍抑或是凝聚力不夠所導致的裂痕。

整合型模式的弊端在于，它會弱化數(shù)據科學家的身份認同感。數(shù)據科學家的身份是與自己所在的產品團隊聯(lián)系在一起，而不是一個集中的數(shù)據科學團隊。此外，這種模式也缺乏嵌入式模式的靈活性，因為你很難基于數(shù)據科學家的技能和興趣進行調崗。還有一點，整合型模式為數(shù)據科學家的職業(yè)發(fā)展設置了障礙，因為整合型團隊的主管可能不是評估或獎勵他們的最佳人選。

在Instacart，數(shù)據科學家已被完全整合到產品團隊中。這些團隊有自己的產品領域，可能是實時的訂單執(zhí)行工具，也可能是用戶在購物時使用的應用，或者是搜索和推薦服務（該公司內部有15支這樣的團隊）。

每一支團隊都有工程師、數(shù)據科學家、設計師和產品經理，其中工程師和數(shù)據科學家向技術主管匯報工作——技術主管自己可能就是工程師或數(shù)據科學家。這種架構確保了工程師能夠與數(shù)據科學家密切合作，并且讓他們有權去做任何事，只要是服務于團隊目標即可。作為Instacart的數(shù)據科學副總裁，杰里米充當著數(shù)據科學家及其團隊主管的導師。他把數(shù)據科學家聚攏在一起，服務于不同的產品團隊。他還領導著整個公司的數(shù)據科學項目。

這三種模式各有利弊，你必須確定哪一種最適合自己的公司，還要想清楚你希望它今后如何發(fā)展。隨著需求的變化，要做好準備隨時調整。有時候，最佳方案并不是單一的模式，而是相互結合。正如安迪·格魯夫（Andy Grove）在《高產出管理》（HighOutput Management）一書中寫道的：

優(yōu)秀的管理是集權和分權的調和，是在響應市場和發(fā)揮組織力量之間，求取最佳組合的平衡藝術。