![](https://yqfile.alicdn.com/img_3aaf909f4471b66ee3d908dd8ee0c218.jpg?x-oss-process=image/resize,w_1400/format,webp)
你的企业正在打造数据科学团队吗?首先,你应当从业务部门抽调专家来提出正确的问题。然后考虑招募一些物理学家、音乐人才,当然,还有统计人才和计算机科学家。
这些才是顶级大数据团队的关键“配方”,至少管理咨询与技术顾问公司Booz Allen的战略创新部门副总裁乔什沙利文是这么认为的。沙利文的部门负责帮助客户开展数据分析项目,在这个过程中沙利文看到太多企业犯下相同的错误。
“大多数企业只知道招聘计算机科学家,因为他们认为大数据是一个技术问题,但他们错了,”在接受媒体采访时,沙利文说道:
我们问客户的第一个问题是:你准备向数据分析系统提出什么样的问题?而不是你需要如何去编写代码。你首先需要有创造力和好奇的人。
Booz Allen组件数据科学团队的第一步是确保团队成员包括数学与统计人才、计算机科学专家和企业各业务领域专家。其中业务专家非常关键,他们是确保大数据分析产生商业价值并提升企业决策的关键环节。
值得注意的是,大数据团队中的业务专家需要与业务部门进行岗位轮换,帮助企业所有业务部门都意识到大数据团队的存在,同时需要将数据团队中的业务专家送回到业务岗位,他们将成为数据驱动的企业经营管理方法与文化的布道者。
太多企业为特定部门或者业务线组件专门的分析团队,这些团队常常无法从企业的整体业务出发考虑问题,同时这也会滋长“数据保护主义”,部门间各自囤积数据,并为数据分享设置障碍。
另外一个令人质疑的做法是在研发团队内囤积分析专家,使他们很难接触到业务部门。
陶氏化学在这方面就做得非常好,其数据科学家团队与业务专家肩并肩合作,开发出新的业务成本模型仅仅在货运和原材料两个环节就帮助公司节省了数十亿美元。
在统计专家和计算机科学家之外,沙利文的部门还成功地将物理学家和音乐专业人士引入数据分析团队,这听上去有些古怪。实际上,这两类人才为数据分析团队带来了全新的观点和方法。例如物理学家带来了从猜测、假设到实验的一整套科学验证方法,而音乐专业人才则具备“惊人的创造力和量化技能”。
当数据分析团队在处理多种数据的时候,非常类似交响乐作者编配多种乐器的过程,而这方面音乐人才是最在行的。例如在一个医药公司的数据分析项目中,需要混搭不良药物反应数据、社交媒体数据、研究注释、实验室数据和分子数据。在大数据分析出现之前,从来没有人会将这么多不同来源的数据整合到一起。事实证明,在音乐人才的帮助下,这些数据形成了完美的“合奏”,并最终帮这家药企优化了药物研发的优先级。
在最近的一个项目中,沙利文的团队帮助一家航空公司实施的大数据项目证明了大数据的商业价值。在这个大数据项目中,旅客的行程、路线、票价、目的地、载客量历史数据与体育赛事日程、传统节日、学校假期、旅客人口统计和社交媒体数据整合到一起分析。
以上这些数据航空公司有很多对应的BI仪表盘和PDF报告工具,但航空公司们从来没想到过将这些数据综合起来分析。结果证明,这样的大数据分析能帮助他们优化航班时刻表和票价,每年增加数千万美元的收入。
数据分析团队多元化的优势在大数据众包平台Kaggle上得到最佳体现。在那里,不乏天文学家、对冲基金金融工程师、经济学家以及数学家甚至律师提出能击败企业内部数据分析团队的更好的分析方法/算法。