创企独角兽之路：重要一点是打造精良数据科学团队

上图为Jeremy Stanley 在位于旧金山的 Instacart 总部

你该从什么时候开始呢？

数据科学需要大量数据进行分析，而大多数公司刚开始并没有足够多的数据。

当你需要数据科学团队执行一项任务的时候，你再着手招募数据主管或者建立团队。与此同时，你需要尽早收集数据，这样当你准备完毕后，团队就可以完成任务了。

如果你还没有数据，那么谁该负责决定搜集什么样的数据以及何时搜集数据呢？这个负责人不一定要是数据科学家，但最好是能理解不同数据组潜力并能够做出数据投资战略决策的人。如果你已经知道自己需要花费很多时间和精力收集数据，那这时你就应该拿出一部分资金去招募一个数据科学家了。

有可能你会立即需要数据，因为你的业务就是提供数据产品。但更有可能你的最小可行化产品是不需要数据来驱动的。这时候你就可以依靠直觉来看市场对此的反馈。在这种情况下，预先投资数据收集和数据科学领域将会耗费你宝贵的资金和时间。你应该将这些资金和时间用于推广你的最小可行化产品。

当你数据充足，并准备好用产品、工程以及业务资源来支持数据科学工作了，这时你就该尽快开始建立团队了。

尽早在企业内营造一种重视数据的文化。业务决策（包括收购以及产品推出）应该以数据为基础而不是个体的观点。

不要匆忙进行人才招募，因为过早建立团队的代价极高，它会消磨人才的动力并且产生负面的文化影响。

如果要提出一个最重要的建议的话，那就是：在你确定了自己的最小可行化产品之后，你就可以考虑投资数据科学了。

数据科学应该被置于公司的什么位置？

将数据科学置于企业结构中哪一个位置，这一点对于团队、对于你的目标达成以及业务的成功至关重要。通常我们有三种方法：独立型团队、嵌入型团队以及整合型团队。每一种方法都各有利弊。

独立型团队

在独立型模式中，你的数据科学团队是和工程团队并列存在的。团队主管也是公司的关键领导之一，通常是向产品主管或工程主管——甚至是向首席执行官直接汇报。

独立型模式的优势之一就是它的自主权。这类型的数据科学可以自主选择他们认为最具价值的问题来解决。它还有一个象征性的优势，那就是：它的存在表明公司将数据作为一级资产，这一理念将帮助团队吸引到世界顶尖的人才。

独立型模式特别适合决策科学团队。虽然决策科学家是与产品团队密切合作的，但是这样的独立性可以帮助他们做出一些艰难的决策。决策科学家们还受益于交叉影响，交叉影响不但能帮助他们更好地理解不同产品的指标是如何相互影响的，还能分享到更多实验与数据分析方面的知识。

自主权的缺点就是被边缘化的风险。随着公司产品团队逐渐扩大，他们更倾向于一种“自给自足”的状态——即不希望依靠他们无法掌控的资源。他们想要靠自己，甚至是以“研究工程师”这样的名义招募自己的数据科学家。如果产品团队拒绝合作，那么数据科学团队就会被边缘化，无法创造价值。

嵌入型团队

在嵌入型模式中，数据团队招募到人才之后会将他们分配到公司不同的部门。他们仍有一个数据科学主管，但他/她大多是招聘经理或是指导员。

嵌入型模式恰好与独立型模式相反：为了确保实用性，该模式舍弃了自主权。最好的情况是数据科学家加入最需要他们服务的产品团队，然后解决企业遇到的一系列问题。

嵌入型模式的缺点是并非所有的数据科学家都欣然同意放弃自主权。事实上，很多人都不愿意这样。数据科学家的职位介绍里强调创造力和主动性，而嵌入型角色则通常需要他们服从团队的领导。

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!