矽谷的早期創業公司有著浪漫的特質：行動迅速、只做出基礎決策，任何好的想法都有可能成功，我非常認同這些。
回到那時候，當我們對商業上開創性的業務還知之甚少的時候，資料基礎設施的建設是快速穩定實施的。公司這麼小，每個人都是一個決策迴圈。資料團隊，也就是我，可以有自己的衡量標準和方法。
但當5年後Airbnb達到43000%的增長之後，事情變的有點複雜。我們利用資料的方式更加複雜，而且現在資料成倍增長。所以我認為是時候寫下這篇文章，回顧我們的資料團隊是如何伴隨著公司的成長。
圍繞如何連線資料科學與其他業務功能，我把它分為三個概念：我們如何定義資料科學，如何用它來做商業決策，以及如何通過它擴充套件到Airbnb的各方面。我不敢說我們的解決方案都完美的，但我們對每天的工作都保持興奮。
資料不是數字，而是使用者
資料科學團隊建立的基礎是資料在組織中的文化和觀念，所以定義我們如何看待資料的先決條件就是資料在商業中的功能。
過去資料被認為是冰冷的數字，純粹被看做是一個測量工具，根據要求提供統計數字。因此我們往往會被要求提供一些事實資料，例如：我們在巴黎有多少房源?在義大利排名前10的目的地是哪裡?
回答這些問題和測量效果肯定是工作的一部分，但是在Airbnb有更加人性化的資料特徵，這就是我們使用者的聲音。在網站上一個動作或者事件的記錄，在大多數情況下反映了一個人做出的決定，如果你能找出做出這個決定之前使用者的行為，這是使用者在用間接的方式告訴你他們喜歡什麼，不喜歡什麼。
這種反饋可以幫助我們做社群發展的決策、產品開發以及資源的調配，但是前提是你要能夠破譯它。因此資料科學是一種解釋，我們必須把使用者的聲音轉換成更適合決策的語言。
在Airbnb，傾聽客人和主人的聲音是我們的企業文化。早期的時候我們團隊去拜訪社群成員，瞭解如何讓我們的產品更好地滿足他們的需求，現在依然是這樣，只是使用者規模不斷擴大，我們和大家的連結無處不在。
所以資料成為我們的盟友。我們用統計資料來了解個人的經驗，彙總這些經驗，以確定整個社會的發展趨勢，這些趨勢告知我們該從哪來來驅動業務決策。隨著時間的推移，我們其他部門的同事們認識到，資料團隊代表的是所有使用者的聲音，這讓資料科學在Airbnb的結構中佔據重要的地位。
良好的夥伴關係與統計資料收集
一個好的資料科學家能發現誰在使用我們的產品，瞭解他們的需求。但是如果他們獨自在森林裡沒有人來發現他們的洞察力，那他又有什麼施展空間呢?
當一個決策者並不懂資料的作用時，他們就不會參與，當他們不參與時，資料的價值就會損失。我們希望的解決方案是連結資料科學家和決策者，在Airbnb跨職能協作是很正常的，關於在公司中資料科學團隊的架構是集中式還是嵌入式的，已經有很多爭論。
我們開始是集中式的，團隊中提供互相學習的機會，保持一致的工作指標。但是我們在商業決策中發現我們資料團隊不能孤立起來，因為其他同事不明白如何和我們互動，其他人對我們沒有完全的理解。隨著時間的推移，我們被看成一種資源，被要求提供資料，而沒有能夠主動思考未來的機會。
所以我們決定用嵌入式的安排，我們仍然遵循集中的管理，但是我們打破了自己的小組，讓資料團隊的夥伴更直接同工程師、設計師、產品經理、營銷人員等等溝通。
這樣做增加了整個公司的資料利用率，也使資料科學家成為積極的合作伙伴，嵌入式的安排讓我們成為一個核心可以幫助公司各方面互相學習。
決策由使用者需求驅動
在一個團隊中，需要解決的問題之一就是如何利用使用者的聲音來進行業務決策。通過與公司各方面合作，我們已經聽到如何將資料整合到一個專案中的一些觀點。有些人希望首先了解他們面臨的問題，另一些人會先瀏覽資料然後進行規劃，但這些人往往更側重於用直覺驅動決策營銷。
這兩者觀點都是ok的，但是在一個專案的生命週期中，資料在不同的階段有著不同的作用。
我們確定了決策過程的四個階段中，資料會在其中有什麼影響：
首先了解問題的背景，建立一個完整的計劃簡介。這更多是一個探索性的過程。
簡要理解計劃，包括區分主次以及假設我們可以達到的結果。預測分析在這個階段更為重要，當我們做出一個決定，是基於我們希望可以產生最大的影響。
計劃進行中時，我們要做一個控制實驗。A/B 測試是最常用的，但我們的業務在各方面的合作可以讓我們有更多的實驗機會，以市場為基礎的測試以及傳統的網路環境的測試。
最後我們測量實驗的結果，確定結果的影響。如果成功，我們就從社群中推廣出去，如果不成功我們就回到最初來重複這個過程。
有時候這個過程是簡單的，但是更多時候我們需要挨個步驟來論證，確保這個決策對Airbnb的每一個使用者都是有效的。最終我們將用這種方式來解決使用者的需求。
民主化的資料科學
當一個資料科學家可以有足夠精力和他人溝通時，可以產生一個良好的迴圈，但現實是一個公司的規模和速度將超過資料團隊的成長速度。這在2011年尤為明顯，因為Airbnb開始快速發展，年初我們還是一個在舊金山的小公司，我們三個資料科學家就可以有效地和大家合作，但是6個月之後我們開了10多個國際辦事處，同時擴大了產品、營銷和客戶支援團隊。
突然我們和每一位員工直接溝通的能力就消失了。正如它無法滿足社群的每一個新成員，它是現在也不可能滿足與每一位員工的工作，我們需要找到一種方式民主化工作擴大我們同其他同事甚至是整個社群的聯絡。
這裡有一些的例子，我們是如何走近每一層的規模：
1、個人互動：這對於資料科學家快速的行動非常有效。在資料基礎設施上的投資是重要的，這可以保證有更快更可靠的技術來傳輸資料。
2、授權團隊：把報告和基本資料探索從資料科學家的工作中剝離開，讓他們可以集中於更有效的工作，例如利用儀表板等工具。我們還開發了一個強大的和直觀的資料倉儲工具，來幫助人們查詢作者。
3、除了個人的團隊，我們更多思考資料文化在公司整體中的作用：我們告訴員工我們是如何思考Airbnb的生態系統，如何使用工具，(如Airpal)，消除資料的壁壘，激發他們的好奇心，告訴他們每個人如何可以更好地利用資料。類似的行為有助於改變他們把統計當做是臨時請求的思想，可以解放我們。
4、擴充套件資料團隊：擴充套件資料科學團隊並不容易，但這是可能的。特別是如果每個人都認為這不僅僅是必須的，而是一個公司的重要組成部分。
五年來，我們已經學到了很多東西。改善了如何利用我們收集的資料，如何與決策者互動，以及我們如何在公司進行民主化。但到什麼程度了這些工作才算是成功的呢?
測量一個資料科學團隊的影響是困難的，但一個訊號是，現在大家一致認為資料需要由技術和非技術人員一起決定。我們的團隊成員在決策過程中被視為合作伙伴，而不僅僅是統計採集。
另一個原因是，我們越來越有能力提煉我們工作的因果影響。這一直是比較棘手的，因為發現生活中的生態系統是複雜的，有多種因素的影響，例如網路效應，季節性強，交易頻繁，但這些挑戰，使工作更加精彩。在過去的幾年中，我覺得我們仍然只是皮毛，還有巨大的潛力。
我們正處在一個爆發點，我們的基礎設施穩定，工具有效，而且資料倉儲乾淨可靠，我們已經準備好去解決那些令人興奮的新問題。目前我們期待著從批量實時處理，到開發一種更強大的異常檢測系統，加深我們對網路效應的理解，並提高我們個性化的匹配。
但是，這些想法僅僅是個開始。資料是客戶對我們的期望和聲音，而無論我們以後做什麼，都將由這些聲音驅動。