打造頂級大資料團隊的幾個“偏方”

出人意料的是，音樂人才、物理學家和工商管理人士能為大資料團隊帶來全新的視角。

 

你的企業正在打造資料科學團隊嗎？首先，你應當從業務部門抽調專家來提出正確的問題。然後考慮招募一些物理學家、音樂人才，當然，還有統計人才和電腦科學家。

 

這些才是頂級大資料團隊的關鍵“配方”，至少管理諮詢與技術顧問公司Booz Allen的戰略創新部門副總裁喬什沙利文是這麼認為的。沙利文的部門負責幫助客戶開展資料分析專案，在這個過程中沙利文看到太多企業犯下相同的錯誤。

 

“大多數企業只知道招聘電腦科學家，因為他們認為大資料是一個技術問題，但他們錯了，”在接受媒體採訪時，沙利文說道：

 

我們問客戶的第一個問題是：你準備向資料分析系統提出什麼樣的問題？而不是你需要如何去編寫程式碼。你首先需要有創造力和好奇的人。

 

Booz Allen元件資料科學團隊的第一步是確保團隊成員包括數學與統計人才、電腦科學專家和企業各業務領域專家。其中業務專家非常關鍵，他們是確保大資料分析產生商業價值並提升企業決策的關鍵環節。

 

值得注意的是，大資料團隊中的業務專家需要與業務部門進行崗位輪換，幫助企業所有業務部門都意識到大資料團隊的存在，同時需要將資料團隊中的業務專家送回到業務崗位，他們將成為資料驅動的企業經營管理方法與文化的佈道者。

 

太多企業為特定部門或者業務線元件專門的分析團隊，這些團隊常常無法從企業的整體業務出發考慮問題，同時這也會滋長“資料保護主義”，部門間各自囤積資料，併為資料分享設定障礙。

 

另外一個令人質疑的做法是在研發團隊內囤積分析專家，使他們很難接觸到業務部門。

 

陶氏化學在這方面就做得非常好，其資料科學家團隊與業務專家肩並肩合作，開發出新的業務成本模型僅僅在貨運和原材料兩個環節就幫助公司節省了數十億美元。

 

在統計專家和電腦科學家之外，沙利文的部門還成功地將物理學家和音樂專業人士引入資料分析團隊，這聽上去有些古怪。實際上，這兩類人才為資料分析團隊帶來了全新的觀點和方法。例如物理學家帶來了從猜測、假設到實驗的一整套科學驗證方法，而音樂專業人才則具備“驚人的創造力和量化技能”。

 

當資料分析團隊在處理多種資料的時候，非常類似交響樂作者編配多種樂器的過程，而這方面音樂人才是最在行的。例如在一個醫藥公司的資料分析專案中，需要混搭不良藥物反應資料、社交媒體資料、研究註釋、實驗室資料和分子資料。在大資料分析出現之前，從來沒有人會將這麼多不同來源的資料整合到一起。事實證明，在音樂人才的幫助下，這些資料形成了完美的“合奏”，並最終幫這家藥企最佳化了藥物研發的優先順序。

 

在最近的一個專案中，沙利文的團隊幫助一家航空公司實施的大資料專案證明了大資料的商業價值。在這個大資料專案中，旅客的行程、路線、票價、目的地、載客量歷史資料與體育賽事日程、傳統節日、學校假期、旅客人口統計和社交媒體資料整合到一起分析。

 

以上這些資料航空公司有很多對應的BI儀表盤和PDF報告工具，但航空公司們從來沒想到過將這些資料綜合起來分析。結果證明，這樣的大資料分析能幫助他們最佳化航班時刻表和票價，每年增加數千萬美元的收入。

 

資料分析團隊多元化的優勢在大資料眾包平臺Kaggle上得到最佳體現。在那裡，不乏天文學家、對沖基金金融工程師、經濟學家以及數學家甚至律師提出能擊敗企業內部資料分析團隊的更好的分析方法/演算法。