数据团队军备白皮书：如何打造顶级数据团队？哪些数据岗位最缺人才？
【数据猿导读】 令人惊奇的是，2015年、2016年大数据这个技术消失了，究其原因，不是大数据技术不被需要了，而是因为大数据融入到了各行各业的新兴技术当中，比如语音识别、图像识别、自然语言处理、情感分析等。
回顾2011-2016年的Gartner曲线，我们可以发现大数据最初是作为一个独立的技术被人广泛关注的，2013年发展到最高峰，2014年开始下降。令人惊奇的是，2015年、2016年大数据这个技术消失了，究其原因，不是大数据技术不被需要了，而是因为大数据融入到了各行各业的新兴技术当中，比如语音识别、图像识别、自然语言处理、情感分析等。从中，我们能够看到第一个趋势：大数据已融入各行各业。
从图中可以看出，我们现有的多数人才培养方案难以满足人们对数据人才的需求。优秀的数据人才至少需要三个方面的知识：业务知识、计算机知识和数学知识，缺一不可。但现有的人才培养方案只能使学生单一掌握某一个方面的能力，造成了大数据人才存在缺口、数据团队需要寻求跨部门协作等困境，那么数据人才的跨界培养就成为了大数据领域的第二个必然趋势。
根据这两个趋势，我们可以预见，数据团队的建设将成为多数公司的核心竞争力;数据团队的人才组合与合作方式将会出现新的模式。清华-青岛数据科学研究院联合大数据文摘，历时3个月调研，分析50,000+条海内外网络数据、1,000+份调查问卷内容，结合10位海内外业界大咖深度访谈内容，发布了首份《顶级数据团队建设全景报告》，致力于勾画数据团队建设现状全景图，总结数据团队建设要素，为行业内数据团队的组建和高校数据人才的培养提供指导性意见。
《报告》包括以下要点：
展现数据团队现状;
梳理顶级数据团队要素;
为相关从业者提供建议、依据和指导。
以下为《报告》部分精华内容(节选)：
一、数据团队建设现状
目前，尽管部分组织的决策者已经具备了数据驱动意识，但数据价值的真正落地仍然艰难。只有某些信息化程度高的行业，如互联网、金融等，配备有完整的数据团队，多数信息化程度偏低的行业仍然处于数据团队建设的初级阶段⸺数据团队“做什么”、 “怎么做”等问题仍不清晰。
在工作内容方面，现阶段的数据团队除了要承担数据驱动决策、数据驱动业务的工作外，往往还承担着产品优化、技术研发等工作。建设目标不清晰、业务界限模糊、人才缺乏等问题是这些团队面临的普遍困扰。但是长远来看，数据团队依然具有非常广阔的发展前景。
行业间数据团队建设存在差异：
现阶段，拥有数据团队比例最高的是信息化程度较好的金融业和IT行业。其中，金融业的数据业务外包比例最高，多采用“外包+内生”模式;IT行业的数据团队结构较为集中，在行业中拥有独立数据团队的比例最大，较少采用数据外包服务。
数据军备赛道：
数据团队发展前景较好：
未来一年中，80%的组织或机构将增加数据相关岗位，仅有不到1%的组织或机构将减少数据相关岗位。
近70%的数据相关招聘需求来自信息技术服务业(互联网、软件、电信等)。对数据相关岗位需求排名第二和第三的分别是商务服务业和金融业，侧面说明这些行业的数据团队发展态势良好。
尽管数据团队在一些行业中发展态势良好，但仍然存在着价值落地艰难、业务团队缺乏合作动力、数据人才存在缺口等困境。
数据团队价值难以量化，落地艰难：
近80%受访者认为数据团队对自己所在的机构重要或者非常重要。数据团队的价值普遍受到认可。但是，超过40%受访者无法量化数据团队产生的直接价值。
数据团队的人才缺口及人才需求：
目前超过50%组织或机构的数据团队人才储备不充足，数据团队普遍存在人才缺口。
各行业对数据分析师和大数据开发工程师的招聘需求远远高于其他岗位。
数据人才应是π型人才，既需要技术能力，又需要较强的业务理解能力和沟通能力。
海量数据分析生成的企业对数据人才技能需求词云图显示：数据分析、统计沟通等能力最受用人企业的关注。
二、顶级数据团队需具备的要素
清晰的数据团队建设目标：
高层明确数据化流程规章，至上而下推进组织或机构数据文化的构建及数据化决策;
让数据在组织或机构内部更加民主化，培养业务团队和数据团队合作的习惯;
数据团队建立初期专注于速胜(Quick Wins)，展示数据力量。
团队领导者的职责：
数据团队的领导者肩负着“定义清晰的团队目标”、 “组建团队”、 “出产成果”三项职责。
常见的数据团队组织架构及对比：
数据人才的投资：
数据团队的组建需要寻找到合适的数据人才。组织或机构在组建数据团队时往往有一个固定的人员预算，因此在有限的团队预算下，寻找到具备能够满足需求能力的团队成员，就成为团队领导者面临的首要问题之一。
各数据岗位中，自然语言处理工程师、数据科学家、机器学习工程师、算法工程师薪资水平最高，月工资中位数均在2万元人民币以上。
各行业对数据岗位的人才的最低学历需求主要为本科学历，博士学历人员的薪资水平普遍最高。
数据之外的必备技能：
抽象思维能力
解决各个层面的不确定性，是数据科学家的终极目的。
LinkedIn用户增长部门数据科学团队负责人 周洋
沟通技能
现在的数据科学家不再是关起门来在家里闭门造车的工匠或者学者，他需要把深奥的问题和理论用最浅显的语言讲出来，让政府以及传统行业的客户能够明白。
微软亚洲研究院“城市计算”领域负责人 郑宇
业务知识
对于我们的数据科学家，不仅要理解算法，更重要的是要求他们有对业务的理解能力和沟通能力，对业务有敏感度。
第四范式联合创始人、首席架构师 胡时伟
来源：36大数据
我要评论
活动推荐more >
- 2018 上海国际大数据产业高2018-12-03
- 2018上海国际计算机网络及信2018-12-03
- 中国国际信息通信展览会将于2018-09-26
- 第五届FEA消费金融国际峰会62018-06-21
- 第五届FEA消费金融国际峰会2018-06-21
- “无界区块链技术峰会2018”2018-06-14
