數據團隊未來會有怎樣的發展趨勢？行業對數據人才的期待可能存在於哪些維度？這篇文章里，作者針對數據從業者、數據團隊的發展未來等方面做了分享，一起來看。
數據團隊未來會有怎樣的發展趨勢？行業對數據人才的期待可能存在於哪些維度？這篇文章里，作者針對數據從業者、數據團隊的發展未來等方面做了分享，一起來看。
開局兩張圖：
數據從業者們大家好～最近古牧君偶遇這麼一份報告，讀完之後覺得比較接地氣+有料，決定分享給大家～為了節省你的時間，我摘取其中重點進行導讀，發車
一、數據團隊發展趨勢
數據團隊在公司里的不同架構位置以及優劣勢，古牧君做了如下簡單的匯總整理
嵌入化對應的就是上表的「分散式」，典型的表現就是每個業務線都有自己的數據團隊，而不是像「集中式」那樣，整個公司只有一個大一統的數據團隊。分散式的出現，是為了解決集中式衍生的問題：數據中央集權帶來的創新乏力、數據團隊遠離一線業務場景、與一線業務溝通成本高、分配數據工作資源的時候只能「棄卒保車」。
但這並不代表，分散式就一定好過集中式，它只是企業在數據化進程中、不同階段的適配方案罷了，沒有最好的，只有最適合的～同時，分散式也不見得就是終局，目前已經看到的一種形式——混合式——就是一種中庸之道，它儘量揚棄了集中式和分散式的優缺點，目前已經在國內一些大廠實踐。
2. 專業化
目前在一些企業中，我們會發現數據團隊很龐大，它裡面既有做數據倉庫的數據研發工程師，也有做數據分析的分析師，還有做數據產品的產品經理，甚至可能還會包含策略和算法工程師？把這些不同的角色聚集在一起的唯一紐帶就是——數據。
這種聚合形式，坦白說，是相對落後的。它表明企業高層對數據的認知並不清晰，為什麼這麼說呢？因為數據倉庫這種基礎建設，跟數據分析、數據產品這種應用工種，不論從思維方式還是目標產出，都是有本質不同的。
在草創期，大家反正都是做數據的，就放在一起了。但隨著業務場景不斷豐富、數據需求不斷個性化，光用概念來組織一個團隊就不靠譜了，就需要按照目標來重新組織團隊。這就像產品經理不斷細分出策略產品經理、數據產品經理、增長產品經理一樣，橫著不能因為都是產品經理就都放在一起吧？～
3. 不唯數據論
我們經常因為迷失在細節里，而忘記本來的目標。數據只是我們決策的工具和方法，不是全部。想起之前張小龍的一句質問：全靠數據了，那還要產品經理幹什麼？
這句話並不是一個夕陽崗位的垂死掙扎，更像是高呼產品經理的「文藝復興」。他呼喚大家不要矯枉過正，數據是重要，但沒重要到只看數據就足夠支撐決策。
往根本上說，網際網路產品服務的是人類社會，人類社會裡就是有大量自然科學無法解答的問題，就是需要人文科學來填補這些關鍵空缺。科學尚且如此，作為子集的網際網路產品方法論就更加無法摒棄人的主觀因素了。
二、數據團隊內部價值衡量與商業KPI的設定
數據從業者都知道，自己的工作價值很多時候並不好衡量。就拿數據分析師來說，產出的不論是人肉分析報告、還是自動化監控報表，都沒法直接變成流量或者收入，都需要實踐落地的配合。這就逼的分析師們不得不把產出報告的數量、頻次、及時性這種量化指標搬出來，給自己背負上幾座大山。
目前比較能得到共識的3個KPI維度就是數據的易得性、對公司內其他團隊工作效率的提升度、以及對戰略和決策的影響力。這仨正好也是層層遞進的，古牧君嘗試性的解讀下：
1. 易得性
最初始階段，可能數據團隊人員素質和配置並不理想，或者因為公司內氛圍環境還沒到位，導致團隊產出無法產生任何直接或間接的影響，怎麼辦？
典型事例好比大數據畫像標籤團隊，吭哧吭哧清洗加工出一些用戶畫像標籤，但無奈業務方忙於產品改版，顧不上探究怎麼應用；團隊自己守著標籤也不知道能推導洞察出什麼有價值的內容，畢竟離一線應用場景太遠了，閉門造車太難為人。
這個時候，就先讓這些東西變得顯性化，先把貨品上架再說。你不上架一直在倉庫堆著，顧客都看不到貨，就更別提買貨了。
古牧君就遇到過這樣的數據團隊，守著金山銀山，但就是不做開放貨架。大家都知道他們有數據，但都不清楚他們到底有哪些數據，每次都要發郵件去詢問，問來問去還經常不在一個頻道上，浪費各自的時間，何必呢～早早的把數據倉庫里的各種表寫好使用說明，開放出來讓大家自選評價不好麼～
2. 提升團隊工作效率
易得性解決完了，就相當於開門迎客了，再往下一步就是能否解決一些實際問題。這裡還沒到數據產生實際業務貢獻的時候，做不了發動機沒關係，咱們可以先做潤滑劑，讓事務運轉的效率提升、讓內部耗損成本降低，這也是數據團隊的成績。
一般來說，降本提效的根本還是日常工作中的標準化、流程化。凡事有了標準有了流程，就可以大批量快速的執行，過程中各個環節的出錯率也會下降。這裡提供一個流程化的參考，它把數據在企業中從原材料到價值變現理解成一個管道，加速了數據在管道中的流轉速率，也就提升了工作效率。
3. 戰略化思維與直接商業影響力
我們做了那麼多，讓大家獲取數據更容易、幫助企業內部團隊提升了工作效率，最後一步就是影響決策了。雖然它是最後一步，但其實是最應該在一開始就綱舉目張的事兒。
目前很多數據團隊做事兒越來越累、越來越沒有成就感，主要就在做事的方向順序可能反了。大家更習慣那種工程師思維，從細節入手把所有問題都料理的妥妥噹噹，一步一個腳印的往上搭建；但腳踏實地的前提是仰望星空，否則很多辛苦就有可能是無用功。自下而上是一個很好的做事的態度，但我們更需要自上而下做事的視角。
三、不同條件數據從業者的薪資水平
簡單點兒，直接就兩個結論：
如果國內的網際網路產業發展跟國外不會產生本質分歧，那麼在人才的需求上，國內也理應是步國外的後塵。我們看上表對比發現，國外相比國內，在數據人才的需求上，最明顯的最突出的就是「業務分析」能力。
這就是古牧君一直在反覆說的，我們目前的數據從業者大多還沒逃離工具人的宿命，更多是SQL boy和查數姑，距離業務太遠，沒法幫上業務太多，也沒機會鍛鍊業務分析能力。久而久之就是一個惡性循環，你越不行人家越不需要你，越不需要你你就越不行。
怎麼辦？一方面可以指望數據團隊在企業架構上的調整優化，從集中式變得更加分散、嵌入化；另一方面，咱們數據人自己也要更多的培養自己的業務分析能力，或者更直接一步到位一些，用產品經理的標準來要求自己看問題思考問題。當你在腰部，既能往上走到腦部作出全局性的思考，又能往下到腿部作出實際落地動作，你就是全身的核心環節了，否則就只是個管道。
五、對數據人才的期待
在談到對數據人才的期待時，滴滴技術副總裁、數據科學與智能部負責人賴春波指出如下5點要素：
用戶導向思維，個人理解就是數據從業者徹底向產品經理的調性看齊。之前數據從業者的自身定位總是會有些尷尬，游離的技術與非技術之間。現在不用糾結了，尤其是數據分析師，直接自我重定位成產品系列就好。通過角色的轉換，讓自己具備以終為始的能力，做出更有意義的分析，而非脫離實際的紙上談兵。
認識數據的邊界和局限性，就是上文提到過的，不唯數據論。過度的相信任何一件事，都是值得警惕的，因為它會遮擋我們本就不開闊的視野。
要有同理心，就是在企業內能夠站在他人的視角思考問題。同理心作為產品經理的核心能力素質，經常被廣泛討論。前段時間古牧君讀一本書《動物的精神世界》，裡面正好提到對同理心的研究，整理分享如下：
同理心能力的強弱來自於哪兒？大腦中有一種神經元叫鏡像神經元，它很神奇，因為普通的神經元都是主體在進行身體活動時會釋放電子脈衝；而鏡像神經元相反，當客體有一些特定身體動作時，該神經元就會被激活。典
型的如打哈欠、微笑、恐懼。當我們感同身受的時候，其實就是鏡像神經元被同伴的一些動作激活了，但鏡像神經元能被多大程度上激活，取決於主體小時候有沒有收到過足夠的訓練和刺激。當主體小時候擁有充滿關愛之心的父母和成長環境時，他的鏡像神經元就會被不斷的強化，反之就會變得比較遲鈍和冷漠。
同理心能力的強弱來自於哪兒？大腦中有一種神經元叫鏡像神經元，它很神奇，因為普通的神經元都是主體在進行身體活動時會釋放電子脈衝；而鏡像神經元相反，當客體有一些特定身體動作時，該神經元就會被激活。典
型的如打哈欠、微笑、恐懼。當我們感同身受的時候，其實就是鏡像神經元被同伴的一些動作激活了，但鏡像神經元能被多大程度上激活，取決於主體小時候有沒有收到過足夠的訓練和刺激。當主體小時候擁有充滿關愛之心的父母和成長環境時，他的鏡像神經元就會被不斷的強化，反之就會變得比較遲鈍和冷漠。
布道者角色，就是不要總埋怨隊友，要帶帶隊友。多讀歷史就會發現，理想主義能照耀一個時代，但無法塑造一個時代。如果我們是奔著做成一件事，那就應該儘可能多的摒棄一些個人情緒。
我知道這很難，因為目前有太多的企業和老闆並不懂數據，也有太多的同行和同事缺乏數據思維或分析能力，導致數據從業者們日常不得不花大量時間「屎上雕花」。但抱怨並不能解決問題，還是親手締造一個屬於你自己的數據認同圈兒吧！
本文由 @古牧君 原創發布於人人都是產品經理。未經作者許可，禁止轉載。
題圖來自Unsplash，基於CC0協議。