首份《頂級數據團隊建設全景報告》重磅發布： 逾半數據團隊稱人才儲備不足

大數據文摘作品

我的公司是否需要獨立的數據團隊? 我該何時、怎麼樣建設自己的數據團隊? 數據團隊的價值如何衡量? 針對這些業內普遍存在的數據團隊建設問題，7月11日下午，大數據文摘聯合清華數據科學研究院，在清華大學校內重磅發布首份《頂級數據團隊建設全景報告》（下稱《報告》）。

歷時3個月的調研，《報告》囊括50,000+條海內外網路數據分析、1,000+份調查問卷內容，和10位海內外業界大咖深度訪談內容，針對「數據團隊建設現狀」和「數據團隊建設要素」兩大內容，致力於回答數據團隊建設現狀和數據團隊發展問題，力求為行業內數據團隊的組建和高校數據人才的培養提供指導性意見。

大數據文摘創始人汪德誠現場發布報告

《報告》發現，目前，儘管部分組織的決策者已經具備了數據驅動意識，但數據價值真正落地仍然艱難。只有某些信息化程度高的行業，如互聯網、金融等，配備有完整的數據團隊，多數信息化程度偏低的行業仍然處於數據團隊建設的初級階段，數據團隊「做什麼」、「怎麼做」等問題仍不清晰。

在工作內容方面，現階段的數據團隊除了要承擔數據驅動決策、數據驅動業務的工作外，往往還承擔著產品優化、技術研發等工作。建設目標不清晰、業務界限模糊、人才缺乏等問題是這些團隊面臨的普遍困擾，在被調研的多數組織或機構中，數據團隊做出的決策無法充分、高效實現。一定程度上反映出數據團隊和業務部門的脫節。但是長遠來看，數據團隊依然具有非常廣闊的發展前景，業內數據人才需求巨大。

行業間數據團隊建設存在差異：互聯網金融行業領跑

現階段，擁有數據團隊比例最高的是前期信息化程度較好的金融業和IT行業，領跑數據團隊建設軍備競賽。其中，金融業數據業務外包比例最高，多採用「外包+內生」模式；IT行業的數據團隊結構較為集中，擁有獨立數據團隊的比例最大，而且使用數據外包服務相對較少。 交通運輸、醫療健康、公共管理、能源和科教行業處於賽道中端，而住宿餐飲和農業在數據團隊建設上仍處於起步或準備階段。

數據團隊建設困境：價值落地艱難、業務團隊缺乏合作動力

儘管數據團隊在一些行業中發展態勢良好，但仍然存在著價值落地艱難、業務團隊缺乏合作動力、數據人才存在缺口等困境。

數據團隊並不直接產生價值，其價值落地多通過與業務團隊有效合作產生。因此，業務團隊對數據團隊的工作是否滿意、有多大合作動力，在很大程度上影響著數據團隊的工作效率。

問卷調研結果顯示，近40%受訪者對數據團隊的滿意度一般，近26%受訪者對數據團隊「不滿意」或「非常不滿意」。

近80%受訪者認為數據團隊對自己所在的機構重要或者非常重要。數據團隊的價值普遍受到認可。但是，超過40%受訪者無法量化數據團隊產生的直接價值。

行業內數據人才存在較大缺口

專業團隊的建設需要實行持久性、針對性的人才儲備與培養，優化人才層次和結構，保證團隊的正常運轉以及長期穩定發展。目前數據團隊的人才儲備普遍存在較大缺口。數據團隊通常需要具備多項能力的複合型人才，數據人才培養周期長、成效慢。

問卷調研結果顯示：目前超過50%組織或機構的數據團隊人才儲備不充足，數據團隊普遍存在人才缺口。

數據人才投資

數據團隊的組建需要尋找到合適的數據人才。組織或機構在組建數據團隊時往往有一個固定的人員預算，因此，在有限的團隊預算下，尋找到具備能夠滿足需求能力的團隊成員，就成為團隊領導者面臨的首要問題之一。

各數據崗位中，自然語言處理工程師、數據科學家、機器學習工程師、演算法工程師薪資水平最高，月工資中位數均在2萬元人民幣以上。

組建高效數據團隊

頂級數據團隊一般具有相似的特徵：所在組織或機構數據驅動戰略明確，數據團隊運作高效。高層需要設置清晰的數據團隊建設目標並將數據納入決策流程；數據團隊的高效運作則需要優秀的團隊領導、合理的組織架構和多樣化的人才。

1、高層重視

「一個公司能否有領先市場的發展，決策者的眼界非常重要，高管對數據是否敏感，能否下決心把數據推動做好，決定了這個公司的前景和競爭力。」

——LinkedIn用戶增長部門數據科學團隊負責人 周洋

2、嵌入式工作

「我希望團隊在滿足業務增長需要的前提下，能保持一個扁平的架構。我會鼓勵自己的團隊成員與業務部門儘可能多的泡在一起，爭取嵌入式的工作，主動研究業務，尋求數據驅動的機會。」

——獵聘首席數據官 單藝

3、Quick Wins

「我鼓勵數據團隊一旦有了新想法，便去說服同伴，組成2-3人的小團隊把這個想法實現出來。再自下而上擴展影響圈，不斷完善想法，直至一個新數據應用場景的出現，變成產品。」

——【友盟+】首席數據官 李丹楓

致謝：

為了答謝每一位填寫問卷的朋友，「完整高清版」將於2017年7月15日24:00前，免費通過郵件發給大家。如果您沒有收到郵件，請點擊文末「閱讀原文」補填郵件即可。如果您之前沒有填寫過問卷，但也想獲得「完整高清版」（74頁），也請點擊閱讀原文，補填問卷。

調研方法

本次聯合調研組採用了海量數據分析、定向問卷調查與深度訪談等方法，分別針對企業高層、數據團隊負責人、數據從業者和其他相關人員進行廣泛而深入的調研，力求從盡量多的角度還原現階段數據團隊的建設全景。

海量數據分析：對「數據、分析、機器學習」等關鍵詞進行全網爬取，通過數據清洗、數據分析、數據可視化等步驟對超過50,000條的網路公開招聘信息進行分析。

定向問卷調查：通過互聯網向數據團隊相關從業者和負責人發放定向問卷，並回收1,033份有效問卷。

深度訪談：對10位優秀數據團隊負責人進行深度訪談，涵蓋國內外不同行業及發展階段的公司或組織。

推薦閱讀：