数据团队的发展瓶颈，大多不是技术，而是人员的多样性！

正文开始

IT部门一般是企业的后端部门，而数据团队（很多企业叫BI团队）则是IT的下游，可谓后端的后端，数据团队做报表取数是本分，但如果你想在业务上有点直接贡献则非常困难，比如数据团队好不容易研发了一个模型，但发现要推广到全公司则是困难重重。

为什么？

企业对于数据团队一般有两个方面的诉求，第一个，做好报表取数等数据支撑，维持公司的正常运作，比如KPI，财务报表，营销取数等等，第二个，以数据来驱动公司业务的增长，这个使命在进入大数据时代后变得非常迫切。

但这两种职能，对于团队结构的要求是完全不同的，因为前者的诉求是稳定，后者则是创新，我们总是希望一只数据团队在做好报表取数的基础上，能够去做点数据创新，也叫所谓的亮点，从而能更好的体现出自己的价值。

但你会发现，亮点永远只是亮点，你的数据创新驱动不了公司的业务发展，一方面报表取数就像无底洞一样耗尽了团队的精力，资源总是不够用，另一方面，业务部门似乎也对你的数据创新不敢兴趣，厂家更是不给力，好不容易搞了个模型还昙花一现......

没有贬低任何工作的意思，报表取数是很专业的工作，非常强调稳定与标准化，公司需要这类特定的人才，但既然做了报表取数，就不要让他身兼数职去搞什么建模创新。

针对数据创新，比较好的组织形式其实是在业务部门直接设立数据组织，这样沟通成本最低，但由于业务人员的存量包袱往往太重（新创企业或部门例外），创新性会不足，而且数据驱动业务这种思想在国内并没成势，改变也不是一天两天的事情。

最靠谱的就是IT部门自己设立数据创新团队，大数据红火的这几年，很多公司的大数据团队也起来了，但如果只是简单的从原有BI团队划几个人组成新团队，那就是换汤不换药，基本没戏。

笔者经历了BI大发展时期，也有幸进入了大数据时代，更有幸还在干数据的活，因此可以做一些比较，自己的判断是这样：一堆只有取数或报表经历的人是很难碰撞出火花的，即使补充了数据建模师也无济于事，因为数据创新是个复杂问题，缺乏多样性的数据团队要获得突破很难。

下面举两个案例，第一个是关于算法应用的：

团队的建模师一直致力于解决定位的精度问题，优化数据和算法是其强项，但发现如果让他们单独去前端找验证的场景，或者推销他们的成果，往往半天都没个回音，进展非常慢。

笔者后来下了个决心，把做位置产品，商务支持和建模师三个人组成了团队，发现效果是显著的，他们在非常短的时间内就研发出了验证精度的工具，同时把算法成果应用到了实际的产品中，并且帮助商务解决了几个实际应用中的问题。

但一般企业不具备这个条件，这三个人分属三个组织，怎么搞？

第二个是关于数据产品提升的：

笔者在《直击传统商业五大痛点，如何打造一个爆款的商圈洞察产品》中提到我们研发了一款商圈雷达产品，原来的产品开发模式基本是产品经理主导一切，合作伙伴照着做就行了，至于要选择哪些数据，产品经理往往是根据客户要求到标签库找就行了，有就有，没有就没有，最多再调研一下。

但数据产品的核心竞争力其实是差异化的数据，产品团队其实需要有较为资深的数据模型人员参与，你才能知道数据的深浅，哪些数据可用，哪些数据不可用，哪些标签可优化，哪些标签要放弃，还要诸如数据的呈现方式等等。

数据产品团队只有配备了专职的数据模型人员才能确保基本的质量，一款数据产品如果仅仅仅经历了功能的迭代，而没有数据的迭代，这种数据产品很难有生命力，花哨的界面客户看多了也就这样，数据产品一定要回归到数据本身。

笔者也在反思传统BI团队的应用推广困境，虽然有机制和流程上的问题，但如果从自身找原因，可能是传统BI团队缺乏一定的多样性，你不大可能让一个纯粹搞数据的人去做推广，因为运营真的是一个非常专业的活，你得找到适合的各类人才，但大多时候，我们没有，只能硬着头皮上。

你们不是搞建模的吗？谁会为一支数据团队配备运营人员呢？然后我们一天到晚找业务人员，说运营是你们的事啊，但事情没搞大之前，Who care？这个沟通成本真是太高了。

因此，大数据团队要有点突破，有机会就扁平化到底吧，商务的，数据的，产品的，每天你看我，我看你就可以了，他们自然有机会演化出一些好东西。

最后有人也许会问，凭什么你说得是对的？

正好最近看了一本讲多样性的书，叫《多样性红利》，作者是密西根大学政治学教授斯科特·佩奇，其不仅讲了多样性的好处，还说了多样性要发挥作用的前提条件等等，人家都研究了好多年了。

佩奇给“多样性的好处”，找到了坚实的数据基础。佩奇提出，多样性有两个好处：一个是解决问题，一个是做预测，一个多样性的团队特别适合解决复杂的问题，和对复杂的事物做出准确预测。

佩奇的理论可以用两个数学公式概括：

（1）群体能力=平均个人能力+多样性

（2）多样性>能力

这可不是两个观念上的公式，它们背后有严格的数学推导，如果你知道怎么计算统计学上的“方差”的话，用最简单的语言说，多样性的好处就是，三个臭皮匠，好过一个诸葛亮。

很多公司搞开放的办公区域，就是希望不同部门的员工能够经常碰撞在一起，时不时来个头脑风暴，但你也许会再问，既然多样性群体智慧这么有效，那为什么不把事情都交给群体？

比如中国足球每次输球，论坛上都有很多“懂球帝”一致认为主教练的排兵布阵有问题，既然如此，中国足协为何不干脆把决定出场名单的权力交给广大球迷呢？笔者经历也告诉我，大多时候头脑风暴没啥卵用。

为什么？

佩奇又说了，要产生多样性红利，你的问题必须满足四个条件。

第一，这个问题必须得足够难，如果一个人能解决的事儿，强行搞多样性就是浪费人力。

第二，群体中每个人，都必须有一定的能力，你一个专业的问题分析会让个不理解背景的新人参加，其实是浪费他的时间。

第三，群体中每个人都有跟别人不一样的视角和解决问题的方法，比如建模的人和产品的人正是拥有不同的思维模式和技能，两者组合才能有多样性效益，让一堆建模的人讨论模型推广的事情，往往没戏，这其实是最本质的一条。

第四，群体的规模必须足够大，这倒不尽然。

话说回来，数据团队专注于建模其实没错，以前搞天盾反欺诈，由于业务人员急的很，运营的事情完全不用操心，因此团队只要专注于提升模型准确率和覆盖率就可以了。

但如果自己要搞点创新，特别是人家开始还不太理解，比如大数据就有这个特点，这个事情的推进就会变得异常艰难，需要你的团队有多样性的能力，从建模、优化、推广、变现到运营，不一而足。

很不幸，数据创新大多数时候就是这个状态。

—————— / END / ——————

分析最新的数据思想，与百万数据从业者一起成长