大資料文摘: 什麼樣的資料團隊才稱得上頂級？
車品覺: 我想先定義一下頂級。
一般人聽到頂級一般會想，團隊裡有一個非常厲害的科學家，但是我定義的頂級是整個團隊的配合天衣無縫，像一個籃球隊。
資料團隊是指資料部門的團隊還是整家公司作為一個資料團隊。如果是後者，必言産品，有一個産品可以輔助公司每一個人的資料，這個時候就對資料核心團隊的要求很高。不再是公司的中央資料部門解決公司資料問題，而是整個公司都在解決整個公司的資料，這是很不一樣的，能夠達到這個境界，不再單純依靠某個部門解決資料問題，而是整個公司都在産生依靠資料，才能說是頂級資料團隊。
資料科學家隻是整個環節中的一環，厲害的資料科學家會幫公司想幾年後的東西，而不是現在就産生結果。如果作為整個團隊，那麼肯定是有一些靈魂人物出現，這些人不一定是資料技能有多厲害，而是懂得翻譯，從資料能力到業務創新，或者商業團隊的意願轉達給技術團隊，這種角色是最難的。
大資料文摘: 這樣的人才我們應該給在業務團隊培養還是在技術團隊培養呢？
車品覺: 我想答案應該是，哪邊有這樣的人，我們就去培養。
因為這種人非常少，再加上如果講頂級大資料團隊，在資料上繼續建構，還要多一個東西，還有其他領域的資料在自己領域的增值是什麼？（其他場景的資料進到我的主場景的時候會産生什麼價值），這是個跨界的東西。需要一個人指揮這個團隊的前進方向。
我希望用一個公司的例子來解釋這個問題。我不是誇阿裡很厲害，但目前來講，我見到的公司，還幾乎沒有一個公司像阿裡一樣，對自己的資料崗位有一個很清晰的描述，也即績效考核。比如一個P8的資料開發的人需要做什麼？職責是什麼，怎麼知道他做得好？
是以，要建設一個頂級資料團隊，你要知道怎麼盤點這個資料團隊，盤點一個團隊肯定分兩種：為了業務盤點技術，還是為了技術盤點業務，這兩種有什麼不一樣，這是很多公司不具備的，我覺得這才是寶貴的。我在阿裡這麼多年，這是我最引以為傲的，至于培養了多少人，這不是重要的。
阿裡的考核名額如何，阿裡會讓P8自己描述，你需要做什麼。阿裡有個優點，團隊多，是以經過很多P8的描述，你就可以發現一個共同點，做一個P8要有什麼樣的水準。還有一個關鍵點，晉升一個P7到P8，到底晉升的時候有沒有一個嚴謹的晉升之道，這也是建立一個資料團隊的必經之路。
作為總監，會有一個資料的價值觀，我會問你為了别人做了什麼，有沒有貢獻過資料給别的部門，或者上下遊，舉個例子。這樣就可以發現，團隊凝聚力就很高，這不僅僅是說你自己做了什麼，而是為整個大的隊伍做了什麼。
大資料文摘: 資料團隊的構成上，嵌入式和中央式的資料團隊更看好哪一個？
車品覺: 我更看好這兩者混合的資料團隊，就好像打架，肯定有前鋒，但是前鋒和後方部隊的工作不一樣。你可以培養很懂資料的團隊來産生價值，但是誰來培養培養資料呢？資料不是資産，是資源。要時刻問自己，你的資源夠不夠？如果現在夠，還需要問一下，公司準備在兩三年後做的事情，資源又夠不夠？
是以資料戰略應該和業務戰略是同步的，業務戰略走多高，資料戰略也應該走多高。而資料戰略又分為資料能力的戰略和資料資源的戰略，我們現在很多人都提到一個問題，資料的發展會成為很多東西的壁壘。資料要越來越像一個戰略，算法是技術，是一個效率問題，産品和業務場景是變現，我覺得這三個點要分開來講。
大資料文摘: 資料應用落地需要資料、業務、工程三方合作，這三方(資料團隊與IT團隊和業務團隊)應該如何有效協作?
車品覺: 這實際上是有一個上下遊的關系，最難的點是，下遊的人想做上遊的事情，上遊的人想幹掉下遊的人，就是在大部分的資料團隊，大家都想一條線都做完，是以問題的關鍵在管理。但是當中需要想的是，為什麼下遊的人想做上遊的事情。關鍵在晉升。一般業績考核都是在前段，如果你的績效沒有鼓勵供應槍炮的人也得到認可，那供應槍炮的人就會想，為什麼我不自己去前線。
如果把這一點逐漸平台化，這個問題會改善。我們有一次在阿裡，打開了整個雲，看資料的重複，發現非常多，每個人都在建自己的底層。從管理者的角度來說，怎麼解決？把用得多的資料變成公共層，沒有人可以copy出去。
借這次采訪，我也希望讓更多資料公司的管理者知道，資料不是自然變好的。比如說有一年，阿裡曾經把公司的三大團隊拉到一個酒店，描述自己在幹嘛，發現都一樣。阿裡有幾個大團隊，我所在的部門、廣告、推薦，讓大家都畫一下自己在做事情的圖，發現做的都一樣，資料很多重複，每一個都想幹掉對方，都在建同樣的架構。如果一個公司沒有CTO，沒有人對此負責人，會很亂。資料重複會導緻算法重複，産品重複。我在阿裡這些年也在努力做這樣的事情，把18個産品變成6種，算法、資料集中起來變公用。先收，而不是擴，才能做出精銳的頂級團隊。
大資料文摘: 如何看待資料驅動？
車品覺: 資料驅動的定義是，我在做一個決策的時候是不是資料支援的。
這裡我想舉三個例子。
如果給你看一份報告，讓你對這個事情有了一定的認知，接下來做了一個正确的決定，算不算資料驅動？
在一個保險計算中，有沒有風險工具在其中，直接把大資料算法能力放在風控領域中，算不算資料驅動？
有一個無人飛機，這個飛機的飛行是按照資料的，風向、天氣變化資料，這算不算資料驅動？
這三個都是資料驅動，但是第一個不能看待feedback。資料的閉環有很多斷點，第二個場景下，資料是可以回來的，但是也存在一些斷點，也不完全是一個非常緊密的資料回流；第三個是一個base on feedback的資料驅動。
當然這三個都是資料驅動，但是一個比一個有更緊密的資料回流，而且改進的時間是一個比一個更短。首先公司要明白，剛剛說的三種資料驅動在一家公司會同時存在，它是基于管理層還是中層還是直接應用。管理層的問題是不可能完全資料化的，幾乎沒有資料，需要基于判斷，基于不完美資料的判斷，第二個閉環情況下，是可以在部分環節套進去，第三個是可以自适應的。
大資料文摘: 資料團隊建設最大的痛點是什麼？
車品覺: 人才缺乏。
在一個行業正走紅的時候，找人很難找，即使是阿裡，也很難得心應手找到合适的人。剛剛講的東西也就更關鍵了，依靠團隊，而不是依靠某一個人，在大家都沒有人的時候，我剛剛進阿裡的時候就是這樣，一定要打配合，我常常跟我的團隊說，我們不是單人作戰的，我們是一起打的。
大資料文摘: 對有志于進入資料科學領域學生/資料團隊上司人的建議和意見。
車品覺: 最好在培養的時候能培養多一點domain的人才，其實AI和大資料都有兩類：基礎AI／大資料和應用AI／大資料，應用是跟行業聯系起來的，這兩種人才的培養是不一樣的，在應用端的培養，應該在大學時候給予多一些行業知識。我在念書時候，有business computing，懂商業。當然我們也不僅要培養應用類AI／大資料，也要培養基礎的。
原文釋出時間為：2018-08-27
本文作者：文摘菌
本文來自雲栖社群合作夥伴“
大資料文摘”，了解相關資訊可以關注“
”。
![9.spark Core 進階2--Cashe[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)