车品觉：顶级数据团队该像支配合默契的篮球队

什么样的才是顶级的？

我该何时、怎么样建设自己的数据团队?

的价值如何衡量?

针对这些业内普遍存在的建设问题，我们采访到了红杉资本中国合伙人、前阿里巴巴集团副总裁/ 数据委员会会长车品觉。亲自领导阿里在领域取得了一系列重要成果，也见证了不少创业企业的数据化进程，他对于数据驱动和数据团队有自己的定义。

车品觉简介

拥有十几年丰富的数据实战经验，并在实践中形成了独特的数据化思考及管理方式，对大数据未来趋势有独到见解；亲自领导阿里数据团队在大数据实践领域取得了一系列重要成果，包括为阿里建立集团各事业群的业务及决策分析框架，开发智能化的数据产品，成立了驱动集团数据化的运营团队，成功发起了公共与专有数据资产管理体系，还发布了数据安全规范等。2017年被国家信息中心选为中国十大最具影响力大数据企业家。代表作品《决战大数据》、《数据的本质》。

以下是采访的内容

问: 什么样的数据团队才称得上顶级？

车品觉: 我想先定义一下顶级。

一般人听到顶级一般会想，团队里有一个非常厉害的科学家，但是我定义的顶级是整个团队的配合天衣无缝，像一个篮球队。

数据团队是指数据部门的团队还是整家公司作为一个数据团队。如果是后者，必言产品，有一个产品可以辅助公司每一个人的数据，这个时候就对数据核心团队的要求很高。不再是公司的中央数据部门解决公司数据问题，而是整个公司都在解决整个公司的数据，这是很不一样的，能够达到这个境界，不再单纯依靠某个部门解决数据问题，而是整个公司都在产生依靠数据，才能说是顶级数据团队。

数据科学家只是整个环节中的一环，厉害的数据科学家会帮公司想几年后的东西，而不是现在就产生结果。如果作为整个团队，那么肯定是有一些灵魂人物出现，这些人不一定是数据技能有多厉害，而是懂得翻译，从数据能力到业务创新，或者商业团队的意愿转达给技术团队，这种角色是最难的。

问: 这样的人才我们应该给在业务团队培养还是在技术团队培养呢？

车品觉: 我想答案应该是，哪边有这样的人，我们就去培养。

因为这种人非常少，再加上如果讲顶级大数据团队，在数据上继续构建，还要多一个东西，还有其他领域的数据在自己领域的增值是什么？（其他场景的数据进到我的主场景的时候会产生什么价值），这是个跨界的东西。需要一个人指挥这个团队的前进方向。

我希望用一个公司的例子来解释这个问题。我不是夸阿里很厉害，但目前来讲，我见到的公司，还几乎没有一个公司像阿里一样，对自己的数据岗位有一个很清晰的描述，也即绩效考核。比如一个P8的数据开发的人需要做什么？职责是什么，怎么知道他做得好？

因此，要建设一个顶级数据团队，你要知道怎么盘点这个数据团队，盘点一个团队肯定分两种：为了业务盘点技术，还是为了技术盘点业务，这两种有什么不一样，这是很多公司不具备的，我觉得这才是宝贵的。我在阿里这么多年，这是我最引以为傲的，至于培养了多少人，这不是重要的。

阿里的考核指标如何，阿里会让P8自己描述，你需要做什么。阿里有个优点，团队多，所以经过很多P8的描述，你就可以发现一个共同点，做一个P8要有什么样的水平。还有一个关键点，晋升一个P7到P8，到底晋升的时候有没有一个严谨的晋升之道，这也是建立一个数据团队的必经之路。

作为总监，会有一个数据的价值观，我会问你为了别人做了什么，有没有贡献过数据给别的部门，或者上下游，举个例子。这样就可以发现，团队凝聚力就很高，这不仅仅是说你自己做了什么，而是为整个大的队伍做了什么。

问: 数据团队的构成上，嵌入式和中央式的数据团队更看好哪一个？

车品觉: 我更看好这两者混合的数据团队，就好像打架，肯定有前锋，但是前锋和后方部队的工作不一样。你可以培养很懂数据的团队来产生价值，但是谁来培养培养数据呢？数据不是资产，是资源。要时刻问自己，你的资源够不够？如果现在够，还需要问一下，公司准备在两三年后做的事情，资源又够不够？

所以数据战略应该和业务战略是同步的，业务战略走多高，数据战略也应该走多高。而数据战略又分为数据能力的战略和数据资源的战略，我们现在很多人都提到一个问题，数据的发展会成为很多东西的壁垒。数据要越来越像一个战略，算法是技术，是一个效率问题，产品和业务场景是变现，我觉得这三个点要分开来讲。

问: 数据应用落地需要数据、业务、工程三方合作，这三方(数据团队与IT团队和业务团队)应该如何有效协作?

车品觉: 这实际上是有一个上下游的关系，最难的点是，下游的人想做上游的事情，上游的人想干掉下游的人，就是在大部分的数据团队，大家都想一条线都做完，所以问题的关键在管理。但是当中需要想的是，为什么下游的人想做上游的事情。关键在晋升。一般业绩考核都是在前段，如果你的绩效没有鼓励供应枪炮的人也得到认可，那供应枪炮的人就会想，为什么我不自己去前线。

如果把这一点逐步平台化，这个问题会改善。我们有一次在阿里，打开了整个云，看数据的重复，发现非常多，每个人都在建自己的底层。从管理者的角度来说，怎么解决？把用得多的数据变成公共层，没有人可以copy出去。

借这次采访，我也希望让更多数据公司的管理者知道，数据不是自然变好的。比如说有一年，阿里曾经把公司的三大团队拉到一个酒店，描述自己在干嘛，发现都一样。阿里有几个大团队，我所在的部门、广告、推荐，让大家都画一下自己在做事情的图，发现做的都一样，数据很多重复，每一个都想干掉对方，都在建同样的架构。如果一个公司没有CTO，没有人对此负责人，会很乱。数据重复会导致算法重复，产品重复。我在阿里这些年也在努力做这样的事情，把18个产品变成6种，算法、数据集中起来变公用。先收，而不是扩，才能做出精锐的顶级团队。

问: 如何看待数据驱动？

车品觉: 数据驱动的定义是，我在做一个决策的时候是不是数据支持的。

这里我想举三个例子。

如果给你看一份报告，让你对这个事情有了一定的认知，接下来做了一个正确的决定，算不算数据驱动？

在一个保险计算中，有没有风险工具在其中，直接把大数据算法能力放在风控领域中，算不算数据驱动？

有一个无人飞机，这个飞机的飞行是按照数据的，风向、天气变化数据，这算不算数据驱动？

这三个都是数据驱动，但是第一个不能看待feedback。数据的闭环有很多断点，第二个场景下，数据是可以回来的，但是也存在一些断点，也不完全是一个非常紧密的数据回流；第三个是一个base on feedback的数据驱动。

当然这三个都是数据驱动，但是一个比一个有更紧密的数据回流，而且改进的时间是一个比一个更短。首先公司要明白，刚刚说的三种数据驱动在一家公司会同时存在，它是基于管理层还是中层还是直接应用。管理层的问题是不可能完全数据化的，几乎没有数据，需要基于判断，基于不完美数据的判断，第二个闭环情况下，是可以在部分环节套进去，第三个是可以自适应的。

问: 数据团队建设最大的痛点是什么？

车品觉: 人才缺乏。

在一个行业正走红的时候，找人很难找，即使是阿里，也很难得心应手找到合适的人。刚刚讲的东西也就更关键了，依靠团队，而不是依靠某一个人，在大家都没有人的时候，我刚刚进阿里的时候就是这样，一定要打配合，我常常跟我的团队说，我们不是单人作战的，我们是一起打的。

问: 对有志于进入数据科学领域学生/数据团队领导人的建议和意见。

车品觉: 最好在培养的时候能培养多一点domain的人才，其实AI和大数据都有两类：基础AI／大数据和应用AI／大数据，应用是跟行业联系起来的，这两种人才的培养是不一样的，在应用端的培养，应该在大学时候给予多一些行业知识。我在念书时候，有business computing，懂商业。当然我们也不仅要培养应用类AI／大数据，也要培养基础的。

来源：大数据文摘