想組建本身的數據科學團隊? CEO們請先回答這幾個問題

Jeremy Stanley是日用雜貨當日送達初創企業Instacart主管數據科學的副總裁，Daniel Tunkelang是前LinkedIn的數據主管。做爲在數據科學領域身經百戰的老將，他們在這篇文章中爲那些想打造一支屬於本身的數據科學團隊的公司CEO們提供了一些建議，主要涵蓋了這幾個問題：

 ●  你想實現什麼樣的目的?
 ●  你是否應該在數據科學上進行投入?
 ●  什麼時候應該開始組建數據科學團隊?
 ●  你應該將數據科學團隊放在公司的什麼位置上?
 ●  如何打造一個尊重和重視數據科學的公司文化?

你可能很難相信，「數據科學家」在2008年纔開始成爲一個真正意義上的職業頭銜。當時，爲了迎合市場對數據分析、工程學和產品這種跨學科技能人才日益增加的需求，Facebook的Jeff Hammerbacher和LinkedIn的DJ Patil率先提出了「數據科學家」這個概念。今天，市場上對數據科學家的需求極其旺盛，愈來愈多的公司都想更好地瞭解如何打造一支屬於本身的數據科學家團隊。

做爲在數據科學領域身經百戰的過來人，Jeremy Stanley和Daniel Tunkelang已經見識了不一樣行業的不一樣公司在不一樣發展階段在打造數據科學家團隊方面的成功和失敗案例。他們發現，這裏面的挑戰不只在於如何招聘頂尖的數據科學家，還包括如何最大限度地發揮他們的價值，以及如何在日趨激烈的人才競爭中留住他們。

在這篇文章中，咱們爲那些想打造一支屬於本身的數據科學團隊的公司創始人提供了一些建議。

第一個問題：你想實現什麼樣的目的?

數據科學主要有兩個方面的功能：

一是改善用戶所使用的產品;

二是爲公司決策提供支持，改善決策質量。

數據驅動型產品利用數據科學和工程學來持續改進產品性能，例如，提供更好的搜索結果、更個性化的推薦等等。

數據決策科學利用數據來分析業務指標，例如增加數據、用戶黏性數據、盈利點和用戶反饋數據等，從而爲制定公司戰略和關鍵性的業務決策服務。

二者的區別可能看起來很是顯而易見，不過在打造和擴充本身的數據科學團隊的過程當中，記住這二者之間的區別很是重要。接下來咱們就詳細探討這兩點。

1.1利用數據科學打造更好的產品