数据团队未来会有怎样的发展趋势？行业对数据人才的期待可能存在于哪些维度？这篇文章里，作者针对数据从业者、数据团队的发展未来等方面做了分享，一起来看。

开局两张图：

数据从业者们大家好～最近古牧君偶遇这么一份报告👆，读完之后觉得比较接地气+有料，决定分享给大家～为了节省你的时间，我摘取其中重点进行导读，发车🚗

一、数据团队发展趋势

1. 嵌入化，不断向业务团队靠拢；
2. 专业化，基础设施建设与数据科学应用团队逐渐分离；
3. 不唯数据论，把握好数据的度。

1. 嵌入化

数据团队在公司里的不同架构位置以及优劣势，古牧君做了如下简单的汇总整理👇

嵌入化对应的就是上表的“分散式”，典型的表现就是每个业务线都有自己的数据团队，而不是像“集中式”那样，整个公司只有一个大一统的数据团队。分散式的出现，是为了解决集中式衍生的问题：数据中央集权带来的创新乏力、数据团队远离一线业务场景、与一线业务沟通成本高、分配数据工作资源的时候只能“弃卒保车”。

但这并不代表，分散式就一定好过集中式，它只是企业在数据化进程中、不同阶段的适配方案罢了，没有最好的，只有最适合的～同时，分散式也不见得就是终局，目前已经看到的一种形式——混合式——就是一种中庸之道，它尽量扬弃了集中式和分散式的优缺点，目前已经在国内一些大厂实践。

2. 专业化

目前在一些企业中，我们会发现数据团队很庞大，它里面既有做数据仓库的数据研发工程师，也有做数据分析的分析师，还有做数据产品的产品经理，甚至可能还会包含策略和算法工程师？把这些不同的角色聚集在一起的唯一纽带就是——数据。

这种聚合形式，坦白说，是相对落后的。它表明企业高层对数据的认知并不清晰，为什么这么说呢？因为数据仓库这种基础建设，跟数据分析、数据产品这种应用工种，不论从思维方式还是目标产出，都是有本质不同的。

在草创期，大家反正都是做数据的，就放在一起了。但随着业务场景不断丰富、数据需求不断个性化，光用概念来组织一个团队就不靠谱了，就需要按照目标来重新组织团队。这就像产品经理不断细分出策略产品经理、数据产品经理、增长产品经理一样，横着不能因为都是产品经理就都放在一起吧？～

3. 不唯数据论

我们经常因为迷失在细节里，而忘记本来的目标。数据只是我们决策的工具和方法，不是全部。想起之前张小龙的一句质问：全靠数据了，那还要产品经理干什么？

这句话并不是一个夕阳岗位的垂死挣扎，更像是高呼产品经理的“文艺复兴”。他呼唤大家不要矫枉过正，数据是重要，但没重要到只看数据就足够支撑决策。

往根本上说，互联网产品服务的是人类社会，人类社会里就是有大量自然科学无法解答的问题，就是需要人文科学来填补这些关键空缺。科学尚且如此，作为子集的互联网产品方法论就更加无法摒弃人的主观因素了。

二、数据团队内部价值衡量与商业KPI的设定

1. 数据易得性；
2. 提升团队工作效率；
3. 战略化思维与直接商业影响力。

数据从业者都知道，自己的工作价值很多时候并不好衡量。就拿数据分析师来说，产出的不论是人肉分析报告、还是自动化监控报表，都没法直接变成流量或者收入，都需要实践落地的配合。这就逼的分析师们不得不把产出报告的数量、频次、及时性这种量化指标搬出来，给自己背负上几座大山。

目前比较能得到共识的3个KPI维度就是数据的易得性、对公司内其他团队工作效率的提升度、以及对战略和决策的影响力。这仨正好也是层层递进的，古牧君尝试性的解读下：

1. 易得性

最初始阶段，可能数据团队人员素质和配置并不理想，或者因为公司内氛围环境还没到位，导致团队产出无法产生任何直接或间接的影响，怎么办？

典型事例好比大数据画像标签团队，吭哧吭哧清洗加工出一些用户画像标签，但无奈业务方忙于产品改版，顾不上探究怎么应用；团队自己守着标签也不知道能推导洞察出什么有价值的内容，毕竟离一线应用场景太远了，闭门造车太难为人。

这个时候，就先让这些东西变得显性化，先把货品上架再说。你不上架一直在仓库堆着，顾客都看不到货，就更别提买货了。

古牧君就遇到过这样的数据团队，守着金山银山，但就是不做开放货架。大家都知道他们有数据，但都不清楚他们到底有哪些数据，每次都要发邮件去询问，问来问去还经常不在一个频道上，浪费各自的时间，何必呢～早早的把数据仓库里的各种表写好使用说明，开放出来让大家自选评价不好么～

2. 提升团队工作效率

易得性解决完了，就相当于开门迎客了，再往下一步就是能否解决一些实际问题。这里还没到数据产生实际业务贡献的时候，做不了发动机没关系，咱们可以先做润滑剂，让事务运转的效率提升、让内部耗损成本降低，这也是数据团队的成绩。

一般来说，降本提效的根本还是日常工作中的标准化、流程化。凡事有了标准有了流程，就可以大批量快速的执行，过程中各个环节的出错率也会下降。这里提供一个流程化的参考，它把数据在企业中从原材料到价值变现理解成一个管道，加速了数据在管道中的流转速率，也就提升了工作效率。

3. 战略化思维与直接商业影响力

我们做了那么多，让大家获取数据更容易、帮助企业内部团队提升了工作效率，最后一步就是影响决策了。虽然它是最后一步，但其实是最应该在一开始就纲举目张的事儿。

目前很多数据团队做事儿越来越累、越来越没有成就感，主要就在做事的方向顺序可能反了。大家更习惯那种工程师思维，从细节入手把所有问题都料理的妥妥当当，一步一个脚印的往上搭建；但脚踏实地的前提是仰望星空，否则很多辛苦就有可能是无用功。自下而上是一个很好的做事的态度，但我们更需要自上而下做事的视角。

三、不同条件数据从业者的薪资水平

简单点儿，直接就两个结论：

1. 数据这个方向，除非是搞什么算法，你读个博士投入产出比不错，其他方向本科跟硕士没区别，能本科找到不错的工作就直接去吧，都是打工人目标单纯直接点儿没什么不好。
2. 3年经验是个门槛，不代表咱混了3年就原地升值了。是表示必须具备3年经验应该有的样子，就不能再是一个工具人了，得努力探探头多听听多看看了👇

四、对比全球，国内数据从业者在技能上的差异

如果国内的互联网产业发展跟国外不会产生本质分歧，那么在人才的需求上，国内也理应是步国外的后尘。我们看上表对比发现，国外相比国内，在数据人才的需求上，最明显的最突出的就是“业务分析”能力。

这就是古牧君一直在反复说的，我们目前的数据从业者大多还没逃离工具人的宿命，更多是SQL boy和查数姑，距离业务太远，没法帮上业务太多，也没机会锻炼业务分析能力。久而久之就是一个恶性循环，你越不行人家越不需要你，越不需要你你就越不行。

怎么办？一方面可以指望数据团队在企业架构上的调整优化，从集中式变得更加分散、嵌入化；另一方面，咱们数据人自己也要更多的培养自己的业务分析能力，或者更直接一步到位一些，用产品经理的标准来要求自己看问题思考问题。当你在腰部，既能往上走到脑部作出全局性的思考，又能往下到腿部作出实际落地动作，你就是全身的核心环节了，否则就只是个管道。

五、对数据人才的期待

在谈到对数据人才的期待时，滴滴技术副总裁、数据科学与智能部负责人赖春波指出如下5点要素：

1. 用户导向思维，数据发挥价值要跟创造用户价值联系在一起；
2. 认识数据的边界和局限性；
3. 要有同理心，数据方虽然不直接负责业务，但要了解彼此目标；
4. 布道者角色，让数据文化落地，影响更多人；
5. 敬畏数据安全和隐私。

用户导向思维，个人理解就是数据从业者彻底向产品经理的调性看齐。之前数据从业者的自身定位总是会有些尴尬，游离的技术与非技术之间。现在不用纠结了，尤其是数据分析师，直接自我重定位成产品系列就好。通过角色的转换，让自己具备以终为始的能力，做出更有意义的分析，而非脱离实际的纸上谈兵。

认识数据的边界和局限性，就是上文提到过的，不唯数据论。过度的相信任何一件事，都是值得警惕的，因为它会遮挡我们本就不开阔的视野。

要有同理心，就是在企业内能够站在他人的视角思考问题。同理心作为产品经理的核心能力素质，经常被广泛讨论。前段时间古牧君读一本书《动物的精神世界》，里面正好提到对同理心的研究，整理分享如下：

同理心能力的强弱来自于哪儿？大脑中有一种神经元叫镜像神经元，它很神奇，因为普通的神经元都是主体在进行身体活动时会释放电子脉冲；而镜像神经元相反，当客体有一些特定身体动作时，该神经元就会被激活。典

型的如打哈欠、微笑、恐惧。当我们感同身受的时候，其实就是镜像神经元被同伴的一些动作激活了，但镜像神经元能被多大程度上激活，取决于主体小时候有没有收到过足够的训练和刺激。当主体小时候拥有充满关爱之心的父母和成长环境时，他的镜像神经元就会被不断的强化，反之就会变得比较迟钝和冷漠。

布道者角色，就是不要总埋怨队友，要带带队友。多读历史就会发现，理想主义能照耀一个时代，但无法塑造一个时代。如果我们是奔着做成一件事，那就应该尽可能多的摒弃一些个人情绪。

我知道这很难，因为目前有太多的企业和老板并不懂数据，也有太多的同行和同事缺乏数据思维或分析能力，导致数据从业者们日常不得不花大量时间“屎上雕花”。但抱怨并不能解决问题，还是亲手缔造一个属于你自己的数据认同圈儿吧！