Airbnb数据团队主管：如何将数据科学家的工作一分为三？

“数据科学家”这一职位的说法或许性感，但发展到现在，多种职能（机器学习、统计分析等）已经远不能囊括一家大规模公司在数据科学领域需要的人员及其工作内容了。

本文作者Elena Grewal是Airbnb数据团队的主管，下面她以在Airbnb的工作经验为例子，自述了为满足业务需求，公司如何将数据科学的工作重新定义为分析、推理和算法三个方向，以及这三个方向是如何发挥作用的。

数据科学家的其他名字

Airbnb一直将数据视为用户的声音。起初，我们的团队叫做“A团队”，即分析团队，因为最早我们雇了一名“分析专家”。2012年，我以“数据科学家”受聘。随后，我们聘请了一名“数据架构师”来处理数据质量问题，“数据分析专家”解决数据访问和数据工具的缺失。

此后，我们存在额外的机器学习需求，于是我们聘请了“机器学习方向数据科学家”。这些头衔都是伴随着团队需求和竞争发展更新得出。到2015年，我们成立了“数据科学”部门，但我们依旧使用“A团队”的名字，因为这个名字听着有趣，还能传达我们所珍视的这段历史。

2017年中，我成为了数据科学部门的领导者，那时我们已经有约80名数据科学家，他们分散在不同的团队中。他们中的一部分人在构建项目仪表板，一部分人在创建NLP（自然语言处理）模型，其他人在构建决策建模和设计实验。呈现一种极具多样化的景象。

快速增长的新兴学科

这种多样化并非是意料之外的。数据科学相对较新，而且发展迅速。我们从数据中就发现了这点。首先，从内部来看，应聘Airbnb数据科学职位的人数在2015到2018年里增长了4倍之多。

应聘Airbnb数据科学职位

此外，根据谷歌趋势数据显示数据科学的查询量在此期间也出现了快速增涨：

从2012年开始出现增长，在过去了6年已经翻了4倍。

不仅因为数据科学是一个新的领域，而且人们对“数据科学”的理解也各有千秋。有时候，他们认为数据科学有时仅仅是机器学习。有时候，它在技术公司被视为商业智能。数据科学还很新，它会不断演进。

认识多样化的数据科学技能

我们发现无法预期数据科学能够发挥什么样的作用。

在公司内，多样化的负面影响会导致组织陷入迷失或混乱状态，因为合作团队不知道数据科学家可以帮上什么，并且数据科学家也不明白自己的角色定位。

那些来自数据科学建模公司的人，不会想着使用数据科学去做简单的分析。那些来自数据科学分析公司的人会认为，建模是工程师的工作。

我们还面临另一种挑战：团队中做数据分析工作的人员感到自己的工作没有做机器学习工作的有价值，即便他们的工作对业务起到了关键作用。商业伙伴渴望更多具有实操性的建议帮助他们做决策，并扩展可使用的工具去理解自己的数据。

我们投资了数据教育，成立了非常有名的数据大学，但还是需要专家。我们发现一个原因是当团队成员承担了“数据科学”职责的时候，我们仍旧使用“数据分析专员”的头衔。同时，从我们如何谈论“数据科学工作”来看，这会给人一种“分析工作并非同等重要”的印象。

我和同行公司的领导者讨论过他们团队如何处理这类问题——我曾经创建了一个不同组织架构的共享电子表格。听到过有的公司是从头开始建立新的分析团队，有的团队将机器学习独立拆分，有的将工具团队并入数据科学等等。

显然，不存在一种通用方法，但关键是如何有意识、有策略地定义我们是谁，我们如何创造价值。我们深知我们的目标是“任务支持”，例如，做公司最需要的工作。因此，我们的角色不仅兼顾个体化和阐明期望，更需要与公司当前的需求相匹配。

解决方案：数据科学工作的三种风格

我们决定根据这三个方向来重新定义数据科学职位。我们需要正确描述我们要寻找的东西，这样才能吸引来自相关领域的人才。