如何构建数据梦之队

数据对几乎所有企业都至关重要——它是组织运作的命脉。然而，管理、利用数据并实现其商业价值也充满挑战。

如果充分利用数据已属不易，那么人工智能（AI）正在将这个门槛提得更高。传统上，处理数据的视角是以系统为中心的，确保企业运营的系统中有必要的数据流。但现在，任务已转变为确保数据“为AI做好准备”。这意味着数据需要被妥善标记，以便AI应用知道信息是什么、来自何处以及以前如何被使用。这使得AI能够理解数据的含义，而无需自行解释。若没有这一步，AI可能会错误地猜测，导致错误、意外后果甚至“幻觉”。

在AI时代，稳健的数据治理变得前所未有的关键。组织需要清晰的政策、严格的标准和明确的流程来确保数据质量。同样重要的是在整个数据生命周期中进行系统化管理，包括一致的数据整理、安全的存储和管理，以确保数据保持准确、可靠并适用于高级分析和AI应用。

组建数据团队

所有这些都意味着，配备合适的数据团队势在必行。然而，这也导致市场对拥有高级数据技能和经验的专业人士的竞争加剧。因此，明确你要组建的团队和角色至关重要。那么，一个“数据梦之队”是什么样的？

根据我们在招聘市场服务和作为数据从业者组建、运营团队的经验，你必须在深入涉足AI之前，先组建好正确的数据团队，以及必要的数据流程和结构。

有几个角色至关重要。

数据工程师 是基础，因为他们为业务使用而建立收集、管理和存储数据的流程；他们奠定基石。
数据架构师 确保系统间的数据流和连接符合业务需求，并且能够适当地扩展和获得支持。
然后，熟练的数据科学家和数据分析师利用数据提取可操作的见解，包括应用AI技术，并可能启动向机器学习和自动化阶段的演进。
商业智能分析师 也扮演着重要角色，他们从业务/行业的角度审视数据所揭示的信息。

随着企业在数据和AI方面变得更加成熟，对AI/机器学习工程师的需求也随之产生，以利用已创建的数据流来设计智能系统。

哈维纳什研究显示数据技能短缺

已运行超过25年的Nash Squared/哈维纳什数字领导力报告一贯显示，数字领导者对其组织是否能充分利用数据信心不足。在2025年的报告中，只有29%的领导者自评为“擅长”利用数据创收。数据技能也供不应求，数据分析和工程是仅次于AI的第二大技能短缺领域。

另一个关键的新兴角色可以描述为“数据翻译员”或“数据解决方案工程师”。这些人构成了数据团队和业务之间的纽带，作为渠道帮助将数据洞察转化为可采取的业务行动。这既需要技术技能和知识，也需要商业头脑和理解力。这个角色常常被忽视，尽管越来越多的企业似乎意识到它是拼图中至关重要的一块。

值得注意的是，这些角色都需求旺盛，且可能难以填补。因此，在过去的18个月左右，数据相关岗位的薪酬大幅上涨。尽管许多技术岗位的薪酬仅以或接近通货膨胀率的速度增长，但一些数据岗位的薪酬可能上涨了15-20%。一名优秀的分析师年薪可能在7万至9万英镑之间，工程师和科学家可能在8万至11万英镑之间，而一名资深的数据翻译员/解决方案工程师可能达到12万英镑或更多。

从以上可以看出，一个好的数据策略在于拥有一个由不同角色组成的多学科团队，紧密协作。因此，这绝不是简单地寻找具备正确技术技能的人——团队和企业内的文化契合度也应是关键的考量因素。通常情况下，人与技术同等重要。企业不应期望一夜之间组建好正确的数据团队。这是一个有机的、渐进的过程，可能需要12-18个月才能完全成型。

领导力问题

接下来是领导力问题：谁应该对数据和数据团队承担执行责任？大多数企业都设有首席数据官或同等职位——关键问题在于此人在管理层级中的位置。在理想情况下，数据负责人应与技术和产品负责人平级，并在董事会中拥有席位。在实践中，这往往仍未实现——但我们预计这种情况在未来几年会发生变化，尤其是在AI持续发展的背景下。

还有其他变体。例如，在进行大规模AI实施的公司中，我们有时会看到首席数据官与首席AI官并肩工作，但在一些企业中，这两个角色会合并为一个。这里没有“正确”的答案——这完全取决于组织内部的个体动态。

最后，同样关键的是要认识到，数据不仅仅是数据团队的事务：每个人都是数据使用者。因此，整个企业的数据素养必须提上议程，提供培训和资源，帮助每个人提高数据能力和信心。只有这样，你才能充分实现你为让高质量、细粒度且相关的数据在组织内流动所付出的所有努力带来的益处，这些数据将支持商业决策并释放商业回报。

杰克·卡佩尔是哈维纳什英国南部总监。亚当·阿斯普雷是Maximus英国的数据总监。