如何才能拥有自己的数据技术工匠?


作者:傅一平
来源:与数据同行
在杭州,只要你是做数据的,阿里等互联网公司绝对是绕不过去的,现在到处都可以看到它们的身影,大家都说杭州互联网氛围很好,人才好找,但实际竞争激烈,各种猎头,各种社招,各种关系,无孔不入。

从事大数据工作以来,团队成员的社会化流动逐渐成了常态化的事情,今天就来谈一谈最近的几点思考。

如果你的数据团队没有被外部威胁到过,要么是你的业务偏居一隅,要么就是数据技术的落后,大多数时候,我们企业内部的数据人才通用性是比较差的,一旦脱离了篱笆隔起来的行业,就失去了很多竞争力,即使你在自己这个行业是首屈一指的专家。

我们进入大数据行业市场的时候,发现很多公司在上面的布局已经多年,你得千方百计的进行突破,无论是在业务、组织、机制还是流程。

当你好不容易摸着点门道,却发现自己的后院起火了,嗯,你开始面临市场上真正的数据技术人才的竞争,因为你的团队的数据技术人才随着你的业务的市场化也越来越具备市场化的价值。
 

大数据拉平了很多东西。
 

除去管理人才,企业内的相对纯粹的数据技术人才分为两种类型,一种是在支撑企业的业务中成长起来的专业性人才,这种人才一旦离开了所在的行业,原有的优势就没了,另一种则是通用人才,其掌握的技术与企业本身的业务相关性其实不大,但影响却举足轻重。

比如数据仓库主题建模跟业务相关性挺大,但要让模型在大数据平台跑的又快又好则需要很硬的通用技术,包括平台技术、数据库技术、编程能力,建模能力,算法能力等等。

后者的这种技术能力往往具备普适性,现在与大数据相关的业务越来越多了,比如金融,广告,安全等等,这些都涉及到对海量大数据的智能处理,数据技术人才变得奇货可居。

这几年的经历告诉我,现在市场上最需要的数据技术人才是具有一定的数据认知、有较为丰富的平台、产品或算法经验、且具有成功经历的人,最好你在一个数据平台还工作了3年以上。

他们平时比较低调,甚至默默无闻,但价值很大,这就是企业的数据技术工匠。
 

为什么他们这么具备竞争力?
 

从技能的角度看,上来就能干活,少了培养成本,很好;从德行的角度看,在一个企业能连续干3年,是专注的证明;从风险的角度看,成功过的人,气质不太一样,更容易总结经验继续成功。

大家都在争夺这类人才,所谓人才的暗战。

可以这么说,数据技术工匠是大数据应用获得突破的最大保障,原始大数据从来不是低垂的果实,只有数据技术工匠才能让一块石头变成璞玉,他们创造了高质量的数据、强大的基础模型及高性能的平台。

比如位置是运营商的一个核心数据,假如针对位置数据的处理不到位,就会导致应用精度等系列问题。

这么重要的工作,也只有数据技术工匠才能做到精益求精,但在很多企业内部,这种持续追求高质量的工作方式,并不一定能快速获得认可。
 

为什么?
 

1、数据技术工匠的业绩不容易被看到
 

在一个企业内,业务人员的业绩比较容易考核量化,IT人员是作为幕后英雄存在的,CRM人员好歹还能跟业务人员直接接触,而处于更后端的数据技术人员则比较委屈,它们跟业务之间似乎有十万八千的距离。

比如交通规划的路网模型,没有数据技术工匠你就永远是现在那个水平,前端产品卖的再好,也会碰到瓶颈,很多前端的问题解决不了不是不能解决,而是后端根本没有人能获得持久的支持,然后能有这个决心持久的去做,前端骂的再多没用。

笔者经历过很多失败,元数据是不是有这个问题,模型是不是有这个问题,同样的模型做了一遍又一遍,因为没有一个人能始终如一的做下去。

怕看不到业绩,怕留给自己的时间不够,我们总是希望讨巧,把核心人员放在最容易出彩的工作上,忽视了其实要能持续的出彩,始终来自于强大的数据技术底蕴。

在数据技术领域,除了原始的大数据有些直接价值,大多没有啥讨巧的地方,很多企业做数据技术的人员分布不是金字塔型,而是倒金字塔,上面很多的应用和需求人员,自己搞基础数据研发的屈指可数,纵有合作伙伴的支持,但可持续性很差,底盘不稳,创新就很难涌现,这是个正反馈系统。

笔者以前有一个数据技术个人发展的路线图,取数-模型-报表-挖掘-分析-需求-项目-产品,这其实是一种偏见。
 

2、数据技术工匠需要一个网络来获得认可和成长
 

假设你是一个有理想的有为青年,在一个企业搞数据技术到了第三个年头,当大多数工作你已经驾轻就熟甚至需要你带新人的时候,有一瞬间你突然有些惆怅,因为你在这个企业已经进入了技术的无人区。

这个天花板在大多数企业其实不高,如果你很努力,很努力。

领导的认可是一个方面,但这个远远不够,你特别需要一个更大的网络来获得反馈和认可,这样你才能继续成长。

身在阿里的数据技术人员,可能对网络没啥感觉,那可能只不过因为这个网络足够大,你身在其中而不自知。

数据技术这个专业,你要获得更深的造诣,自然会想到这个领域的巨无霸,薪酬仅是一个方面,但大家提的最多的,却是成长空间,向往那个顶级网络。

这种顶级网络,拥有一批高水平的数据技术工匠,拥有自己的技术声望,你看云栖大会上阿里的各种技术人员你方唱罢我登场,这可不是作秀,这是在传播声望,而一般企业,很难形成这种技术网络。
 

3、总是苛求数据技术工匠的“全面发展”
 

专业和通才本身就是一对矛盾,我们总希望去改造数据技术工匠,能不能更“圆滑”一点?

职场上经常说要学会电梯讲话,也许项目经理,产品经理很需要,但套用在数据技术工匠上,似乎有点勉为其难,历史上天才型人物往往闷骚得很,你要一个技术工匠在电梯里用30秒的时间跟一个领导讲清楚他做的这个事情的业务价值,的确太难了。

很多数据技术的基础是数学,大多数学公式很难用业务语言表达,否则人类发明算符干嘛,数据技术工匠不会讨巧,在这一点上非常吃亏。

笔者算是一个数据管理的专业人士,有时看到数据技术人员写的日报周报,也会觉得理解困难,不知道他到底要表达什么,总想着他们需要提升表达能力,现在想来,也许要宽容一点,要能容忍一定的不确定性,只要能搞定这个事情,干嘛苛求呢?
 

控制过头了往往是无知的表现。
 

实践告诉我们,企业大数据要有所创新,人才始终是第一位的,如果没有大数据技术的人才梯队,没有一批数据技术工匠,构建的任何大数据应用都是非常脆弱的。

就转型做大数据的企业来讲,正如我前面说的那样,未来会面临更多的市场化人才竞争,我从实践中走来,有三个浅显的认识:

  1. 要能发挥企业的独特资源优势,比如运营商基于海量的数据+多样的平台可以提供最好的数据技术学习环境,这是时代赋予的机会,要尽量开放给大家使用
  2. 要尊重大数据创新的规律,要能打造自身的数据技术研发团队,形成独有的数据技术人才网络,与合作伙伴要形成技术互补,能够有所为有所不为
  3. 要对数据技术人员多些理解,能够谋划长远,多些耐心,为数据技术人才争取更多的权利,很多数据能力不是看起来那么容易实现希望我的分享于你有益。
http://www.shcpda.com/kechengzixun/1704.html