今天近乎所有的互联网公司都希望组建（大）数据分析团队，但由于大数据技术应用是一个高速发展的全新领域，与建设常规的软件开发团队相比，企业在数据科学团队的招聘、建设和成长方面面临各种全新的挑战。
对于人力资源经理来说，大数据分析人才的招聘说明中有太多的生词，包括各种大数据新鲜名词、算法和技能，而且整个技术人才市场对大数据经验、最佳实践的定义和标准尚无定论。
企业组建大数据分析团队首先需要搞清楚以下三个问题：数据分析团队在企业组织架构中的智能定位、所需资源以及数据分析团队的架构。
职能定位
企业上下需要在一开始就明确数据分析团队在企业组织架构中的定位，以及主要的利益相关者。
不同企业的做法不同，有的企业让CTO领导数据科学团队，有的则选择让CFO甚至CMO领导，有的选择由一个项目经理统领分散于不同业务部门的数据专家，还有一些企业将数据科学团队定位于研发团队，没有具体的日程表或利益相关者。
以上取决于企业的组织模式、企业文化、资源和数据科学团队的具体任务。由于数据科学如此性感，企业的高官们都想将其纳入自己的管辖范围，因此如果不能事先明确数据科学团队的职能定位，在日后的运营中势必引起各部门之间的困惑和摩擦。
资源需求
了解技术人才市场的人都知道，数据科学人才的身价不菲，而企业往往在组建数据科学团队前对资源需求估计不足。
对于一个超过300人的互联网公司来说，如果想组建一个有明确任务（例如推荐引擎、用户激活等）的数据科学团队，第一阶段可以考虑组建一个5-8人的团队，包括一名技术项目经理、1-2名负责建模的数据科学家，以及3-5名数据工程师负责部署生产代码。
团队构成
当明确了资源需求和团队规模后，下一步面临的问题是如何找到合适的数据科学人才。正如文章开头提到的，这对于企业的人力资源部门来说几乎是个不可能完成的任务，人力资源经理的邮箱会迅速被充斥各种新鲜技术名词的简历填满。
人力资源部门还非常容易受到媒体或数据分析厂商的影响，企业需要根据需求自行定义招聘说明中的技能要求，例如教育背景与实操经验的孰重孰轻等。当然，这些都是说起来容易做起来难。
以8人数据科学团队为例，团队初创成员大致分为以下三类：
1、技术项目经理。
拥有3~5年的相关团队管理和项目经验；最好拥有扎实的技术背景，最好能够编程（虽然并不需要真的去编程）。数据分析团队的技术项目经理不仅仅需要丰富的项目管理经验，还必须了解数据分析相关的算法和技能，最好能够进行代码审核。
2、数据科学家。
数据科学家要求有广泛而扎实的专业背景，最好拥有物理学、数学、计算机科学、生物学或相关学科领域的博士学位。判断数据科学家水平最简单的依据是她曾经发表过的研究论文质量。
有一点需要注意的是，一位机器学习领域的资深专家很可能软件开发技能很差，因此在考察数据科学家技能时不要想当然，务必要明确其编程技能。对于以应用为主的互联网企业来说，编程技能对于一个初创的数据科学团队来说非常重要，除非你要组建的是一个学术性的数据科学团队。
3、数据工程师。
不需要太多学术背景，只要是对数据分析感兴趣的靠谱的软件开发人员都可胜任。数据工程师需要对算法、数据架构和软件工程有深入了解，尤其是算法层面，因为很多软件工程师这方面的知识很薄弱，而对于数据科学团队来说算法至关重要。可以尝试从开源项目的积极贡献者中去寻找未来的数据工程师。通常对数据工程师的技能要求与数据科学家类似（例如Python、Scala等）
以上每类数据科学人才的招聘要求视企业和预算的不同而异，团队组建初期没必要招聘太过资深的人士，因为在团队职能和领域范围在初期会经历比较大的变动。而且数据科学团队初期由于需要搭建数据平台，清洗数据，需要干大量“脏活”。
