資料科學團隊分工合作，緩解資料科學家集於一身的重擔

若以歐美資料科學家的職務要求來看，又要會處理資料，又要會建立分析模型，又要有描述解決方案的能力，這樣的人已不是個人才，而是超人了。」精誠資訊助理副總經理蔣居裕認為，與其找一個集全能於一身的資料科學家，不如建立一個「資料科學團隊」，將資料處理者、資料分析者與資料決策者分開招募，建立溝通管道並分工合作，才是務實的作法。

從資料處理、分析到決策，以緊密溝通的團隊分進合擊
目前精誠資訊約有50人的巨量資料團隊，就是依照蔣居裕所描述的方式進行分工。蔣居裕表示，這個團隊的主要角色可分為「資料處理者」、「資料分析者」以及「資料決策者」。

「資料處理者」是直接接觸巨量資料的第一線戰鬥人員，這些人員需具備硬底子的程式技能、資料庫觀念以及資料探勘等資料處理相關技巧，以及如Hadoop、Splunk、NoSQL的相關知識，因此通常是由資工系畢業的軟體工程師擔任，然而蔣居裕也強調，對資料處理者而言，不一定要會什麼新潮的程式語言，只要在既有的Java、Python、Ruby等語言上有良好基礎，再廣泛學習資料處理的相關知識，就具備了作為資料處理者的基本能力。

待資料被處理成妥善形式以後，「資料分析者」就上場了，他們大多是熟悉於資料統計模型的數學、統計、物理系學生，能將特定形式的資料，包括文字、網頁記錄、語意辨識和聲音檔案等各種資料，依據待解決的問題，套入不同統計模型計算，並產生出有意義的報表，此外，資料分析者還必須具備「說故事」的能力，能將分析結果以視覺化方式呈現，告訴決策者這些資料的意義，讓決策者能更精準對這些資料做出判斷。

蔣居裕也表示，資料決策者所必備的技能就比較不容易界定，因為決策者通常不是一般的教育訓練可以培養出來的角色，必須要通過豐富的業界、商務經驗磨練，才可能慢慢培養出資料決策的能力。

然而，除了強化自己崗位上的技能，蔣居裕也認為，資料科學團隊的每個角色都應擁有彼此的基礎技能，比如，資料處理者也要知道一些分析方法，才能了解給分析者什麼形式的資料才容易進行分析，而分析師也要懂基本的程式設計，才能知道可能得到的資料種類，以及資料處理的速度與極限等。蔣居裕認為，讓每個角色了解彼此間的工作內容，有助於理解彼此作業的可能性與侷限性，而這也是良性溝通的重要基礎。

專業人才供不應求，跨界人才也過於稀缺
然而企業是否能招募到理想人才，得看學校教育能培育有競爭力的學生，很不幸的，蔣居裕認為以臺灣的大學畢業生來說，都過度埋首於本科專業上，較少跨領域發展的經驗，也較缺乏團隊合作解決問題的能力，因為在雲端時代，各種角色之間的溝通非常重要，如果只是專業能力強，卻無法跟其他角色互動，就不能算是雲端時代的搶手人才。

因此蔣居裕認為，在資料科學團隊，保持開放學習的心與強烈好奇心是最重要的。他認為巨量資料的分析方法，與人類的社會行為有著密切聯繫，若不了解人性與人的行為背後的動機，常會以錯誤的方式來建立錯誤的模型，並導致上層決策的全盤錯誤，讓整個團隊心血付之一炬。

除了跨界能力之外，雲端相關技術如Hadoop課程等，在學校與坊間的教育資源都非常稀少，蔣居裕表示，目前學校能教授Hadoop的老師不多，許多老師仍在學習階段。但不只是臺灣有人才供給問題，即使在美國，Hadoop相關人員在就業市場上，也一樣是供不應求。
此外，蔣居裕認為，一個雲服務，不管是IaaS、PaaS或SaaS，都一定會有使用者介面（User Interface），因此使用者經驗變得十分重要，而要建造或維護雲端系統，會碰到很多開源碼的子系統和非開源碼系統的整合，而這需要熟悉系統整合的專才，這些人才都是目前學院教育所缺乏的。

重視「非正式溝通」，快速因應市場瞬息萬變的要求
蔣居裕表示，由於雲端時代的要求瞬息萬變，在面對巨量資料的問題時，資料處理者與資料分析者之間的互動會非常頻繁，因此，就必須善用「非正式溝通」來對問題迅速做出反應，以精誠資訊為例，資料處理者與分析者就是同坐在一個大桌子辦公，並沒有辦公室常見的OA隔板擋在中間，當資料分析者覺得分析模型需要調整，而希望能修正輸入的資料範圍與類型時，就不必兩個人風塵僕僕的跑到會議室開會，因為他的對面就是資料處理者，要修改參數，直接朝對面講就行，節省時間與場地資源，此外，辦公室也到處都有白板，若有需要畫圖示意時，也可以很迅速的取用。

蔣居裕認為，「溝通」其實就是知識工作者的本質。20世紀中期以後，福特主義（Fordism）成為全球工業體系生產模式的標準，在工廠裡，人變成了標準化的小螺絲釘，生產動作的標準化使得溝通變成毫無必要，工人只需重複簡單的操作就能完成工作。然而在資訊時代，尤其是即將來臨的雲端時代，工程師的生產方式跟福特模式已經完全相反；生產流程不再被清楚切分，沒有所謂標準化的作業方式，以精誠的巨量資料團隊為例，資料處理者、分析者和決策者的連動就必須非常緊密，並且隨不同問題的轉變調整合作策略，在這種情形下，溝通就變成了專業技能之外，最重要的職場能力了。

資料科學團隊技能表

1. 處理者：Hadoop、Splunk、NoSQL
2. 分析者：建立統計模型、將統計結果「視覺化」之能力
3. 決策者：豐富的業界與市場經驗