从某种程度上讲，目前硅谷乃至全球最火爆的职业【Data Scientist】始于LinkedIn。

　　2008年，LinkedIn的数据科学团队负责人DJ Patil 和Facebook的Jeff Hammerbacher分别建立了全世界前两个真正意义上的数据科学团队，并且开始用“数据科学家（data scientist）这个词来描述他们的工作性质。在这之后，Data Science这个行业和Data Scientist这个职业逐渐流行开。

　　而要探索数据科学团队的建设，没有哪个团队比LinkedIn及其用户增长部门数据科学团队的负责人周洋更有发言权。

　　2013年加入LinkedIn增长与国际业务部门，周洋带领自己的数据科学团队见证了LinkedIn用户量“稳定且健康”的增长并从数据上提供业务支持，帮助LinkedIn实现全球注册用户从二点五亿到五亿的增长，而他将这些归功于LinkedIn对数据团队的重视和数据驱动的文化氛围。

　　周洋认为，一位合格的数据科学家的终极目的是解决“不确定性”。他不仅应该是致力为公司解决实际问题的科技人员，同时在战略决策层面，也应该要有为公司发现新的利益增长点的商人格局。

　　LinkedIn（领英）增长与国际业务数据科学负责人 - 周洋

　　数据科学团队“嵌入式”工作日常数据科学家跟跑全程

　　“数据科学家要帮助产品经理实现增长用户的目的，为产品团队提供技术支持，另一方面与工程师确定最后如何实现技术落地。”周洋如此描述一个数据科学团队工作的最核心内容，这也是被他称作“嵌入式”的数据科学团队工作图景。

　　走进周洋的数据科学团队，你首先可以从“座次表”看出他们“嵌入式”的工作模式：这个20多人的数据科学家团队是嵌入在LinkedIn 150多人的增长产品团队中的，数据科学家与工程师、产品经理从“地理位置”上首先有一种亲近感。

　　“我们的数据科学家大多数都和他们支持的业务团队在一起，比如支持病毒式增长（virus growth）的科学家就和这个团队的业务负责人坐在一起，我又跟增长团队负责人坐在一起，这种嵌入式模式非常有效。”周洋称。

　　这种嵌入式的合作模式在科技公司非常常见，数据科学家在产品团队中，与产品经理和工程团队一起，是整个团队的三根支柱（pillar）。只有这三根支柱紧密协作，才能让整个产品团队将各自的专业优势发挥到最大，使得产品团队能够高效运行。

　　一方面需要对公司业务和痛点有足够深刻的认知，才能与产品经理合作，寻找业务增长点和机会；另一方面，数据科学家与工程师及时有效的沟通，也能保证更准确地度量新产品对于用户行为的影响，保证最大化向用户传递的价值。

　　周洋称，LinkedIn是一个有着强大数据驱动文化的公司，我们希望数据科学家能够一个人跟完整个产品周期。数据科学家越早的进入整个过程，越能够更有效率的工作，而在开展新人培训时，也会强调这一点。

　　“季度之初，数据科学家会跟业务部门沟通新一季度的工作计划，哪些需要数据支持。”在具体工作的实施上，周洋称数据科学家会从一开始就主动介入，“我们会帮他们确定要做什么，哪些需要跟进。对于一些战略性或者可拓展性的工作，（不紧急但是重要的）我们也会明确去做。”

　　对产品的技术支持是数据科学团队最基础的职责，也占了周洋团队日常工作的70%。剩下的20%和10%的时间分别用于战略性项目或者风险项目。

　　金字塔结构：数据团队提供的价值和对应职能

　　如果说一个数据科学团队通过金字塔底部70%的工作确保了一个公司日常工作的高效率，那么占日常工作20%的战略决策工作则决定了一个公司的发展前景。

　　对于一个数据驱动的公司，数据科学家的眼界对公司创新的想象力有着很重要的影响，数据科学家在战略决策层面将有机会向公司高管提供建议，并能够确保战略的实施，从长远来讲对科技公司的发展意义深远。

　　数据民主化让每一次决策有“数”可寻

　　一个公司能否有领先市场的发展，决策者的眼界非常重要，高管对数据是否敏感，能否下决心把数据推动做好，决定了这个公司的前景和竞争力。

　　LinkedIn的CEO Jeff Weiner以强大的运营背景著称业内，受其影响，整个LinkedIn的数据驱动文化也颇为强大，高层对数据和技术非常敏感。

　　LinkedIn（领英）CEO Jeff Weiner