企业如何打造数据人才成长的环境？

作者：傅一平 就职于浙江移动大数据中心

企业搞大数据，最核心的还是人才，无论是新人能否成才或是防止骨干流失，都跟企业能提供的成长环境息息相关，但成长环境不是说说就能建立起来的，这几天听了得到吴军的《谷歌方法论》有一期提到关于教育的问题：

“特别想问吴军老师对于密涅瓦大学这种新型教育模式怎么看？”

吴军答：“这其实不过是VC搞的一种赚钱的生意，没有太大的意思，今天学习基础知识哪里都办得到，并不缺乏这些，大家挤破头要进私立名校，显然为的不是学那些MOOC(比如coursera)上也能学到的东西，办教育不是一件容易的事情，并非一两个人，有点钱就能办成的。”

正如现在搞大数据的年轻人削尖脑袋要进阿里一样，因为大家都认为到那里可以获得更好的发展，有好的成长环境，今年笔者的团队陆续会有新人加入，因此近期做了一次新人培养方式的系统思考，特此分享于你。

笔者主要搞数据技术，因此侧重围绕这个专业的培养展开，以便较多的讲些自己的体会和案例，而不是简单的讲道理，虽然通识教育很重要，但其也是要蕴含在专业培养过程中。

1、存量人才的底蕴决定了培养环境的潜力

大多时候，个人职业生涯的成功取决于见识的高低，而不是自己简单的努力，见识的高低，则取决于我们的环境，我们常讲"名师出高徒" “要与必自己好的人为伍”，就是强调了环境的重要性。

而一个没有太多数据技术人才存量的公司是很难为新人提供好的成长环境的，对于技术成长最有发言权的是现有企业的技术骨干，他们在现有公司的机制体制下，摸索出了符合这个企业特点的技术成长之路，对于数据技术人才尤甚，因为数据技术是跟系统，业务和数据很相关的技术种类，以下是一个经典的例子：

一天，一个农民赶着一群羊在草原上走。迎面碰到一个人对他说：“我可以告诉你，你的羊群有几只羊。”他用卫星定位技术和新的网络技术将信息发到总部的数据库……片刻后，他告诉农民共有1460只羊。农民点头称对。随后，他要求农民给他一只羊作为报酬，农民答应了。不过农民说：“如果我能说出你是哪家公司的，您能否把羊还给我？”那人点头。农民说：“你是麦肯锡公司的。”那人很惊讶地问农民是怎么知道的。农民说：“有三个理由足以让我知道你是麦肯锡公司 的：1、我没有请你，你就自己找上门来；2、你告诉了我一个早已知道的东西，还要向我收费；3、一看就知道你一点都不懂我们这一行，你刚刚抱走的那只根本 不是羊，而是只牧羊犬。”

笔者在《数据挖掘师，要从一个人活成一支队伍》提到的过，专业技术人员不要狭义的理解专业技术，比如跟人的有效沟通也是一种技术，沟通不好，你也很难获得或利用好企业有效的资源，你的真正技术发展就会受限，企业的技术专家大多综合能力也是比较强的，能搞技术，能沟通，能讲解，能汇报，只有这样的人，才深谙自己企业的技术发展之道，能承担起打造新人成长的环境。

虽然传统企业其实拥有很多技术资源，比如很好的系统环境和水平很高的合作伙伴，但这并不意味着新人就能从中获益，潜力大与能发挥出价值是两码事，而企业的存量人才将发挥出粘合剂的作用。

名校之所以为名校，底蕴是一大批牛人，企业更难，不仅要有牛人，而且这个牛人要适应企业的文化，笔者做了很多年BI，直到做大数据后，有了更多入才加入后才逐渐有了互相探讨提升的氛围，企业拥有冰冷的高性能硬件和强大的软件设施并不意味着很多，很多企业早就拥有了先进的数据仓库系统，那又怎么样？

人才的积淀效益不是线性的，而是几何级的，人才从无到有总是最难，如果不巧有了孤独的技术舞者，没有后续的持续，这根独苗也很难存活，比如数据技术涉及面很广，光有大量建模人员却没有一定的平台技术人员规模，平台技术人员也很难获得发展，对此笔者是深有体会的，这体现了人才的规模效应，人才体系是个正反馈系统。

当然，偶然性出现几个技术大拿总是会的，但企业需要的是可持续发展的专业技术团队，这才能形成真正的技术氛围和培养环境，大数据为很多企业带来了新的机会，首先要做的是在机制上确保有一个人才的资源池，而这恰恰是最难的。

2、学徒制是数据人才最好的培养方式

笔者在《刻意练习，如何成为一名取数大师》中提到过如何有效学习，其中“只在学习区练习、对每一个小块进行重复练习、高度专注”完全依赖于新人自身的造诣，只有一个跟环境相关，那就是能获得即时的反馈。

一本书看好多遍，只是熟悉，而熟悉并不等于理解，想要真正理解唯一的办法就是考试和测试，这就是反馈，培养任何人才，光有反馈还不行，反馈还需要即时性，要让实践者立即得到反馈意见，现在的课本和各种辅导书极其全面，人们完全可以自学，现代老师的作用正是提供即时的反馈，一个动作好不好，最好有教练随时指出，本人必须能够随时了解练习结果，看不到结果的练习等于没有练习，真正的人才不是靠课程院系、考试大纲的设置培养出来的。

企业培养数据技术人才的有效办法是学徒制，师傅带着徒弟参与一个实际的项目，徒弟在试错中提高，师傅所以重要是他知道你学习的东西怎么应用到现实的场景中，你学之前就已经知道了是为了解决什么问题，这种刻意性不是自己找几本书看能解决的。

不少人说我可是完全靠自己摸索出来的，基本没什么师傅带，那只能说明要么你花费了巨大的代价换来的，只是不觉得而已，要么这个技术在现有企业中没人用过，你是开创者，要么就是在企业有稀缺性，或者就是没什么技术含量，还有一种是事实上你有很多隐形的师傅，即你所在的组织和团队给了你快速反馈的能力，而不是依赖于某个人。

新人领进门，师傅先定好，特别提一个有效的强制反馈机制，日报，成甲在《好好学习》书中提到对于新人特别强调反思能力：“为了培养员工的反思能力，我要求新员工从入职的第一天开始就坚持做一件事情：每日写反思日志。“师傅通过徒弟的反思更能理解其对于一个工作的理解深度，从而更有针对性的进行辅导。

然而，师傅没那么多时间怎么办？

3、打造适合企业自己特点的数据培训体系

读者会发现，笔者谈事情大多都强调自己做，因为大数据是新事物，别人的做法可以参考，但不要照搬，现在网上数据技术培训文档汗牛充栋，假如靠这个能培养，那数据人才就满地跑了，在整理自己企业的数据培训体系时，曾经有人提议把在线教育的很多资料搬过来，跟人力商量找些外部讲师就OK了，自己搞太麻烦了。

显然这种方式是不可能成功的。

每个企业有自己独特的人文环境、业务环境、数据环境、工具环境、平台环境，企业要培养的是要适应企业自身独特环境的，能尽快产生业务价值的数据技术人才，让一个新人花半年时间考个hadoop的证没啥意义，因为这不是企业的目标，企业希望的是你能基于现网hadoop环境解决一个的具体技术问题，企业评估技术人员也不是纯粹的通用技术导向，而是专业服务导向，企业外与企业内评估专业技术能力的标准肯定是不一样的，一个具备跳槽能力的技术人员在别的企业吃香，但在这个企业可能表现一般，这很正常。

因此，企业必须打造适合自己特点的数据技术培训体系，当然不少技术是通用的，这也是外聘讲师的价值，但不能本末倒置，比如以下是笔者关于自己企业数据技术培训课程的一个示意。

可以看到，大多数培训课程需要企业自己的专家来编撰，无法依赖外人，即使诸如R/Python这种通用技术，在进行实战讲解时，也最好基于企业的实际案例进行，这样针对性更强，学会了马上能上手，这些都不是外聘机构所能解决的，而如果企业没有一只数据技术专家队伍，这种教材也很难系统化的编撰好，各种要素环环相扣。

万事起步难，那么前面提过的很多师傅没时间指导怎么办？

那就让师傅花点功夫把自己的套路总结出来，形成企业永恒的培训文档，师傅只需要对新问题，难问题进行反馈，从而释放带新人的压力，这是长痛和短痛的问题，对很多师傅来讲都是一个挑战，但会教会写其实也是对企业专业技术人员的要求，当然企业也要创造一种激励师傅的机制，现在外聘讲师那么贵......

4、为新人打造一张半年到1年的成长计划表

在数据新人进来后，为其拟定一张成长计划表是有必要的，让新人有个目标，赋予适当的压力，才能更好的助其成长，很多新人有积极性，但时间管理不够，企业有责任进行督促，还有一点是以前觉得让新人正规的汇报有点形式主义，但经历了几届实习生培养等事情后，笔者现在感觉还是很有必要，一方面仪式感会让人对做事更认真，充分展示出他的能力，另一方面总结汇报也是一个基本素质，以下是笔者拟的一个针对新手的示意计划表，仅供参考。

6个月后，新人能否继续上一层楼，就看其自身的修为了，当然很多技术人员在工作2-3年后会离开企业，除了收入的因素，很大程度上还是企业的技术底蕴不够所致，企业能做的就是要加强自己的技术积累，形成自己的人才池，池子里每多一个人，意味着对于新人的吸引力就大一分。

在企业转型大数据之际，企业专业的数据技术人员除了做好自己的工作，也应该抬起头，为新生力量的成长贡献自己的力量，企业也要为这种学徒机制的形成保驾护航，在业界普遍哀叹DT人才缺乏的时候，扎实的推动企业自身培养体系和人才资源池的建立的确是当务之急。

浙江移动自去年开始提出了四个千人计划的目标，DT千人计划是重要一环，当前已经初步打开了局面，表明了传统企业面向数字化服务转型的决心。