傅一平：传统企业要培养自己的大数据人才

公司搞大数据运营，如果没有各类大数据人才，即使有再好的平台、机制、流程和组织，也失去了意义。GOOGLE，微软和亚马逊为人工智能顶级人才开出了200万美元的薪水，BAT、华为等公司疯狂席卷大数据人才，我们传统企业何去何从？

千人计划，以前是指国家海外高层次人才引进计划，这里是指任何企业要搞对内大数据运营，也需要有一个针对自己企业一线大数据的人才培养计划，比如笔者所在的公司，就提出了这么一个计划，希望通过1-2年时间，为公司培养1000名大数据建模和应用能手，具体内容包括1000名大数据PaaS使用人员，1000个自建模型及1000次培训。

针对大数据运营，对于大多数企业，应是业务第一，数据第二，算法第三，衡量企业大数据运营水平的高低，始终来自于企业一线搞营销，搞网络、搞分析，搞管理的人是否能真正在工作中潜移默化的进行大数据应用，一定程度讲，用大数据为现有人员赋能是最高效的价值变现方式。

传统企业相关大数据组织、机制流程的建立，在相当长的时间内，都要为一个目的服务：就是培养自己的大数据人才，而这个使命，不是设立一个部门、引进一些社会人才马上能解决的。

为什么这么说呢？

1、对于大多企业来说，传统业务仍然是核心，用大数据来改良旧的业务是务实的做法，但改变存量显然无法靠大规模引入人才解决，更多需要依赖于存量员工的挖潜，这才是基本面。

2、每个行业都有自己的专家，是企业最为宝贵的财富，从机器学习的角度讲，精通业务的人员本身就是半个数据专家了，只要给予一些数据和工具上的支撑，就拥有相当的大数据潜力。

3、大数据并不是那么高大上，企业很多同事对于大数据还处在从0到1的阶段，他们也许不需要AlphaGo，需要的是仅仅是从经验决策向数据决策迈进一步，或者再向上探探头，已经能为企业的精益化运营带来很大的变化。

因此，用大数据改良传统业务应是大多企业的选择，走的估计也是保守主义路线，策略应是授人以渔，而不是授人以鱼，因为不可能单靠某只特种部队就能改变整个企业的基因。

那么如何做呢？ 笔者也在探索，这里给出一些思路：

1、尽量打造企业自己的大数据讲师队伍

第一，虽然外聘讲师有必要，但企业自己的员工培训自己的员工更能激发共鸣，因为大家拥有同样的企业文化，使用同样的数据，工具和平台，知识的传递会更为通畅，这是任何外聘讲师达不到的境界，传授的东西更容易产生现实的生产力。

第二，大数据不确定强，决定了相关的培训也是个迭代的过程，从这个角度讲，打造自己的讲师队伍是性价比很高的方式，比如培训后我们开了微信群，长尾效应就很好，大量的问题是通过日常沟通去答疑解决的，而不是靠某次培训。

第三，企业的大数据运营水平是个金字塔，如果当前处于金字塔的第79层，不要想着一步跳的很高，因为人员、思想、数据、工具、算法、机制、流程是需要协同进步的，再好的算法，缺乏了其它的协同，也没有价值，因此，虽然研发Alphgo的工程师能博得满堂喝彩，但其在大多传统企业并不一定有用武之地。

无论是传统BI还是大数据，能发挥出效用应是天时地利人和的结合，在当前阶段，普及数据、平台和思想是第一位的，毕竟更深层次的人工智能对于大多企业还处于探索阶段，大多企业也还没到靠人工智能改变命运的时候，企业需要做渐进式的改变。

诸如浙江移动的培训课件全部由自己的建模师和平台工程师编写，并且亲自现身说法，是面向一线的真正实操培训，关于具体的培训课程，笔者已经在《我们需要什么样的大数据培训》一文中进行了阐述。

2、提供一个强大的PaaS平台

有了讲师和培训远远不够，更为关键的是要提供一个强大的PaaS平台，能满足所有的团队在自己的租户上高效建模和构建应用的需要，这是大数据平台需要承担的使命，理念跟AWS，阿里云没什么区别，只是我们的平台是私有云，得先服务好自己再说吧，亚马逊、阿里都经历过这个过程。

其实平台能力的挑战非常大的，没有积累很难办到，比如在数据交换层，要能够开放数据采集引擎，提供多样、可视化的数据采集能力；在平台资源池层，提供hadoop、MPP及流处理资源池，具备资源所见即所得的开通能力；在基础数据层，提供全域的DWD模型和融合模型，让所有的人能方便的使用自己企业的数据；在服务组件层，要能提供多种应用组件，方便一线自己开发应用；在开发管理方面，要能提供可视化开发工具，屏蔽底层技术细节，提升数据开发效率；在机器学习方面，既能提供诸如SPARK、TensorFlow供高端用户使用，也能提供诸如SPSS分布式版本给普通用户使用，以满足各类角色的需要等。

PaaS在千人计划中处于核心地位，对于企业的技术能力，产品能力及数据能力是巨大的挑战，没数据不行，没技术也不行，有数据有技术没体验也不行，这个要求其实很高。

3、通过持续的运营去提升公司的大数据氛围

“搭台唱戏”是需要遵循的原则，笔者在《业务人员的革命：从大数据运营是一台“戏”开始》一文中提到了原因及意义。

这里特别来提一下大赛，当前大数据对于企业一线其实还是个陌生事物，笔者有次给一线政企人员去培训大数据，从大家的眼神还是能看出其对于大数据抱有新鲜感，因此，企业开展大数据建模及应用大赛活动并不是噱头，自顶向下是一种有效的推广手段，这符合大多传统企业的实情，目的就是以赛促教，以赛促建，让大家了解大数据，参与大数据，激发创新热情，挖掘和培养大数据应用人才。

比如浙江移动今年计划组织三期建模大赛，每期选择一个市场重点课题，诸如宽带拉新、视频推荐等等，省市县公司人员自行组队报名参赛，根据评比结果（营销成果）给予参赛团队（个人）一定积分，三期合计个人积分评定最终优胜者。

当前第一期大赛正在如火如荼的开展，共有184名队员自行组队参赛，合计64支队伍，覆盖公司所有地市及主要部门，目的还是希望一线人员能通过大赛熟悉数据，掌握相关技能，只有点燃了他们，整个公司的应用氛围才能起来。

那么，千人计划有什么挑战呢？

首先，是企业各层级对于大数据的态度和决心，因为再好的培训，如果主观能动性不够，传统的做事方式不改变，培训就是皇帝的新装，看着好看其实也没啥用，这是最大的挑战。

其次，是数据和平台能否经受住考验，即能否提供更多、更有价值的数据，能否提供一个体验好、速度快的平台，这是立身之本，如果这些没有足够的吸引力，没人愿意上来跳舞，千人计划也就成了无源之水，这还区别于传统企业的劳动竞赛，因为它是以大数据平台为基础的。

再次，才是千人计划的具体运营举措，包括自建的师资，培训课程，技能大赛及沟通互动等等。

因此，千人计划虽然是人才培养计划，但其成功却受限于诸多其他因素，总是要摸着石头过河，不确定性很强。

比如某次培训后，很多学员就反馈系统上操作的问题，数据的导入导出问题，部分课程过于技术化问题等等，当然，也提出了不少好的建议，比如录制培训视频方便一线推广，让优秀地市进行最佳实践培训等等，这些既敲响了警钟，也给了很多启示。

可能有人会问，千人计划具体会有什么效益？

大数据千人计划对内价值更多体现在它的驱动效应，就是要驱动企业的数据文化，促成搭台唱戏模式的形成，引导尽可能多的人，用更精细化的手段去提升企业运营效益，搞大数据不能天天期盼奇迹出现，应扎实多做“颇为朴实”的事，理解大数据千人计划要采用“蜜蜂模型”，蜜蜂的效益主要不是自己酿的蜂蜜，而是传粉对农业的贡献。

冯.诺依曼指出：“在每一门学科中，当通过研究那些与终极目标相比颇为朴实的问题，发展出一些可以不断加以推广的方法时，这门学科就得到了巨大的进展。”

当前很多行业的大数据氛围渐起，相关企业，特别是传统企业要能抓住这个机会，打造出属于自己的千人计划。