关于大数据：⑤ 啥人做？
就大数据概念目前的流行状况来看，完全够格称为“商业时尚（business fashion）”。商业时尚是一种商界的集体信仰，认为某种商业技术是商业发展前沿。根据商业时尚理论，任何一场时尚都会经历创造、加工、推广和实用等阶段。对于正处于推广期的“大数据”概念而言，想像的内容存在脱离实际的情况不可避免，比如 Davenport 描述的数据科学家。
从 HBR 大数据专题对数据科学家的描述来看，这类人才完全可遇不可求，真真是“我本将心托明月”，“不知明月为谁好”。也许是数据科学家太难找了，数月后 Davenport 又在 HBR 上挖了个大数据的坑，将数据科学家描述为类似“80、90年代华尔街 quant”的群体。quant 有个与“码农”对应的中文翻译：矿工。
在 Davenport 的新文章中，被重新定义为“矿工”的数据科学家不再是超人，他们也有能力局限，特别是不擅长与人沟通，对商业缺少感觉。换句话说，当被称作矿工时，前文所说的数据科学家的四个技能，便只剩下工具开发和数据分析了。问题在于不单是大数据本身并不能产生价值，大数据分析技能本身也不能产生价值。没有商业目的和分析问题的引导，大数据和分析并不能对商业决策和企业行动有何助益。既然超人型的数据科学家缺位，只有矿工型的数据科学家，那企业又该如何展开这场分析变革呢？
答案是矿工们必须与管理者精诚合作才能对决策有帮助。然而现实很残酷，绝大多数管理者理解普通的图表没有问题，但对于复杂分析难以适应。分析变革要求企业逐渐适应数据驱动型决策，而这又要求管理者必须使用复杂分析得到的结果。因此要搭乘大数据专列，企业除了招募到对商业有概念的矿工外，还需要管理者做出调整：首先，管理者要明白自己在分析过程中扮演什么角色。矿工们是生产者，提供分析和模型，管理者是分析的消费者将矿工们的产品与自己的商业经验和直觉结合起来制定决策。矿工们擅长整理数据、分析预测，但缺少商业知识来识别假设和相关变量，以及洞察变化，就需要管理者来确定假设和分析结果是否靠谱。其次，管理者也要学点分析知识，比如统计原理、实验设计等，否则管理者就无法扮演自己在分析过程中要扮演的角色。
对于数据驱动型决策而言，有效的决策并非取决于数学，而是取决于关系。只有矿工和管理者建立了紧密且信任的关系后才可能畅通地交换信息和想法。因为矿工不擅长人际沟通，所以这部分工作的重任主要落在管理者身上。
简而言之，企业要进行分析变革，在核心人员结构方面有两种解决方案：简单、快捷且难实现的方案，招募到数据科学家；复杂、缓慢且可行的方案，招募到既懂分析又会开发的“矿工”，让管理者学会基本的分析知识，然后让矿工和管理者缓慢地建立信任和沟通。
