无论您是企业还是美国政府，拥有一位 C 级数据领导者都非常有价值
随着越来越多的企业拥抱数据驱动决策的价值，我们看到像“首席数据官”(CDO) 或“首席数据科学家”这样的 C 级数据领导职位增加。在某些方面，这些职位的范围比 CTO 或 CIO 更窄，更专注于与数据相关的活动，而不是企业对技术的整体使用。另一方面，CDO 角色以独特的方式将技术和业务战略结合在一起，因为这位领导者负责公司如何使用数据来做出所有决策。此外，CDO 的工作跨越多个报告线，处理从数据管理的法律方面（如 GDPR）到领域特定知识（将算法结果置于上下文中所需）的一切事务。这种特定但又影响深远的职权范围是许多企业选择设立独立的 CDO 角色，而不是将职责归入现有技术或业务领导者的部分原因。
随着企业发展壮大并变得更加复杂，将数据管理监督置于像 CDO 这样的专职领导者之下变得越来越有意义，CDO 可以定义公司的数据战略并确保其得到正确执行。公司的具体需求和规模将决定确切的职称——首席数据官、首席数据科学家、首席数据分析师等——但高层次的目标和职责将保持不变。对于非常庞大或复杂的组织，甚至可以考虑让多位负责数据项目各个要素的高管向 CDO 汇报，例如同时设立首席数据科学家和首席数据合规官。
例如，在 2015 年，美国政府设立了美国首席数据科学家职位，隶属于白宫科技政策办公室，作为更广泛的 OSTP CTO 团队的一部分工作。他们任命 DJ Patil 博士担任该职位，负责帮助“负责任地最大化国家在数据方面的投资回报”，以及其他任务。他关注的具体领域包括警务实践和精准医疗数据。虽然美国首席数据科学家的范围当然比个别企业的需求更广泛，但他们可以承担的项目类型是相似的。
首席数据科学家的角色
首先，这包括使用数据驱动的决策来创造更好的结果。作为这项工作的一部分，首席数据科学家必须教育决策者如何将算法结果与人类理解相结合，以制定数据增强型决策。有时，人们会认为将数据引入决策过程意味着完全自动化、“一劳永逸”的规则制定。然而，组织的数据科学领导者可以为将人类知识和直觉的最佳方面与算法相结合铺平道路，从而做出最重要的选择。
首席数据科学家的角色还包括确保其组织实践负责任的数据科学和 ML，包括在需要时引入来自学术界、商业领袖和其他公共政策制定者的观点。我们经常谈论特定问题的领域知识——而不仅仅是统计学和建模方面的专业知识——对于数据科学家做好本职工作至关重要。同样，首席数据科学家应与其他领域专家（如社会科学、法律和伦理学领域的专家）建立桥梁，以确保其组织正在制定数据科学和 ML 政策，从而为所有人负责任的成功做好准备。
数据科学家和 ML 工程师经常求助于开源工具来完成他们的工作。在我们的2020 年数据科学状况报告中，49% 的数据科学家和 66% 的开发人员将“创新速度”或“最适合我需求的工具”列为他们最看重开源软件的原因。开源在经过深思熟虑的使用时，可以成为组织的宝贵资产，包括安全问题以及如何可持续地支持社区的考虑。鉴于开源软件在数据科学工作流程中扮演着重要角色，首席数据科学家应与其他高管合作，确保其组织成为开源数据科学社区的诚信参与者和管理者。
在大型组织（如美国政府或大型企业）中，首席数据科学家还在企业如何参与开放数据交换中发挥作用。无论是深思熟虑地对待用于训练组织算法的公共数据集（提出诸如“这些数据来自哪里？”和“可能存在哪些内在偏见？”之类的问题），还是寻找方法安全地向他人开放他们的数据。首席数据主管可以帮助在开放数据运动中规划出一条成功的道路。
让 C 级数据领导者为您的组织发挥最佳作用
并非每家公司都可能准备好设立专职的首席数据科学家；有些公司可能需要将这些特定职责纳入更广泛的 CDO 职位，而另一些公司可能需要拨出 CIO 或 CTO 一定比例的时间来处理数据问题。但每家公司都应至少有一位高级领导负责确保组织从其数据中获得战略价值，并以合乎道德和合法的方式管理数据。数据科学和 ML 可以为组织释放巨大的利益，但前提是这些举措得到负责任和周到的处理。这就是为什么 C 级数据职位数量不断增加的趋势将持续下去。
如果您已经设立了数据领导职位，但想更好地了解如何组织其支持人员，请务必查看我们的关于如何构建数据科学团队以取得成功的白皮书。
