2024年数据团队调查主要发现

Jesse Anderson，大数据研究所（Big Data Institute）的常务董事以及《数据团队》一书的作者，最近发布了2024年数据团队调查的结果。该调查涵盖了81位来自不同类型企业的数据领导者和工程师。调查结果显示，数据团队对大型语言模型（LLMs）的采用缓慢，远程工作对团队的影响中性，且整体上对交付价值的感知有所下降。此外，调查还指出，半数受访者缺乏数据运营能力。

数据团队技能与认知负荷的重要性

调查分析强调了在数据科学、工程和运营能力团队之间分散数据领域技能和认知负荷的重要性。Anderson指出，虽然数据科学和工程团队的代表性较强，但“半数受访者缺乏运营团队”。他还提到，数据团队在定义运营工程师角色时存在不一致，只有20%的团队将系统工程师技能纳入定义中。

数据团队方法与实践的演变

Anderson还发表了另一篇文章，回顾了2020年至2024年数据团队调查结果的演变。他指出，随着时间的推移，他观察到“DataOps的减少以及不使用任何方法的团队的增加”。他强调，“选择方法仍然是成功团队的关键”。

高价值与低价值团队的区别

在区分高价值和低价值团队时，Anderson指出，高绩效团队遵循了“更多的最佳实践”。这些实践包括单元测试、紧密的业务合作、选择正确的技术以及具备适当的跨职能技能。

数据工程与运营的严谨性

在数据工程播客的一集中，Synq.io的创始人Petr Janda讨论了数据团队需要提高工程和运营严谨性的问题。Janda强调了事件解决流程的重要性，这些流程需要考虑到对利益相关者和下游系统的具体影响。他指出，团队在发现问题后的处理流程存在缺失。

数据团队交付价值的下降趋势

Anderson回顾了受访者对团队交付价值的问题的回答，并观察到下降趋势。他指出，许多受访者“强调了数据团队与业务需求之间的脱节”，这归因于“领域知识不足”和“向利益相关者传达数据价值”的问题。Anderson对这一趋势表示担忧。

远程工作与LLMs的采用

调查显示，大多数受访者认为远程工作并未影响团队的生产力。然而，LLMs的采用缓慢且浅薄，只有12%的受访团队将其用于数据处理，这是其“理想”用例。24%的团队完全不使用LLMs，其余团队主要将其用于代码生成、创意或文案创作以及代码调试。

数据团队的未来发展

Janda希望数据团队能更深入地融入组织的运营视野，而不是被视为“边缘事物”。他还呼吁数据团队具备更多的跨职能技能，希望看到更多团队像过去打破前端、后端和基础设施团队界限那样，创建跨职能单位。