选Leader，数据部的Leader，要包含下面三个基本技能至少其中两个：1. 懂数据及其相关技术

可以不会具体实施，但是各种存储的优缺点一定要了然于胸，例如我可能不了解Storm或者Spark的API，但是它们的性能、应用场景一定是要清楚的。2. 行业经验对公司所面对的行业和客户群体有深入的了解过，知道行业现状，知道所处行业哪些方面有数据层面的痛点，贴合业务的数据结构，或者说是超出业务预期的数据结构（逆向指导业务、技术驱动）将会使公司事半功倍。3. 数学如果公司最终的走向是机器学习和人工智能，那么精通数学算法非常重要，很多看似不可实现的功能，其实在数学领域有很多很多解决方案，有些解决思路甚至几百年前就有了。选Crew，除了包含一般开发人员所需要的基本素质，如果打算自己培养新人，注意以下两个的特质：1. 数学能力尽可能的有数学方面的研究，可以不是数学系毕业，但是如果知道并能够通过代码实现简单的线性回归，并能够说出其原理，那自然是很不错的一个苗子。2. 脑子灵活数据处理，技术要求其实并不高，那么脑子灵活的人要比技术好的人更值得关注，在经过短暂的培养就能独当一面，偶尔还能“诈尸”解决棘手问题，一个勤奋但是愚蠢的人会让你非常头疼，而搞大数据相关的东西，机器性的经验虽然重要，但是更重要的还是脑子。其他问题面临的挑战主要是来自友军，友军设计的库表、数据结构经常让我们叫苦不迭，技术层面就有各种奇奇怪怪的设计，例如我们通常建议浮点型数字用long来存储、宁乘不除，可现实情况往往出现有些部门用String来存储数字（不讨论优劣），有些部门用浮点类型，甚至有的表，两个数值类型分别用String和Double存储的，还有些人为了体现知识的渊博用Bigdecimal的（其实用不着）；而业务层面的友军给我们造成的暴击是技术层面的Double。其次，混合型的数据服务会牵扯较多的技术，例如流式计算、缓存、消息、文本解析、Excel处理甚至是图像识别之类杂七杂八，对于大多数系统开发人员而言，他们可能最多就是写一写Spring、MyBatis，在复杂一点就是集群分布式，而你做数据就可能牵扯到各种各样的效率问题、数据解析问题，有时候为了完成一个需求，我们在技术上无所不用其极，C++、Lua、Python哪个能最好的解决问题用哪个。部门成长过程中遇到哪些坑？实在太多，都不知道从何说起。首先，上面提到了，是提防友军，除了上面提到的友军误伤之外，还包括：多源复制的时候，有些库表严重拖后腿。其次，数据库一定要备份，最后的堡垒，只要数据还在，其他的都好说，其他的坑实在太多，不一一说了。

从宏观上来说，公司层面上主要是建设数据生态，亦即建设企业整个数据采集，使用和合作的数据文化。从微观上来说，主要是着重建设稳定的数据流，亦即数据存储，分析，算法，可视化的数据处理流。从这几个目标来看，你需要团队角色数据产品经理，商业分析师，数据运营，数据研发工程师，算法工程师等。这些角色需要根据你们公司和业务团队的需求状态来搭配。所以楼主需要提供更多信息，包括但不限定于：公司人数，目前数据处理相关的人员分配，业务情况，所属行业等等。有更多问题欢迎关注微信公众号：数据产品经理会 ，这个公众号有个配套的数据产品群，可以加我微信申请：liuyangfjnu

有钱就招人，没钱就别折腾了。还不如把住KPI

入不敷出，钱多烧的就当我没说。

理解业务，收集数据，存储数据，清洗转换数据，提取数据，分析数据，评估分析，应用。完美的最后是数据科学家的专长。前面都是工程师的战场。

这要看你是什么公司，我假设你已经有了数据来源。那么数据仓库的设计是第一重要的，否则效率感人。这个基本靠你的CTO功力。其次选对分析工具和平台，再次是业务目标。