趋势网(微博)讯：

本文作者吉姆（JIM MEYERLE）是大数据公司Evolv创始人之一。

司机不给消防车让道称以为谁喝多了  胖东来规定不允许不喜欢自己的工作  2名中国女游客在日本遭列车撞击身亡  

“本人作为大型数据分析软件公司的创始人之一，每天大海捞针般寻求优秀数据和工程人才。不过我最多次被问到的问题是在创建世界顶级大数据研发团队的过程中学到了什么。

鉴于相关应用程序的市场越来越火爆，我相信对于该领域的公司来说，招聘途径、发展并维持出色的数据研发才能十分关键。

我们一直致力于打造具有重叠功能的研发团队，超过一半的员工致力于研发，几十多个人通过“网络杠杆”的方式对我们的研发予以支持。

在此研发团队中，不仅要有具备像构架Hadoop（高级分布式系统）这种必要技能的工程师，还要有其他相关领域的的专家（最好是意外之才），比如理论物理学、人工智能、组织心理学、计量经济学等学科。

在此我有三条建议：

1. 招募数据科技人才并不意味着寻找“技术鸡肋”

通常来说，在人才招聘中意义重大但很容易被忽视的考量因素就是员工在哪里以及如何能够处理大量完全不同的数据以解决各种商业问题。为应对“稠密市场”，老板会想聘到“经济学人”创建最强概率风险判定模型（其实经济咨询公司拥有很多此类旷世奇才）。如果能聘请兼职编程精算师，或者是理论物理学人才（该学科是人工智能的理论基础），那公司将潜力无限。这些领域知识对于数据科学家来说比数据处理库技术（MapReduce）更有价值。

如果公司能拥有这种人才，在该产业中已经是领先一步了。

2. 很多难聘请到的超级数据人才实际上是免费的

我可没有开玩笑。在某些情况下，大数据科学领域的精英通常在主要学术研究机构扮演研究员的角色。

拉里·佩奇（Larry Page）和谢盖尔·布林（Sergey Brin）虽然几乎没有实际工作经验，但很明显对付一个博士课程中最复杂的数据问题绰绰有余；艾利克斯·卡普（Alex Karp）（兰提尔创始人兼CEO）拿到了新古典主义社会理论专业博士学位；乔（JoeHellerstein）（大数据公司TriFacta创始人兼CEO）在创建自己的公司前做了很多年大学教授。

人们并不知道硕士或博士要发现真实的数据集十分困难，不过只要他们能够利用这些科研发现进一步发展自己的研发项目，他们便会抓住一切机会将此类数据转换为真实应用。

与这些天才人物一起共事能够让我们在他们官方宣布候选字格前更直观的观察这些冲击私人就业市场的炙手可热的精英。

3. 如果公司的目标与人才个人利益相符，即使是大数据领域最难招聘到的精英也有机会收入麾下

实际上很多老板并不怎么花时间在了解他们的想要招聘的员工的真实趣向，这让我感到很吃惊，如果真要聘请他们，应该根据其制作的源代码找出他们的工程风格，并关注他们的论题。我们研发团队的许多技术精英加入我们就是因为我们的经营目标与他们个人的兴趣相投。

我们的首席分析人员（沃顿商学院计量经济学博士）一直想要把生物统计学方法应用到人力资本数据统计中（这就是他现在正在做的事）；我们的首席构架师（理论物理博士后、计算机科学硕士）认为，机器学习能够更快推进雇主-雇员匹配结果发展，但是一直没能找到合适的地方检验他的理论。

其实在组建大数据研发团队的过程中我学到了很多，不过我认为上面这三条是最重要的。它们是我们的终极信条，能让我们规模发展大数据产品，向消费者及员工传递重大价值理念，并创建成功商业模式。”