團隊需要可履行各種職能的通才》資料科學不需要專家團隊

亞當．史密斯（Adam Smith）在《國富論》（ The Wealth of Nations）中，運用別針工廠組裝線的生動例子，說明分工如何成為生產力提升的主要來源：「一人抽出鐵線，另一人拉直，第三人截斷，第四人削尖，第五人磨削頂端。」職能導向的專業化，讓每位工人變得很擅長執行某一項小型任務，因而提高了流程效率。每位工人的產出增加許多倍；工廠在生產別針上變得極有效率。

依據職能來分工的做法根深柢固，即使在今日，我們仍會立刻這樣組織自己的團隊。資料科學也不例外。一項端到端（end-to-end）演算法業務能力包含許多職能，因此，公司通常會成立專家團隊，包括：研究科學家、資料工程師、機器學習工程師、因果推論科學家等。專家們的工作由一位產品經理協調，在各職能間移交，方式類似前述的別針工廠：「一人獲取資料，另一人建立模型，第三人執行，第四人衡量」等。

唉，我們不該為了提高生產力而優化資料科學團隊；當你知道自己正在生產的是什麼（可能是別針，或是其他東西），而且只追求增量效率的時候，才應該這麼做。組裝線的目標是執行。我們明確知道自己想要什麼，在史密斯的例子中是別針，但也可以是你想到的任何產品或服務，...