对于那些着手尝试大数据应用的企业来说，成败的关键是组建一个优秀的大数据团队，但是不要指望一个“首席数据官(CDO)”或者数据科学家搞定所有的事情，成功的大数据团队需要三驾马车：一位业务分析师、一位机器学习专家和一位数据工程师。

随着大数据企业应用的火热开展，数据科学家正在闹人才荒，可谓一将难求，但是Lithium公司的首席科学家Michael Wu博士在接受IW采访时表示：数据科学家的人才荒是因为人们对数据科学家的期望值过高，希望他即懂业务也懂最先进的大数据技术，这样的人才自然是奇货可居，而且不是每个企业有钱就能招募到的。

“三个臭皮匠顶个诸葛亮”，对于大多数企业来说，与其指望一位大数据“救世主”，不如重点关注如何搭建一个成功的大数据团队。

Wu博士认为，数据科学家这个称谓被过度炒作了，实际上人们口中的数据科学家对应着多个职位：“当人们嚷嚷数据科学家人才匮乏的时候，实际上他们指的是同时具备多个职位技能的人才缺乏。而企业完全能够通过将业务分析师、机器学习专家和数据工程师这三类人才捏合成一个团队来代替数据科学家。”

业务分析师这个角色早在数据科学家之前就已经出现了，业务分析师使用前端工具分析企业核心业务数据并给出能支撑决策的分析结果，这些工具包括Excel、Tableau的数据可视化工具或者QlikView的商业智能应用。业务分析师通常也有足够的编程技能来开发仪表盘，对SQL和NoSQL也不陌生。

随着大数据的热潮到来，很多业务分析师开始自我标榜为数据科学家，“但实际上他们不是”，Wu博士说道。不过，根据Alteryx的预测，掌握大数据分析技术的业务部门分析人员将比大数据科学家对企业更加重要。这意味着2014年数据科学家的高工资难以持续。

大数据团队的第二个重要角色是机器学习专家，他们开发算法和数据模型来处理数据，甚至提供预测分析，例如分析消费意向。一些机器学习算法甚至能自动为图片和视频加标签，或者向消费者提供精确的推荐服务（例如Netflix）。

大数据团队的第三个重要角色是数据工程师，他们是大数据团队的基石，他们直接面对Hadoop、MapReduce、HBase、Cassandra这样的大数据技术。大数据工程师的兴趣在于采集、存储和处理数据，以便算法团队能在其上建模。