阿里巴巴的马云，蓝思科技的周群飞，格力的董明珠，等，不是技术大牛，一样可以带大企业。拥有最小数据科学团队的公司是那些没有很多客户并且不销售基于数据的产品的公司，但可能向3-4家非常大的企业客户销售的安全技术公司没有不具备一个庞大的大数据科学团队。
把公司开在硅谷有哪些弊端？
不利因素主要有两个：一是身处回音室，周围都是些相同或类似的企业；二是必须和最一流的公司抢夺人才。反过来说，硅谷之外的公司肯定会面临更加棘手的问题。脱离了硅谷这个环境，外面的企业家肯定无法像硅谷内的企业家一样及时掌握最先进的行业技术。不需要和一流公司争夺人才则意味着其他地方的人才资源更加稀少，一流的人才也更稀缺。
硅谷哪些公司拥有最多的数据科学家？
Palantir是第一家想到的公司，尽管他们称数据人才为“机器学习工程师”而不是数据科学家。Palantir的产品是数据分析，这是他们大多数工程人才做的事。Palantir Technologies的规模在200亿估值左右，并且没有上市计划，其主要甲方是国防部等政府机构。拥有最小数据科学团队的公司是那些没有很多客户并且不销售基于数据的产品的公司，但可能向3-4家非常大的企业客户销售的安全技术公司没有不具备一个庞大的大数据科学团队。
是否使用大量数据科学取决于产品本身是否围绕分析和数据科学。拥有规模最大的数据科学团队的公司是那些拥有大量内部数据的公司，同时也在外部销售产品，因为他们需要与客户一起处理与数据相关的问题。Euclid Analytics是一家拥有相对较大数据科学团队的公司的例子 - 约占整个公司的15％ -，同时该公司也销售客户从中获得洞察和整合的产品与其他数据平台。
就相对于工程而言，数据科学应该是工程组织的一部分。这个问题已经存在 - 数据科学是工程或产品组织的一部分，还是应该成为自己独立的组织？ - 但是在很高的层面上，我认为执行数据科学所需要做的很多事情都与执行有关，这与核心工程类似，应该就最佳实践进行协作，相反，对数据进行推理是一项有用的技能。对于大多数形式的工程。
硅谷企业的高管到底能否算是技术大牛？
懂技术也好，不懂技术也罢，都可以成为高管。腾讯的马化腾，百度的李彦宏，小米的雷军，360的周鸿伟等，都是技术大牛，但他们公司还有更牛的。阿里巴巴的马云，蓝思科技的周群飞，格力的董明珠，等，不是技术大牛，一样可以带大企业。做技术，但又懂市场的人，优势很明显。不懂技术，但理解技术对生活的功用，市场方向又敏感的人，也一样有优势，都可以做好高管。
