如今大家都形容数据是黄金，而以Airbnb在全球191国拥有超过400万个房源，数以亿计的订房量，和以数十亿计的搜寻量来看，显然称得上是个大富翁了。但实际上，数据若无法被有效转化应用，其实也只是占据储存空间的垃圾。而这也是为什么过去7年来，随着营运成长，Airbnb的数据科学团队规模跟着大幅成长了百倍。
成立于2008年的Airbnb是在2010年有了第一位数据科学家莱利．纽曼（Riley Newman），但一直到2015年团队规模才发展到稍具规模的30人，并开始快速成长。而截至目前为止，该团队人数已经超过百位。
不只内部数据科学团队成长，Airbnb也要借重外部力量
Airbnb首席经济学家，同时也是数据科学部门主管彼得．柯尔斯（Peter Coles）表示，他们仍在持续招募人才，而有别于早期他们会找比较多虽然对商业不熟悉，但经过良好学术训练的「博士新鲜人」，在平台和团队规模都变得更大之后，现在他们则是希望可以找到同时具有数据科学背景和商业经验的资深人才。
除此之外，柯尔斯表示Airbnb也经常会借助外部力量，和外部学者专家合作。举例来说，芝加哥大学教授，同时也是知名著作《苹果橘子经济学》一书共同作者史蒂芬．利瓦伊特（Steve Levitt），就是他们合作的对象之一。在该次合作中，他们共同设计出客户回访倾向程度指标GRP（Guest Return Propensity）用以协助判断住房质量。
柯尔斯指出，传统上经常会使用星级评鉴工具去判断一个房源的好坏，但实际上房客和房东都未必真的能清楚了解4.5颗星和4颗星之间的差异。因此，一方面他们透过自然语言处理去搜集分析各房源评价关键词，从中找出质量信号；另一方面他们也想在主观的评论之外，找出房客回访率这样相对客观的指标。实际上他们发现，确实会有同星级房源在吸引房客回流这件事上出现显著差异的状况。
▲Airbnb首席经济学家，同时也是数据科学部门主管彼得．柯尔斯（Peter Coles）表示，Airbnb在数据科学投入非常多资源。
而当他们有能力为每个房源都找出这样指标后，Airbnb便可以针对每个房源的指标高低做搜寻排序，进而藉由较佳的体验增加客户回访平台订房的机会。试想，以Airbnb如今的平台规模，只要能将回访率提高5%，就会是很可观的数字，更别说透过这样的方式可以为Airbnb省下多少营销预算。
同时，在这次合作中，柯尔斯也有一个有趣观察。他表示一开始曾预期这些指标应该会对平台新用户有比较大的影响力，但实际上却发现针对老客户曝光高质量房源反而可以为平台创造出更大价值。他强调，会有这样的状况也是为什么每个决策都一定要经由实验验证的重要原因。
建立以数据为本的决策环境，Airbnb成立数据大学
除了借重内部团队和外部力量，Airbnb更想做到的目标其实是「以数据为本的决策环境」，也就是要将数据应用能力落实到公司的每一个人。而这其实也是Airbnb数据科学团队担负的任务之一，去判定什么样的人可以存取什么样的数据、藉由工具开发简化数据应用门坎，以及教育员工如何解读数据。
因此他们不只会训练软件工程师成为专业数据工程师，Airbnb也在内部成立了「数据大学（Data University）」，对所有员工提供初阶、中阶，甚至是高难度训练课程。柯尔斯表示，其实早在2015年内部就有这样的想法，但因为事务繁忙，所以一直到去年才正式推出，而他们希望未来全公司可以有超过半数员工至少上过一堂课。虽说这套课程没有正式的认证机制，但他表示通过课程的人都可以获得「贴纸」认证。
在这样的文化下，Airbnb营销部门人员可以轻易调阅可能过去一年或未来两个月在特地地区的住宿订房情形数据，预先做营销规划参考；又或者负责公共政策的人员也可以根据各地房东运营状况、房客消费情形等数据作为与该地政府或社群沟通的数据。可以说藉由数据应用能力的扩散，也加速了Airbnb的整体营运应变能力。
