如今大家都形容數據是黃金，而以Airbnb在全球191國擁有超過400萬個房源，數以億計的訂房量，和以數十億計的搜尋量來看，顯然稱得上是個大富翁了。但實際上，數據若無法被有效轉化應用，其實也只是佔據儲存空間的垃圾。而這也是為什麼過去7年來，隨著營運成長，Airbnb的數據科學團隊規模跟著大幅成長了百倍。
成立於2008年的Airbnb是在2010年有了第一位資料科學家萊利．紐曼（Riley Newman），但一直到2015年團隊規模才發展到稍具規模的30人，並開始快速成長。而截至目前為止，該團隊人數已經超過百位。
不只內部資料科學團隊成長，Airbnb也要借重外部力量
Airbnb首席經濟學家，同時也是資料科學部門主管彼得．柯爾斯（Peter Coles）表示，他們仍在持續招募人才，而有別於早期他們會找比較多雖然對商業不熟悉，但經過良好學術訓練的「博士新鮮人」，在平台和團隊規模都變得更大之後，現在他們則是希望可以找到同時具有資料科學背景和商業經驗的資深人才。
除此之外，柯爾斯表示Airbnb也經常會借助外部力量，和外部學者專家合作。舉例來說，芝加哥大學教授，同時也是知名著作《蘋果橘子經濟學》一書共同作者史蒂芬．李維特（Steve Levitt），就是他們合作的對象之一。在該次合作中，他們共同設計出客戶回訪傾向程度指標GRP（Guest Return Propensity）用以協助判斷住房品質。
柯爾斯指出，傳統上經常會使用星級評鑑工具去判斷一個房源的好壞，但實際上房客和房東都未必真的能清楚了解4.5顆星和4顆星之間的差異。因此，一方面他們透過自然語言處理去蒐集分析各房源評價關鍵字，從中找出品質訊號；另一方面他們也想在主觀的評論之外，找出房客回訪率這樣相對客觀的指標。實際上他們發現，確實會有同星級房源在吸引房客回流這件事上出現顯著差異的狀況。
而當他們有能力為每個房源都找出這樣指標後，Airbnb便可以針對每個房源的指標高低做搜尋排序，進而藉由較佳的體驗增加客戶回訪平台訂房的機會。試想，以Airbnb如今的平台規模，只要能將回訪率提高5%，就會是很可觀的數字，更別說透過這樣的方式可以為Airbnb省下多少行銷預算。
同時，在這次合作中，柯爾斯也有一個有趣觀察。他表示一開始曾預期這些指標應該會對平台新用戶有比較大的影響力，但實際上卻發現針對老客戶曝光高品質房源反而可以為平台創造出更大價值。他強調，會有這樣的狀況也是為什麼每個決策都一定要經由實驗驗證的重要原因。
建立以資料為本的決策環境，Airbnb成立數據大學
除了借重內部團隊和外部力量，Airbnb更想做到的目標其實是「以資料為本的決策環境」，也就是要將數據應用能力落實到公司的每一個人。而這其實也是Airbnb資料科學團隊擔負的任務之一，去判定什麼樣的人可以存取什麼樣的資料、藉由工具開發簡化資料應用門檻，以及教育員工如何解讀資料。
因此他們不只會訓練軟體工程師成為專業數據工程師，Airbnb也在內部成立了「資料大學（Data University）」，對所有員工提供初階、中階，甚至是高難度訓練課程。柯爾斯表示，其實早在2015年內部就有這樣的想法，但因為事務繁忙，所以一直到去年才正式推出，而他們希望未來全公司可以有超過半數員工至少上過一堂課。雖說這套課程沒有正式的認證機制，但他表示通過課程的人都可以獲得「貼紙」認證。
在這樣的文化下，Airbnb行銷部門人員可以輕易調閱可能過去一年或未來兩個月在特地地區的住宿訂房情形資料，預先做行銷規劃參考；又或者負責公共政策的人員也可以根據各地房東運營狀況、房客消費情形等數據作為與該地政府或社群溝通的資料。可以說藉由數據應用能力的擴散，也加速了Airbnb的整體營運應變能力。
