数据研发如何深度思考(一)

广告 数据  收藏
0 / 275

拷问

数据研发如何深度思考,避免沦为取数工具,每天被繁重的任务压得喘不过气来?

这个命题有点大,我试图从几个角度,多篇文章分别讲讲,希望大家也多多讨论。

  1. 每天的需求哪里来,为什么这么多,如何排优先级?
  2. 我做这个需求为什么需要这么多时间?
  3. 做过的事情反复做,怎么规避?
  4. 如何衡量做的事情的价值?
  5. 数据管理者如何向内向外沟通,保持组织的活力?
  6. 数据的天花板在哪里?

......

为什么做数据

我们做数据可能会有以下原因,比较抽象。

  1. 爱好数据分析,贴近业务,能够带来直观的增长
  2. 挖掘数据,做风险控制,抵御羊毛党。
  3. 工资高,市场缺口大,有前途。
  4. 数据智能,自动驾驶,想想也酷。

......

但是具象的岗位,按照不同的职责,有 BI,数仓,风控,广告,推荐 等等。这些岗位都跟数据息息相关。

以数据治理需求

这里我结合在贝贝实践的经验,通过元数据分析需求,较好的提数据研发同学们解决第一个问题。

image.png

上图是我们关注一个需求的主要方面,为此试图解决这个问题,我们搭建了观星台系统,统一采集需求完整生命周期各个环节的元数据,量化我们的需求,价值,花费时间。

观星台设计(需求元数据采集)

image.png

如何排优先级

个人价值密度,部门价值密度

基于以上观星台系统,我们在复盘的时候可以客观的对业务需求进行打分,综合考虑的因素有数据对业务的GMV贡献,对用户增长的贡献,对降本增效,对数据质量,对协助效率,项目紧急程度,工期等的指标。

价值密度 = F(增长,降本,营销,质量,效率,时间)

通过对这些指标采集,在需求方,部门,对接人等角度客观的评价。并且推广数据需求模板,提高沟通效率。以需求数据看板指导数据需求,解放生产力。

思路

需求治理,我们关注的本质是什么,主要矛盾是什么?我们解决这些重要环节,有哪些操作可以实施。观星台项目的上线,一定程度上解决了这个问题,做到可量化,可执行。