大数据团队从2到3-阿里云开发者社区

开发者社区> 阿里云MVP> 正文
登录阅读全文

大数据团队从2到3

简介: 其实从3.0阶段开始,团队的升级路线就比较分散了,依赖于各公司对于数据团队职能的定位和期待。

其实从3.0阶段开始,团队的升级路线就比较分散了,依赖于各公司对于数据团队职能的定位和期待。


大数据团队在2.0阶段建设完成之后,3.0阶段的方向就变得多样化。


有些公司会选择“加强纵深”,选择1、2个重点方向,加大投入、扩充人员、持续深挖。例如某公司想要重点加强数据的实时处理能力,则会重点扩充实时计算团队;

有些公司会选择“拓宽广度”,让大数据团队变得可独立运作、独立输出、野蛮生长,为其补充缺少的职能,作为公司业务发展的“突击队”。


本人所在公司属于后者,所以本文重点介绍这一思路。


背景


2.0阶段,大数据团队的开发职能已经基本健全,可以完成大数据领域内的所有类型的开发工作。

从流程上来讲,一个“开发团队”的需求来源一般是产品或运营团队。产品或运营团队提出的需求,一定是在其“眼界”之内能做到的事情。大数据虽早已不属于尖端、新潮事物,但对于高端人才储备不足的公司来讲,这一领域仍然不是普通的产品经理或运营专员所能驾驭的,更别说提出一些有价值的需求了。

于是就出现了一个严重的问题:“公司对于大数据团队的期待”与“大数据团队的实际产出”不符。公司期望大数据团队做出数字化的创新,构建数据与技术的壁垒,而产品或运营团队却没有这类经验和人才,无法提出有价值的需求。


解决方案


解决这一问题的方案,就是:让大数据团队变得可独立运作、独立输出、野蛮生长,为其补充缺少的职能,作为公司业务发展的“突击队”。


1. 缺少的职能


  • 产品经理。作为一个可独立运作的产研团队,最重要的职能就是“产品经理”。产研团队是靠“需求”驱动的,而需求是由产品经理产出的,产品经理是整个链条的最前方。
  • 测试。如果说整个链条的前方是产品经理,那链条的后方就是测试。


2. 流程与规范


合理的组织建设,是最重要的前提。在这之后,作为一个可独立运作的团队,还需要有属于自己的节奏。要保证大家在一个相同的节奏下工作,不会受到其他因素的影响(例如管理者的不同风格、差异化的工作流程和规范等等,都会导致节奏的不一致)。


一般,“突击队”是不适合有太多流程规范的。流程规范对于正规军来讲,是极其关键的要素,但对于“突击队”来说反而是一种束缚。被约束在框架内,限制了速度、限制了创意,也就限制了最终的产出。


因此,我们需要的流程规范,既应该保证“不要有太多约束”,又要能维持住“良好的质量”和“较高的交付效率”。


3. 设立团队愿景


愿景就像海洋中的灯塔,有了,才不会迷路。


3.0阶段的愿景,与公司对大数据团队的期待,密切相关。

这份期待可以是:

  • 构建数据分析平台,提升运营效率;
  • 辅助公司经营决策;
  • 管理公司数据资产;
  • 建设数据中台,匹配“业务+数据”双中台战略;
  • 提升数据挖掘能力,构建数字化壁垒;
  • ……

等等等等。团队的全体成员,都需要将愿景牢记于心。


有了愿景,团队成员可以凭借强大的自我驱动力,自己给自己安排工作,不必再依赖任务的层层下达。创新的土壤,也就有了。


工作方向

1. 有了问题,解决问题


这类工作,规划起来是比较简单的。无非就是人力、时间和成本的问题。


例如:大数据团队的人力,长期被零散的临时取数需求占用,导致无法集中精力做重要的事儿。那我们就要想办法解决这一问题,比如:将流程规范化、在线化,开发自助取数功能、将部分有共性的取数需求变为自动化等等。


2. 没有问题,创造问题,解决问题


这是很难的。


一帆风顺的日子,才是最该警惕的。危机往往就是在一个风平浪静的午后,静悄悄地降临,往往会让自己措手不及。为了时刻准备好应对危机,我们需要提前做哪些准备呢?


例如:建设应急响应预案。就像这次疫情一样,线下实体经济遭受重创,部分没有退路的企业直接扛不住而倒闭。很多互联网行业也受到波及。响应迅速的公司,可以第一时间做出调整,迎接挑战、应对危机。


工作成果


本阶段的工作成果,应该比前两个阶段更多、更容易。在做好了人与组织的准备,使命愿景价值观的制定,以及初步的底层框架搭建之后,可以在上边堆大量的应用。下面列举一些从各个公司的技术分享中学习到的、可以尝试的内容:


  1. BI平台。早在1.0阶段,我们就建设了第一版的BI平台,但对于业务驱动型公司来说,早期的BI平台截止目前很可能已被重构过几十次,产品设计缺少框架性、逻辑性。这一阶段在拥有产品经理职能之后,应从全局出发,重新设计BI产品,使之逻辑清晰、框架稳定,且不受各业务部门的零星想法所干扰;
  2. 智能配送调度平台。早期在美团、菜鸟的技术分享中学习到的。将大量的数据与算法结合,构建一套独立的智能调度平台,甚至可以直接对外开放,开放给其他需要线下运力的企业;
  3. 风控系统。业务发展到一定规模之后,难免被黑灰产盯上,利用产品漏洞进行一些不好的行为。是时候该构建自己的风控系统;
  4. 用户画像体系。在积累的大量数据之后,我们可以基于用户画像构建人群,并对不同人群进行差异化运营,降低运营成本、提升运营效率;
  5. 自助取数平台。上面提到过的产品,用来释放数据团队的人力、提高数据交付的时效和质量、保证口径的一致性;
  6. AIOps。系统问题的发现,从“阈值告警+人工判断”阶段开始,已经积累了一些有价值的数据和经验,将其融入到算法中,使之越来越少的依靠人工;
  7. 智能问答机器人。用于对外的产品上,可提升客服效率;用于内部的产品上,可提升公司员工的协作效率;
  8. 自动化运营体系。将多年以来积累的有效的运营手动,变成自动,并提供监控、手动干预等功能,将运营效率提高到最大;
  9. 用户评论情感分析。对接监控告警,可以实时掌握到用户对平台的态度变化、用户的流失趋势、部分地区部分类目下的问题萌芽,并第一时间安排人跟进处理;
  10. 知识库。通过带有NLP的搜索引擎,构建对内、对外的知识库体系,并持续优化搜索效果;
  11. 智能推荐体系。构建一套既符合用户喜好、又满足公司经营需要的智能推荐体系;
  12. ……


总结


本阶段的目标是“价值输出”。

凭借强大的技术实力、优秀的人才储备、庞大的数据积累、和正确的使命愿景价值,观,大数据团队将在价值输出的道路上,越走越远、越飞越高。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

阿里云最有价值专家,是专注于帮助他人充分了解和使用阿里云技术的意见领袖。

官方博客
官网链接
精彩专题