数字化企业中“数据”生态位的全景解析（下篇）

小飞象·梦想季

比你差的人还没放弃，比你好的人仍在努力，你就更没资格说你无能为力。

数字化企业中

“数据”生态位全景解析

data analysis

●●●●

作者：周海鹏

简介：快用云科创始人CEO，创业老兵，最近十年创业，一直在大数据技术、数据分析、数据应用方面工作。过去十年里，曾经带领团队构建过移动应用统计分析平台，广告监测平台，DMP，CDP等产品，服务过很多世界五百强企业(金融、房产、零售、医疗)，对相关行业的背景、数据分析、数据智能和数据应用方面都有详细的了解。个人微信公众号【白塔之光】。

未来，会带来快用云科团队，继续在数据产品方面进行努力，希望可以帮助大家解决数据工作中的具体问题，降低劳动强度，提高工作效率，帮助企业利用好数据和智能，更精准有效的解决企业决策问题。

正文来了

上篇，我介绍了在数字化企业里有哪些角色，包括数据消费者、产品经理和商业人员、数据架构师、数据工程师、数据分析师、数据科学家等，这些人大概对数据有什么诉求。那么，这期我们继续看看“数据”这种黑金在这些不同的人身边流过，会发生什么反应。

一、 数据生成

数据生态系统的一个重要组成部分是原始数据的准确生成。

例如：终端用户的应用程序可以具有各种功能、不同的用户体验，还有各种视频播放器和点击、支付行为等。为了更好地了解用户行为，有必要捕捉正确的用户数据，并为此正确设计数据架构。如此设计后，系统可以帮助您了解有关大部分用户群的宝贵行为信息。

大多数的数据系统，依赖前端和后端系统之间的交互来生成用户交互的事件日志。每次用户与特定功能交互时，都会将事件日志推送到数据摄取系统，其中包含定义捕获事件的各种变量和参数。

例如：当用户尝试在应用程序上搜索视频，当她点击搜索时，会向后端服务发送搜索请求，并将响应发送回前端，为用户呈现多个相关搜索结果。此过程涉及从后端和前端系统生成事件日志，该事件日志进入数据仓库并存储为各种分析用例的原始数据。此日志可以包含各种属性，例如搜索关键字、搜索结果、语言等，这些属性稍后可以帮助了解用户搜索的内容或评估所提供的搜索结果的质量。

故此，产品经理和数据架构师扮演着重要的角色，他们决定需要捕获哪些信息以及如何将其包含在服务架构中。

二、 价值产生

很长一段时间以来，数据分析一直是任何公司决策过程的重要组成部分。这个部门的职能，会随着数据管理和处理技术的发展而不断发展。在整个数据生态系统中，一个架构良好的数据平台可以数据分析师，并进一步帮助组织构建数据驱动的战略，并为我们的消费者提供丰富的产品。

数据是从各种来源收集的——来自消费者应用程序和后端服务的事件日志、来自外部供应商的内容元数据、来自支付合作伙伴的账单交易、来自社交媒体帐户的交互数据、客户服务数据等。

所有这些数据都需要被正确摄取，有效存储和处理以提取情报。数据工程团队应对这一挑战，数据架构师与数据工程师一起创建端到端的数据处理平台。他们设置数据汇聚流程（Data Integration），设计具有多个数据集市的数据仓库（Data Warehouse、Data Lake），创建数据处理流程（ETL或者ELT）以满足各种业务报告（Report）的需求，或者在一个或其他企业数据可视化工具（BI）上构建这些报告。他们还确保可以与第三方服务集成，以便在它们之间设置数据传输。

▍数据分析团队与产品经理一起使用各种数据平台（工具） ——仪表板、汇总报告、预测模型、知识图和各种探索性分析；

▍数据工程团队进行编程，数据处理，并确保数据平台（工具）的稳定运行；

▍QA 工程师通过了解需求，确保数据的高质量和准确性，最终满足业务人员的需求。

生态系统的一个重要原则是：数据民主。存储和管理数据的负担可能由工程和架构师团队承担，但生态中每个人都应该具备使用和分析此资源的能力。在当今时代，越来越多的业务策略是由数据驱动的，因此决策者需要更好地访问数据。

业务团队与其分析师合作创建自定义分析和仪表板，以支持数据消费者的分析需求。数据民主化需要确保所有团队都理解业务、行业背景和数据的基本知识，这样可以减轻工程团队在遇到数据问题以后的压力。

三、生态发展

由产品经理和分析师组成的中央团队需要从核心推动产品的开发和增长。产品经理处理产品的各个细节。

例如：一端是应用程序的开发，另一端可能是管理业务市场的增长及其 KPI。产品经理和分析师负责与工程团队和业务利益相关者合作，构建和推动数据生态系统。其他部门，可以利用这个生态系统来进一步制定他们自己部门的战略路线图。

四、最终消费

业务团队是我们生态系统中生成的所有分析工作产品的主要消费者。他们围绕各种业务/市场运营定义策略。

例如：用于用户获取和留存的线上线下营销、广告和订阅工作流程、内容获取和服务等。他们还不断评估各种竞品功能，市场对竞争的反应等。这些工作最终确保自己的产品始终有市场竞争力和合理、连续的回报。

以上这些工作，需要对用户行为和产品性能有深入的了解，而这些需要通过大量的仪表板、销售业绩反馈、甚至还有预测模型、用户细分算法来实现。业务团队与产品经理合作定义他们想要跟踪的内容以及如何分析反馈。这些需求向下传递到数据架构师、数据工程师、QA工程师，他们为这些需求提供技术平台并构建分析产品，为业务团队提供相应的支持。

总结

总结来说，生态系统似乎以循环形式呈现，消费者产生的数据以增强的用户体验和新产品功能的形式，返回回来。但是，在这个生态系统中创造的价值取决于其中人们的协作努力。

但是，糟糕的合作往往为客户创造零价值或低价值，而好的合作创造业务的增长。我希望团队成员，可以准确的确定你在这个生态系统中的角色 —— 不但是一个有效的数据专家，还是一个友好和坚定的合作者。

完

如果你觉得不错，可以点赞+在看，希望大家能在“数据领域”在路上都能够收获一份满意的成果，有空常交流！添加微信“finalphantom”或者扫码一起交流学习~

（我的个人公众号，欢迎大家关注）

······

敬请期待下一篇

愿大家一起成长交流，数据之路，与你同行！

图片来源于网络

若好的建议和想法，欢迎在下方留言

我们将尽其所能打造数据分析交流的理想之地