古牧 :从这份报告,我读出了数据从业者的局限与未来

12084
发表时间:2020-11-17 08:18作者:古牧来源:古牧聊数据

开局两张图



数据从业者们大家好~最近古牧君偶遇这么一份报告,读完之后觉得比较接地气+有料,决定分享给大家~为了节省你的时间,我摘取其中重点进行导读,发车






1,数据团队发展趋势


1,嵌入化,不断向业务团队靠拢;2,专业化,基础设施建设与数据科学应用团队逐渐分离;3,不唯数据论,把握好数据的度


嵌入化:


数据团队在公司里的不同架构位置以及优劣势,古牧君做了如下简单的汇总整理



嵌入化对应的就是上表的“分散式”,典型的表现就是每个业务线都有自己的数据团队,而不是像“集中式”那样,整个公司只有一个大一统的数据团队。分散式的出现,是为了解决集中式衍生的问题:数据中央集权带来的创新乏力、数据团队远离一线业务场景、与一线业务沟通成本高、分配数据工作资源的时候只能“弃卒保车”


但这并不代表,分散式就一定好过集中式,它只是企业在数据化进程中、不同阶段的适配方案罢了,没有最好的,只有最适合的~同时,分散式也不见得就是终局,目前已经看到的一种形式——混合式——就是一种中庸之道,它尽量扬弃了集中式和分散式的优缺点,目前已经在国内一些大厂实践



专业化:


目前在一些企业中,我们会发现数据团队很庞大,它里面既有做数据仓库的数据研发工程师,也有做数据分析的分析师,还有做数据产品的产品经理,甚至可能还会包含策略和算法工程师?把这些不同的角色聚集在一起的唯一纽带就是——数据


这种聚合形式,坦白说,是相对落后的。它表明企业高层对数据的认知并不清晰,为什么这么说呢?因为数据仓库这种基础建设,跟数据分析、数据产品这种应用工种,不论从思维方式还是目标产出,都是有本质不同的。在草创期,大家反正都是做数据的,就放在一起了。但随着业务场景不断丰富、数据需求不断个性化,光用概念来组织一个团队就不靠谱了,就需要按照目标来重新组织团队。这就像产品经理不断细分出策略产品经理、数据产品经理、增长产品经理一样,横着不能因为都是产品经理就都放在一起吧?~



不唯数据论


我们经常因为迷失在细节里,而忘记本来的目标。数据只是我们决策的工具和方法,不是全部。想起之前张小龙的一句质问:全靠数据了,那还要产品经理干什么?这句话并不是一个夕阳岗位的垂死挣扎,更像是高呼产品经理的“文艺复兴”。他呼唤大家不要矫枉过正,数据是重要,但没重要到只看数据就足够支撑决策。往根本上说,互联网产品服务的是人类社会,人类社会里就是有大量自然科学无法解答的问题,就是需要人文科学来填补这些关键空缺。科学尚且如此,作为子集的互联网产品方法论就更加无法摒弃人的主观因素了




2,数据团队内部价值衡量与商业KPI的设定


1,数据易得性;2,提升团队工作效率;3,战略化思维与直接商业影响力


数据从业者都知道,自己的工作价值很多时候并不好衡量。就拿数据分析师来说,产出的不论是人肉分析报告、还是自动化监控报表,都没法直接变成流量或者收入,都需要实践落地的配合。这就逼的分析师们不得不把产出报告的数量、频次、及时性这种量化指标搬出来,给自己背负上几座大山


目前比较能得到共识的3个KPI维度就是数据的易得性、对公司内其他团队工作效率的提升度、以及对战略和决策的影响力。这仨正好也是层层递进的,古牧君尝试性的解读下:


易得性:


最初始阶段,可能数据团队人员素质和配置并不理想,或者因为公司内氛围环境还没到位,导致团队产出无法产生任何直接或间接的影响,怎么办?典型事例好比大数据画像标签团队,吭哧吭哧清洗加工出一些用户画像标签,但无奈业务方忙于产品改版,顾不上探究怎么应用;团队自己守着标签也不知道能推导洞察出什么有价值的内容,毕竟离一线应用场景太远了,闭门造车太难为人。这个时候,就先让这些东西变得显性化,先把货品上架再说。你不上架一直在仓库堆着,顾客都看不到货,就更别提买货了


古牧君就遇到过这样的数据团队,守着金山银山,但就是不做开放货架。大家都知道他们有数据,但都不清楚他们到底有哪些数据,每次都要发邮件去询问,问来问去还经常不在一个频道上,浪费各自的时间,何必呢~早早的把数据仓库里的各种表写好使用说明,开放出来让大家自选评价不好么~


提升团队工作效率:


易得性解决完了,就相当于开门迎客了,再往下一步就是能否解决一些实际问题。这里还没到数据产生实际业务贡献的时候,做不了发动机没关系,咱们可以先做润滑剂,让事务运转的效率提升、让内部耗损成本降低,这也是数据团队的成绩


一般来说,降本提效的根本还是日常工作中的标准化、流程化。凡事有了标准有了流程,就可以大批量快速的执行,过程中各个环节的出错率也会下降。这里提供一个流程化的参考,它把数据在企业中从原材料到价值变现理解成一个管道,加速了数据在管道中的流转速率,也就提升了工作效率


战略化思维与直接商业影响力:


我们做了那么多,让大家获取数据更容易、帮助企业内部团队提升了工作效率,最后一步就是影响决策了。虽然它是最后一步,但其实是最应该在一开始就纲举目张的事儿。目前很多数据团队做事儿越来越累、越来越没有成就感,主要就在做事的方向顺序可能反了。大家更习惯那种工程师思维,从细节入手把所有问题都料理的妥妥当当,一步一个脚印的往上搭建;但脚踏实地的前提是仰望星空,否则很多辛苦就有可能是无用功。自下而上是一个很好的做事的态度,但我们更需要自上而下做事的视角



3,不同条件数据从业者的薪资水平



简单点儿,直接就两个结论:


(1)数据这个方向,除非是搞什么算法,你读个博士投入产出比不错,其他方向本科跟硕士没区别,能本科找到不错的工作就直接去吧,都是打工人目标单纯直接点儿没什么不好


(2)3年经验是个门槛,不代表咱混了3年就原地升值了。是表示必须具备3年经验应该有的样子,就不能再是一个工具人了,得努力探探头多听听多看看了



4,对比全球,国内数据从业者在技能上的差异



如果国内的互联网产业发展跟国外不会产生本质分歧,那么在人才的需求上,国内也理应是步国外的后尘。我们看上表对比发现,国外相比国内,在数据人才的需求上,最明显的最突出的就是“业务分析”能力。这就是古牧君一直在反复说的,我们目前的数据从业者大多还没逃离工具人的宿命,更多是SQL boy和查数姑,距离业务太远,没法帮上业务太多,也没机会锻炼业务分析能力。久而久之就是一个恶性循环,你越不行人家越不需要你,越不需要你你就越不行


怎么办?一方面可以指望数据团队在企业架构上的调整优化,从集中式变得更加分散、嵌入化;另一方面,咱们数据人自己也要更多的培养自己的业务分析能力,或者更直接一步到位一些,用产品经理的标准来要求自己看问题思考问题。当你在腰部,既能往上走到脑部作出全局性的思考,又能往下到腿部作出实际落地动作,你就是全身的核心环节了,否则就只是个管道



5,对数据人才的期待


在谈到对数据人才的期待时,滴滴技术副总裁、数据科学与智能部负责人赖春波指出如下5点要素:1,用户导向思维,数据发挥价值要跟创造用户价值联系在一起;2,认识数据的边界和局限性;3,要有同理心,数据方虽然不直接负责业务,但要了解彼此目标;4,布道者角色,让数据文化落地,影响更多人;5,敬畏数据安全和隐私


用户导向思维,个人理解就是数据从业者彻底向产品经理的调性看齐。之前数据从业者的自身定位总是会有些尴尬,游离的技术与非技术之间。现在不用纠结了,尤其是数据分析师,直接自我重定位成产品系列就好。通过角色的转换,让自己具备以终为始的能力,做出更有意义的分析,而非脱离实际的纸上谈兵


认识数据的边界和局限性,就是上文提到过的,不唯数据论。过度的相信任何一件事,都是值得警惕的,因为它会遮挡我们本就不开阔的视野


要有同理心,就是在企业内能够站在他人的视角思考问题。同理心作为产品经理的核心能力素质,经常被广泛讨论。前段时间古牧君读一本书《动物的精神世界》,里面正好提到对同理心的研究,整理分享如下:


同理心能力的强弱来自于哪儿? 大脑中有一种神经元叫镜像神经元,它很神奇,因为普通的神经元都是主体在进行身体活动时会释放电子脉冲; 而镜像神经元相反,当客体有一些特定身体动作时,该神经元就会被激活。典型的如打哈欠、微笑、恐惧。当我们感同身受的时候,其实就是镜像神经元被同伴的一些动作激活了,但镜像神经元能被多大程度上激活,取决于主体小时候有没有收到过足够的训练和刺激。当主体小时候拥有充满关爱之心的父母和成长环境时,他的镜像神经元就会被不断的强化,反之就会变得比较迟钝和冷漠

布道者角色,就是不要总埋怨队友,要带带队友。多读历史就会发现,理想主义能照耀一个时代,但无法塑造一个时代。如果我们是奔着做成一件事,那就应该尽可能多的摒弃一些个人情绪。我知道这很难,因为目前有太多的企业和老板并不懂数据,也有太多的同行和同事缺乏数据思维或分析能力,导致数据从业者们日常不得不花大量时间“屎上雕花”。但抱怨并不能解决问题,还是亲手缔造一个属于你自己的数据认同圈儿吧!



文章分类: 数据分析
分享到:
关注公众号
PMLink产品经理社区
PMLink产品经理社区
华创微课服务号
华创微课服务号
广告投放
个推10周年狂欢
PMP项目管理培训
香港大学SPACE
平安招聘
掌上疫情
三节课
广发证券
华创微课
职场进阶,上华创微课