数据团队的分工与协作

数据团队的分工与合作

一、数据团队的角色划分

数据产品经理

• 用户画像+行为分析

• AB-Test流量定向

• 数据服务

​ 标签管理

数据开发

数据清洗

• 一致性

• 无效值和缺失值

数据加工

• 残缺错误重复

数仓模型

• 根据对应的数据量使用数据模型

BI数据分析师

数据挖掘

算法工程师

• 数据+算法给用户贴上标签

特征工程

• 查看具体指标与个人标签特征的关系 例如：次日留存率与年龄

模型调参训练

• 根据模型调整出最合适的参数

模型效果评估

• 利用数据对设计出来的模型效果进行评估

工程开发

• 产品实现

二、数据与业务团队的协作方式

2.1 中台团队

2.1.1 数据中台团队

底层技术

​ 服务端开发

2.1.2 数仓技术

数据开发

模型开发

2.1.3 数据产品

产品经理用户体验设计

项目经理前端

             监督进度

服务端测试

2.1.4 数据挖掘

算法工程师

2.1.5 数据分析师

分析数据内部规律

2.1.6 数据运营

利用数据进行运营 而不是主观判断

2.1.7 数据测试

2.2 数据中台应用场景

对内赋能业务

• 多维数据共用 提升工作效率

对外商业化变现

• 贩卖数据违法 加工成用户画像的方式

2.3 业务数据团队

2.3.1 业务需求

数据大屏

​ 观察业务大盘情况

• 确定指标
  • 数据分析师
  • 数据开发
• 大屏设计
  • 产品UED
  • 数据分析师
• 大屏可视化
  • 前端\服务端开发

数据报表

​ 看新业务数据

探索分析

​ 业务出现问题的原因

垂直领域细分

​ 满足不同业务数据需求

业务A

• 标签

• 算法

• 数据开发

  业务B

• 用户画像

• NLP

• 个性化推荐

业务C

• 报表
• 数据大屏
• 分析预测

三、组织架构与文化下团队的异同

组织架构

自上而下

• 组织结构层级很深

• 中台核心是解决业务痛点

• 层级明显 易推动

自下而上

• 组织结构扁平

• 中台需要探索与业务的合作

• 业务相对独立 难推动

• 创新性强 出现好想法和好产品概率高

企业文化

产品主导

• 产品打磨

• 工匠精神

• 通用性

• 整体规划大局观

• 节奏太慢 相对容易出精品

业务主导

• 业务强势

• 高度定制

• 需求片面 无长远规划

• 难以沉淀产品和能力

技术主导

• 凸显自身价值

• 仅从技术实现逻辑考虑

• 特点：需求不明显 很难有人买单

总结：

​ 通过学习，既明白了数据团队的角色划分，又明白了数据团队之于公司业 务的价值，惊讶于数据中台的成本之高，又感叹数据标签里算法的精妙，对内赋能业务，对外商业化变现，了解到组织架构不同带来的文化差异，又知晓了企业文化之于一个公司的价值，不同的方向带来的是不一样的未来，这个时候才懂得，一个公司的企业文化是它的命脉，一切战略决策都需要从方向出发。