数字化企业中“数据”生态位的全景解析（上篇）李晨张馨予同房过夜

小飞象·梦想季

虚心学习，谋定后动，静待成长；稳住自己，像一个中年人一样。

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

十多年来，“数据”一直是一种宝贵的资源。它不仅改变了我们文明进步的方式，而且还为我们提供了一种全新的机会，让我们的企业转型（数字化转型），还可以推动着个人在技能和职业，谋求更多的新发展。对于开始使用“数据”的组织和个人来说，了解什么是数据以及如何处理和使用数据显然很重要。但是，了解使用数据意味着什么、它的各种形式是什么、谁使用它以及如何使用它也很重要。

并且，在小飞象数据分析社群讨论的问题以及最近几个位小伙伴问我关于“”数据”一些问题。而这些问题主要涉及数据生态里不同人的职责，发展方向，如何驱动业务等。
因此，结合我多年对大数据技术、数据分析、数据应用方面工作经验，我来系统的梳理一下数字化企业中“数据”生态位，内容主要包括：“数据”生态系统中的角色、“数据”的多面性、现代数据驱动产品公司的生态系统是什么样的，其生命周期的各个阶段是什么，以及谁是这个生态系统中的生产者和消费者等相关内容。
希望可以帮助大家对“数据”在数字化企业中生态位有一个全景的认识，欢迎大家留言交流。
第一部分 “数据”生态系统中的角色

首先，我们需要不同的人在这个生态系统中扮演的角色以及他们可以前进的方向。由此出发，我们也可以进一步认识到这个生态系统中其他人的需求，以便理解别人的问题、对问题的描述并创造更好的解决方案。

数据消费者

是这个生态系统的中心，他们消费产品并从不断发展的用户体验中受益。它们是这个世界的金矿，它们与各种数字产品的交互转化为贯穿整个生态系统的原始数据。

产品经理和商业人员

是不断为消费者和他们工作的产品/组织创造价值。他们协同工作以满足消费者设定的期望并改进其产品提供的价值主张，同时优化其努力的投资回报并实现组织目标。

数据架构师

与产品经理合作，为需要生成什么样的原始数据以及如何使用这些数据奠定基础。它们提供了数据生态系统愿景的技术地图，该地图促进了数据处理管道、商业智能仪表板、数据馈送等的开发。

数据工程师

建立在此基础之上，通过设置资源和创建系统来存储和处理数据并支持其利益相关者的分析需求。他们的工作围绕着构建数据管道和维护各种形式的数据可用性。

QA（质量保证）工程师

在检查数据工程师生产的工作产品的质量并确保正确满足利益相关者的期望方面发挥着重要作用。

数据分析师

扮演着有趣的角色，因为他们与未知事物打交道。他们致力于回答组织中任何人提出的问题。它们有助于了解独特的用户行为、创建市场预测、调试问题和异常等等。他们可能与技术、产品或业务团队合作并解决各种问题陈述。分析师是工具箱中的扳手，可以调整以拧紧各种尺寸的螺母和螺栓，并提供除此之外的价值。

最后是数据科学家

他们肩负着从帽子里拔出兔子的重任。他们的角色围绕通过分析数据以及使用数据科学和高级分析技术来产生更深入的见解。从预测建模到创建推荐系统，他们的工作仍然是非结构化的，但非常有价值。

这些技术人才汇聚一堂，创造出令人惊叹的分析工作产品，让组织了解消费者的行为，并帮助利益相关者每天做出更好的决策。

第二部分 感知“数据”的多面性

数据生态系统中的各个参与者以不同的方式与数据交互，这种交互定义了他们如何看待数据以及如何处理数据。2006 年，当 Clive Humby 创造出“数据是新的石油”这句话时，他对这两种资源进行了明确的比较。就像石油经过提取、精炼和储存等各个阶段一样；有些人重视原始形式的数据，有些人只利用经过处理的形式，有些人只需要了解其特征即可对其进行存储和处理。

在这个生态系统中，数据呈现了 3 个方面。这些方面虽然对任何人都是可见和可访问的，但在不同的领域，对数据的需求、工作要求是不一样的。

♦容量和计算 --- 数据架构师+数据工程师

这个方面对数据架构师、数据工程师来说是最明显和相关的，因为他们负责“理解数据的结构和大小、存储、处理”它并“创建分析工作产品，如报告、模型和分析”。虽然他们接触到两个方面（甚至还有其他团队的一些职责），但前者的要求明显高于后者，并且很多分析、业务诉求，作为他们对生态系统理解而言，属于额外知识，可能只有助于他们创建更好的解决方案。

♦模式和行为 --- 数据分析师+数据科学家

这个方面与数据分析师和科学家最相关。他们有责任亲自动手并找到没人知道如何弄清楚的答案。他们研究隐藏的模式和消费者行为，以解决业务和决策问题，这些工作本质上始终是探索性的和诊断性的。他们的工作产品通常以开发出一些新的数据生产流程，这些流程为数据架构师和工程师作为业务指导将被传递到数据架构师和数据分析师那里。

♦汇总和展示 --- 产品经理+商业人员

这方面对生态系统的决策者来说是最重要的。产品经理和业务利益相关者在报告仪表板、预测模型的结果、临时分析的见解等的帮助下执行各种运营（日常）和战略（长期）职能。他们将使用各种工具来改善产品体验并为消费者和组织创造价值。

这张框架图中每个部分，并不像上面看起来的那样排他性，并且生态系统中的任何人都可以体验到相当多的跨域的机会（也是巨大的挑战）。业务利益相关者可能永远不会接触到原始数据或其元数据，因为他们如果在技术上可能有能力使用它，那么可能会创造出意想不到的效果。

同样，虽然数据科学家的工作本质上可能是高度技术性或统计性的，但他们往往必须深入了解各种业务功能和市场动态，以便更好地了解问题本身，而不是迷失在算法世界里。

-END-