Post by yamancnp123 on Mar 19, 2024 1:23:27 GMT -5
与数据相关的每周领导会议问题。 2. 后数据堆栈投资：老狗，新花招问题即使拥有集中数据和指标的强大现代数据堆栈，对数据的信任对于许多公司来说仍然是一个大问题。由于业务团队并不总是信任仓库数据，因此他们继续直接从源系统（例如 Google Analytics、Salesforce 或生产数据库）提取数据。从那里，他们报告自己的指标。有时，教老狗新技巧是很困难的。这就是我在房地产初创公司遇到的情况。随着我在公司角色的演变，我和我的团队负责确定和衡量我们的目标和 OKR（目标和关键结果）。在许多情况下，我们还拥有旨在推动这些关键指标的特定跨职能项目。虽然我们已经实施了集中式数据基础设施并采用了 BI 工具，但一些团队领导仍然高度怀疑。他们继续直接从 SaaS 工具和我们的生产数据库中提取指标，其中的数据尚未经过清理和标准化。混乱随之而来。
指标也出现了异常，并显示出不同的结果。我们再次面临意大利面条堆的问题，每周的领导会议仍然充满压力且效率低下。我们是如何解决这个问题的？最终，我们通过教育、沟通以及对我们想要实现的目标达成共识来实现这一目标。我们还致力于改进核心数据集和指标背后的文档。这让非数据团队成员能够了解幕后情况，因此他们可以确认数据是值得信赖的、准确的和最新的。来自数据转换工具 dbt 的数据沿袭图示例。这是来自 巴西电话号码列表 数据转换工具 dbt 的数据沿袭图示例。它帮助数据团队沟通数据在公司内部的使用方式（以及其他事项）。当一家公司发现自己陷入“老狗新花样”的问题时，它需要鼓励数据和业务团队相互合作，而不是相互对抗。员工应该建立融洽的关系，并努力理解彼此的角色和责任，这样他们就可以分享更多的双向背景。同样重要的是要注意，您的数据堆栈可能会加剧上述问题。 BI 工具就是一个典型的例子，组织希望使用数据来推动行动，并且他们意识到仪表板并不是交流（和使用）数据的唯一方式。
如果您的公司在投资数据堆栈后发现自己遇到了“老狗，新花样”的问题，请仔细检查您的人员和工具，以确定您的后续步骤。 3.数据堆栈后投资：事实的多个来源问题为了确保利益相关者使用正确的数据来做出决策，您需要维护具有准确且值得信赖的数据的单一事实来源。这说起来容易做起来难，这就是为什么如此多的组织发现自己拥有多种事实来源。大多数情况下，当有人从数据团队批准的视图下载数据集时，就会出现此问题。然后，他们在 Google Sheets、Excel 或其他操作文档中执行和维护自己的转换和“影子”业务逻辑。结果是第二个事实来源，您会惊讶地发现有多少领导会议甲板因此而附带了错误的数据（因此得出了错误的结论）。
指标也出现了异常，并显示出不同的结果。我们再次面临意大利面条堆的问题，每周的领导会议仍然充满压力且效率低下。我们是如何解决这个问题的？最终，我们通过教育、沟通以及对我们想要实现的目标达成共识来实现这一目标。我们还致力于改进核心数据集和指标背后的文档。这让非数据团队成员能够了解幕后情况，因此他们可以确认数据是值得信赖的、准确的和最新的。来自数据转换工具 dbt 的数据沿袭图示例。这是来自 巴西电话号码列表 数据转换工具 dbt 的数据沿袭图示例。它帮助数据团队沟通数据在公司内部的使用方式（以及其他事项）。当一家公司发现自己陷入“老狗新花样”的问题时，它需要鼓励数据和业务团队相互合作，而不是相互对抗。员工应该建立融洽的关系，并努力理解彼此的角色和责任，这样他们就可以分享更多的双向背景。同样重要的是要注意，您的数据堆栈可能会加剧上述问题。 BI 工具就是一个典型的例子，组织希望使用数据来推动行动，并且他们意识到仪表板并不是交流（和使用）数据的唯一方式。
如果您的公司在投资数据堆栈后发现自己遇到了“老狗，新花样”的问题，请仔细检查您的人员和工具，以确定您的后续步骤。 3.数据堆栈后投资：事实的多个来源问题为了确保利益相关者使用正确的数据来做出决策，您需要维护具有准确且值得信赖的数据的单一事实来源。这说起来容易做起来难，这就是为什么如此多的组织发现自己拥有多种事实来源。大多数情况下，当有人从数据团队批准的视图下载数据集时，就会出现此问题。然后，他们在 Google Sheets、Excel 或其他操作文档中执行和维护自己的转换和“影子”业务逻辑。结果是第二个事实来源，您会惊讶地发现有多少领导会议甲板因此而附带了错误的数据（因此得出了错误的结论）。