知识卡片
自助服务为何难成
自助服务数据产品(用户自己构建报告、分析、ML 模型)多年来一直是共同愿望,但作者很少看到公司成功运营数据自助服务项目,它们容易虎头蛇尾,分析师和数据科学家仍要承担临时报告和维护仪表板的繁重工作。
为什么难——没有理解终端用户: - 高管想知道业务运行情况,一个清晰、带可操作指标的预定义仪表板通常就够了,他们会忽略可自定义视图的自助工具;报告揭示更多问题时,他们会找分析师深挖; - 分析师做分析时会用 SQL 等更强大的工具,BI 层面的自助分析对他们用处不大; - 数据科学同理,“人人都是数据科学家”的自助 ML 产品采用率也不高。 在这两个极端,自助服务都像“用扳手钉钉子”。
成功的做法: 1. 找对受众,识别自助用户和他们要做的“工作”——什么情况下自助比与分析师合作更好?例如有数据技术背景、想自己切片数据又不想重拾 SQL 的业务主管;响应公司号召或参加培训、想深入学习数据技能的业务领导; 2. 确定如何为这些用户提供数据:他们对新数据的时效要求如何? 3. 为不断增长的需求做准备——更多数据带来更多问题,又需要更多数据来回答; 4. 把握灵活性与范围之间的微妙平衡,帮助受众找到价值和洞见,而不产生错误结果和混乱。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第9章 为分析、机器学习和反向ETL提供数据服务 · 查看原书依据
成功搭建自助服务数据项目从找对受众开始,识别自助服务用户和他们要做的“工作”。
参考来源
- 位置:《数据工程之道:设计和构建健壮的数据系统》第09章《第9章 为分析、机器学习和反向ETL提供数据服务》9.1.4 是否用自助服务(源文件:extracted/数据工程之道-设计和构建健壮的数据系统/_epub-src/EPUB/xhtml/Section0015.xhtml,来源项目 book-sources)
- 结论依据:9.1.4节说明自助服务项目少有成功的原因在于不理解终端用户(高管要预定义仪表板、分析师用SQL),并给出找对受众、明确时效、准备需求增长、平衡灵活性与范围的做法。
- 原始内容:成功搭建自助服务数据项目从找对受众开始,识别自助服务用户和他们要做的“工作”。