多表拆解数据PM的工作内容

具备基本的SQL能力；

与数据组同事培植并掩护数据库字典表。

2.3 可视化平台取数和剖析

通过SQL能够办理得到数据的问题，但是数据洗濯、建立剖析模型的事情还是要手动做，而且在没有很好工具的条件下，洗濯、建模的事情学习本钱不低，而且会花费大量的韶光，无法彻底实现让数据利用者直策应用数据得到结论的程度。

可视化的数据剖析平台是目前比较常见的办理方案，我本人没有搭建数据可视化平台履历，而且我自己也不建议C轮之前的公司自己搞，建议外采接入，实现本钱和学习本钱都是低的。
而且在与这类专业的数据做事商对接的过程中，学习到很多数据架构、剖析思路层面的东西。

对接此类平台，数据PM每每是第一批打仗平台的用户，从POC（Proof of Concept）开始，理解数据平台如何打通设备和不同平台的用户信息、上报数据的机制、常规剖析模型的用法等。
数据PM要担保自己是公司里对数据指标（埋点设计）和工具最熟习的人，这样后面才能够给其他小伙伴培训工具的利用。

可视化平台（自建/第三方）的上风在于：

利用者只须要关注利用层的数据，通过数据指标字典（后面会讲到）能够快速找到自己想要的数据；

有现成的剖析模型可用，如事宜剖析、漏斗剖析、留存剖析等，且可以保存成概览，下次直接更新日期后查看即可；

可以在加上多少条件后，直接获取源数据（比较于SQL取数，又更大略了）。

这里再次提到文档的培植，数据PM可能会对接多部门多个人，如果自己不想陷入到各种沟通的汪洋大海，建议从最开始碰到须要自己解答的问题的时候，就记录下来，到一定量级后就整理一番，将那些共性的问题做成通用的内部QA手册，然后不断完善这个手册。

2.4 报表：定时报表&自助报表取数

如果前三步都做到了，基本上能知足公司90%以上的数据需求了。
除此外，有一些按周期更新，面向直策应用（如领导层、投资人看的报表），的场景，须要通过报表来实现。
定时报表能办理周期取数的重复性事情，比较人工取数更稳定高效，可以用更繁芜的取数逻辑，直接从数据库中获取数据，同时也存在着不足灵巧，不随意马虎创造问题的缺陷。

我司也只培植到定时报表阶段，自助报表取数是在之前听到一位中原银行的数据总监分享的实践。
其核心是：在数据仓库中离线处理好面向主题的各张表，表与表之间降落耦合度，同时表与表之间通过主键进行关联，以实现个性化的拼表和并表。
这块内容我不熟习，不展开。

3.数据产品

3.1 根本：数据仓库

从获取到数据到产出运用层的数据产品，我认为数据仓库是关键。
稳健的数仓是一个发力稳定的炮火（数据）输出，它像是全体数据产品化的中台：隔绝源数据和数据产品，通过ETL整理好源数据、将按主题处理好的数据表供应给各数据产品运用。

图10：数据仓库是数据产品的“中台”

稳健的数仓的效用在于：

整合企业内各端、各业务线的数据，统一管理，实现数据打通，避免重复造轮子；

为数据产品做根本，纵然是实时数据的处理，比较于直接读数据库，从数仓消费数据更稳定、安全；

（一定程度上）办理业务同事对数据处理的依赖，所需数据直接从数仓获取，开释生产力。

数仓培植的难点在于：一边在修路（整合数据、规范数仓），一边也在跑车（新业务不断产生新的数据，业务端等不及整合）。
这大概是所有信息技能公司的问题。
对付数仓培植而言，先把业务形态稳定，且运用频次最高的几张表先在数仓中整理好，比如订单表、注册表和最根本常用的用户数据，如内容平台对用户阅读行为的记录表等。
数仓培植先把低垂的果实采入囊中，提高运营同事、业务开拓的事情效率，逐渐提高对数仓团队的信赖，后面再推别的需求会更随意马虎些。

3.2 自助报表取数工具

数仓培植到一定程度，基于根本数据表和元表（对数据仓库各表内容进行阐明的表），可以知足自助取数的需求了。
在上面有提到通过DBeaver、SSMS这类数据库工具，直接连接数仓取数，须要取数同事详细基本的SQL能力，另一种是将数仓的表进一步主题化、解耦化后，让利用职员通过一个前台页面，直接将所须要的的多张表通过主键关联好后，下载到本地的是一张拼接好、打算好的报表。

3.3 自建可视化数据平台

上一步仍旧办理不了的问题是，表格数据的剖析建模及可视化，剖析的同事仍旧须要自己处理数据，利用数据透视表等功能进行剖析，效率不高。
一个可视化的数据平台能够实现从获取数据-剖析数据-展示剖析成果的闭环。
据我理解到的较大体量的公司，到后期还是会选择自建可视化平台。

以某家第三方数据平台的产品界面为例，作为SaaS平台，供应给客户的功能是相对固定的，客户可以在指标层面上有创新，但是剖析框架还是有所限定的（对付大多数客户来说，这些通用剖析框架已经足够利用了）。
如果业务繁芜度高、体量大，且最关键的，有详细的需求和资源支持来做可视化平台，末了都会走向自己培植的道路，可能会采购这类第三方平台的SDK做数据采集工具。

自建平台是大工程，除了开拓资源，另一个便是评估有哪些业务指标和剖析场景，纵然是私有化支配的第三方数据平台也无法知足的。
在末了评估ROI之后决定是否自建。
对付大公司来说，很可能只是不想接第三方平台而已，就选择自己做了。
（我司还没有做过自建平台，最早曾通过Superset这样的开源平台，做过简版的仪表盘和自助查询功能，后因组件支持度不足，在接入某数据平台后，逐步把指标迁移了过去）

图11：某第三方数据平台的首页界面

3.4 数仓Pro版：数据中台

从图10也看到了，数据仓库已经具有“中台”层面的做事理念了：处于中间，隔绝高下的直接流动，但自身供应做事高下的能力。
而数据中台在我看来，是数据仓库的Pro版：接入工具更完全、数据单元更主题、做事工具更多元，终极产生了话语权更主要的结果。

数据中台的培植难点在于：如何处于与各业务线的关系？如果数据中台无法办理业务侧的问题，反而须要业务组同事参与接口开拓；或者数据中台培植速率赶不上业务的迭代速率；又或者数据中台做事能力不稳定，常出bug等，是很难从容推进中台项目的。
中台系统的培植一定须要得到公司高层认可和支持的，这样去谈业务整合才有谈论的根本，其次是在培植早期，先选择那些具有杠杆性子的业务先做，所谓的杠杆业务，ta可能不是主流业务，但自身苦于没有足够资源做系统化，以是先去找这类业务，互助度会比较高，而且一旦整合成功了，能够比较明显提高其事情效率。
以此成功案例作为杠杆，既是给中台团队以信心，也是作为拍门砖去整合其他业务。

4.推广数据能力

以上，是从如何产生数据、如何管理数据层面的事情内容。
再丰富的指标、再好用的工具，运营同事用不起来也是没有代价的。
数据PM除了定义数据和管理数据外，另一块主要的事情是在公司内部推广数据能力，真正让数据为同事所用。
从两个方向来办理这个问题：让同事知道有哪些数据指标并且快速找到；让同事们能够利用。

4.1 指标舆图和数仓表舆图

数据能力推广的第一个难点，是让平台上有哪些数据让大家知道。
一个是在各平台埋设的指标，我司采取excel的办法进行管理，问题是指标一多起来，找起来不太方便，对付定义者（我）来说自然很随意马虎找到，但是对付利用者来说则不太友好。
纵然搜中文名称，也会存在同一个地方，大家用不同的关键词去搜索，比如：模块、版块、板块。

因此在数据指标表的第一个sheet，设计了一个数据指标舆图，将不同功能模块的数据指标进行了拆解息争释，运营同事找数据指标之前，先打开指标舆图大概定位，然后再去对应的sheet表中探求对应指标的细节定义和可下钻的维度信息。

图12 数据指标舆图

另一块便是数据仓库的各种表的定义。
从数仓里自助取数时，会有以下的问题：有哪些表、表格对应的是哪块业务的数据、有哪些字段，字段的含义是什么？这个须要和大数据组一起来明确详细内容了，这个事情并不繁芜，便是须要开个小会进行确认，并且约定好，新增表格时，及时更新对表格的阐明。

4.2 培训（工具利用+剖析思路）

在理解了平台有哪些指标和数据后，下一步便是对工具利用的培训，和剖析思路的培训了。

我司实践是：数据PM倾向卖力数据工具利用的培训，数据剖析团队倾向卖力剖析思路培训。
其余，公司哀求每个部门选出一个数据对接人，紧张由ta来对接部门内的数据需求网络，大略数据剖析需求要能够自行结局。
因此哀求ta须要比较深度理解指标和工具利用。
这种办法的好处是，让真正打仗业务的人，通过数据办理问题，或者提出值得用数据判断的剖析诉求。
同时，也让数据PM和剖析团队的精力不致过于分散，把优先培训的工具放在对数据有兴趣、有任务的数据对接人身上，而不是公司全员上。
（大家都是剖析师？推广本钱太高了）

我司前后接入过两家数据做事平台，会创造其工具的剖析核心是相似的，其供应的剖析模型也较为常用，基本上这几个剖析模型能用起来已经能办理大多数的剖析问题了。

图13 两家数据平台剖析模型

如果没有接入剖析平台，也没有自建，也没紧要。
对根本数据进行洗濯后，利用PowerBI、或者最根本的Excel也是能够剖析的，并且如果剖析思路成为套路，可以把模型保存，下次更新数据就行了。
工具可以辅导剖析思路、提高剖析效率，但不是剖析的瓶颈。

总结下：数据PM事情的核心是让数据为公司业务产生代价。
涉及到的事情内容包括：生产数据-管理数据-数据产品-推广利用，过程中须要与大数据团队、数据剖析团队进行比较密切的互助。
如果贵司处于正在从业务思维往数据思维转型，或者处于数据根本能力培植阶段，数据PM的大部分事情还是跟底层数据指标打交道，每天打开最多的工具软件是excel。
在不断完善数据丰富度、准确度、利用度的过程中，希望你也能创造数据之美。

Life's short, I love excel.

作者：董小矿，本文在PMCAFF社区发布，转载请注明作者及出处。