数据研发“新人”如何快速落地?
阿里妹导读
本文将以“如何快速落地”、“快速适应新环境”为出发点,探讨数据研发“新人”如何快速了解公司业务、领域模型和业务系统,然后快速高效的推进相关工作,赢得合作伙伴的信任和支持。
导读
先说结论:拆解问题,体系化提升认知
业务层面:前期重点在于快速了解,可以通过看组织架构、了解业务核心能力、核心场景等方法,让数据研发工作落地更快。
数据层面:数据工作强相关,重点学习。通过学习数据域划分、各方常用数据表、数据白皮书等,让数据研发工作推进更好。
系统层面:数据源于系统,也变于系统。了解公司核心系统及其核心能力、覆盖范围、演进过程,让数据研发工作推进更稳。
要点一:通过“看组织架构+梳理业务场景”,看清业务
多看看组织架构,构建业务认知框架。通过看组织的架构关系,可以帮助我们明确自己的工作职责、各方的协同关系、组织的业务范畴和公司的业务形态,最重要的是可以帮我们树立起对公司业务认知的框架。有了框架后,再去分门别类的扩展和填充知识,整个过程就快多了。公司的组织战略、业务形态、业务场景的划分,最直接的体现就是组织阵型和组织架构。通过看组织的架构关系,可以帮助我们了解公司内部业务和数据流转的复杂度;通过了解各个部门模块的职责和关系,有助于我们快速找到资源和支持。
了解业务核心能力,确定工作核心方向。通过了解业务核心能力,可以为我们构建精品数据提供有力的指导,快速聚焦于业务的核心场景。数据的职责不仅在于帮业务看清现状,更应该辅助业务决策未来,所以抓住整个事情的主心骨特别重要。建100张全场景无死角覆盖的数据表,不如构建一张能为业务提供未来规划支持和打法策略构建的精品表。另外这也有助于新人更好地理解公司所处的行业和市场竞争情况、公司的核心竞争力和优势,然后规划好自己的职业发展方向,把最大的精力投入到业务最关心的方向上。比如菜鸟物流的核心履约和关键环节的物流流转,蚂蚁的核心支付能力构建等等。
试着梳理核心场景,工作还是要落到细节之上。通过梳理业务核心场景,可以帮助我们更清晰地了解业务的数据分析需要,以及公司各个业务场景的特点和数据需要,为我们的工作提供更有目标性和针对性的指导。和业务、BI、技术的沟通协调,通常是发生在实际的各个业务场景上,而场景与场景之间又是互相协同和串联重叠的,所以我们可以将有限的精力花在梳理业务最常见最核心的场景之上,再不断衍生丰富。比如蚂蚁的商家收钱码、个人转账等。
要点二:学习新的领域模型,了解数据现状,推进高效工作
了解数据域的划分,拆解业务核心过程与场景。通过了解数据域划分,有助于我们快速理解业务数据的范围划分,了解公司的主数据现状。最主要的是可以结合团队组织架构,按域找到对应数据的负责同学,方便后续跨域数据协同工作的推进。
收集日常高频被用的数据表,了解数据关注点。通过收集常用数据表,可以帮助我们了解业务、BI日常的数据关注重点,以及公司最主要的业务活动和业务过程。基于此,前期我们可以将精力投入到大家最关切的数据上,快速承担起各方数据需求支撑的角色,和大家保持同频的数据沟通。
收集和学习数据白皮书,增强领域数据的认知。不管是蚂蚁、菜鸟还是淘天,大家都有个比较好的习惯,就是沉淀数据白皮书。这一点非常的重要,尤其是对新人来说,可以极大的缩减学习业务和数据的过程。数据白皮书一般都会涵盖:核心的业务过程、常用的数据模型、各数据模型的业务数据范畴及用法等。想起曾经看到的一篇公众号文章,其中有部分就讲到:对比其他动物,人类为什么能够发展到当今的科技水平,是因为人类发明了文字,然后通过文字将各类知识不断的浓缩、记载、再传承下去。不然每个人都得从0开始,自己探索这个世界,那我们将还会停留在原始社会~
要点三:探索业务系统演讲和数据流转过程,让工作推进的更扎实
重点了解下核心系统及其核心能力、业务范围。收集常用系统名称及其关键词缩写,了解不同系统的核心能力及差异,可以帮助我们快速了解需要的数据在哪里,以便于在业务提出新的数据需求时,我们知道该如何推进研发工作,该从哪接入数据。日常工作中,我们需要投入较多精力在数据来源和业务逻辑的梳理上,而对于新人来说精力有效,因此我们可以聚焦于公司的核心系统,再衍生开了解与其他系统的流程交互与数据交互。 如有余力,了解公司核心业务系统的演进过程。如有余力,可以从内外部资料进一步了解公司核心系统的演进过程及拆合变化,这有助于我们灵活应变,及时调整、优化我们的数据研发工作。公司业务和系统不是一成不变的,随着公司发展和商业环境变化,业务和系统都需要不断演进。我们吐槽的“历史垃圾代码”可能在当时是最优或最有效的解决方案;也有可能我们自认为写的“优秀代码”在一两年后会被吐槽为“代码屎山”。这件事需要辩证地去看,对事情的评价需要结合当时的背景。过去做的好的或当下认为过去做的不好的,对我们当下的研发工作都有一定的参考意义。我相信,大部分人在设计数据模型时都希望能长久持续的复用下去的。因此我们需要了解的是当时为什么需要那样去做,然后结合当下我们遇到的问题,去理解和设计面向未来的数据架构和数据模型。
核心能力:持续思考,持续迭代,形成自己学习新事物的框架
不断反思。反思工作中的不足之处,哪块业务知识or技术储备有欠缺,可以帮助我们找到自己的学习和工作瓶颈,有针对性地制定后续的学习和工作计划,提高工作效率和质量。
定期总结。定期总结可以帮助我们梳理并系统化自己的知识体系,便于巩固和深化自己的学习成果,以及更好地应用于实践。换到一个新环境时,往往需要快速学习和掌握新的业务知识和技术,而这个过程中可能存在知识掌握的不充分或者不够系统化等问题,进而导致后续的工作难以推进。因此,通过定期总结可以帮助我们更好地梳理和整理自己的知识体系,保证所学内容的完整性和准确性,提高学习效率和成果。
不断迭代。不断迭代这一点非常非常重要,换到一个新领域新环境,一开始总结的内容框架甚至有可能是错的,毕竟我们还不是该领域的专家,因此就需要我们抱着不断试错、不断迭代的心情。甚至在学习总结的过程中发现之前的认知框架需要全部推倒从来,但即使是错误总结,相信我们的认知也比之前深入了几分。
总结
看业务:通过了解公司组织架构、核心业务能力&场景,快速构建业务认知框架,明确自己在公司中的位置和对接的业务范围。
学数据:通过学习数据域划分、常用数据表、数据白皮书,快速了解数据现状,构建全局数据认知,巩固自己对业务的理解。
探系统:通过了解公司核心系统及其能力和演进过程,了解公司业务发展方向,有助于及时调整、优化我们的数据研发工作。
阿里云开发者社区,千万开发者的选择
阿里云开发者社区,百万精品技术内容、千节免费系统课程、丰富的体验场景、活跃的社群活动、行业专家分享交流,欢迎点击【阅读原文】加入我们。
微信扫码关注该文公众号作者