目錄
0x00 先溝通
0x01 再建模
0x02 想分析
0x03 自動化
0xFF 做一名合格的TL
0x00 先溝通
我一直有個觀點，數據倉庫&數據分析，是一個跟人打交道的工種，而不是技術。
筆者從事2B方向的數據倉庫工作，之前面試過不少的同學，有一些機靈的，會在面試之前，簡單問一問崗位的內容，我一般也會照實回答。在得知工作內容是2B之後，一些人就表示了明確的拒絕，更希望從事的工作與2C方向相關。儘管我比較討厭這種情況的出現，但我會表示尊重，因爲搞清楚自己想從事的工作方向，比工作機會更重要。
爲什麼會說工作方向更重要？因爲大多數數據人，所從事的工作內容，都是與業務相關的。並不是說技術方向不可以，而是純技術的崗位，招聘的人數遠比業務崗位少得多，而且要求高得多。出於現實的考慮，從事業務方向的開發，就是大多數人的通常選擇。業務開發，說到底，就是要實現業務價值的，而業務價值，並不僅僅指導出報表，也不僅僅指做一個架構完美的數據倉庫，而是要產出切實的業務價值。技術人通常比較羞澀，不願意過多的跟人打交道，那麼產品/運營，甚至是老大的很多想法，就很少去了解，到了彙報的時候，往往被質疑的懷疑人生，也就不足爲奇了。
工作方向，說到底，就是你感興趣的，並且能夠有動力去跟別人聊下去的愛好。
我並不想多談業務價值該怎樣實現，成功的人思考問題的方式都是類似的，而底層的碼農做事的方式卻各有各的風格。但實現業務價值的一定要多跟別人交流，思維多碰撞才能產生火花。即便是你在某個領域深耕多年，不交流也很難繼續跟上時代的發展。
因此，先錨定自己的興趣點，並不是指技術，而是指從事的業務方向。在這個基礎上，多溝通、多交流，數據人才算是開展了數據工作的第一步。
0x01 再建模
建模的作用，是用來描述清楚當前的業務場景。
建模通常是數據倉庫應該做的事情，而數據倉庫通常是面向過去的，以描述數據的流動性爲目的。數據倉庫有幾種經典的數據模型：範式模型、維度模型、DataVault。在實際的工作中，不管採用哪一種模型，能夠把當前的業務場景講清楚就可以了。
例如你所從事的行業是2C方向的，那麼維度建模就很合適，因爲維度能夠很好的描述歷史狀態的變化情況，用事務事實表和快照事實表，能夠滿足絕大多數的建模場景。但假如你從事的是2B的行業，那麼單一的模型就可能適應不了，例如企業管理，通常主數據是以範式建模的方式組織的，或者是星型模型，這時候基礎模型就要根據數據庫來構建。但很多分析的場景又需要關聯其他的數據，例如財務、法務數據，這時候又需要做一些維度建模來分析公司的運行狀況。
但建模也不是絕對的，建模本質是你對於商業運行模式的思考，對於數據在其中流動方式的總結。
0x02 想分析
分析的作用，是用來產出有價值的洞察報告。
例如我們在構建宏觀矩陣的時候，描述的是公司業務線和對應的數據狀況，其行、列一般對應着業務主題和數據主題。業務主題包括了公司所對應的業務線佈局，例如電商、遊戲、視頻、應用商店、新聞資訊和瀏覽器等；數據主題根據抽象程度和視角的不同，對應了相應的業務形態數據，例如曝光、點擊、消費、播放、分享等，又可以通過這些原生的行爲進行衍生計算，例如留存、活躍、流失等。
我們每次在啓動一個新的項目前，都需要做一個行業的調研，瞭解業界關於這個項目的解決方案，在分析具體的數據前，其實也要有對應的調研過程。數據分析與公司的商業模型比較強綁定，數據分析應該以數據的關聯能力爲突破口，將複雜業務過程，以透傳和洞察能力展示出來，匹配到管理者的期望值中。
可以說，數據來源於業務，並反作用到業務中，還是逃不出商業價值的牢籠。
0x03 自動化
自動化，也可以叫做平臺化&流程化，是指把已經成熟的分析/計算方法，做成一套固定的方案，後續有類似的場景能夠再次使用，提升業務價值複用的能力。
自動化的目標，不僅僅是爲了節約時間，更是爲了將已有的方法論固化下來，後人能夠在前人的基礎上，做進一步的迭代升級。業務所普及的Hadoop等框架，本質也是後人不斷提升前人的工作成果，最終形成一套完整的生態。
以數據中臺爲例，它的發展有三個階段：描述階段、分析階段、預測階段。剛開始的時候，一無所有，快速把現有的數據進行整合和建模，就非常重要，這個階段能夠理清楚業務細節就是最大的勝利。在此基礎上，隨着業務邊界擴張、業務邏輯逐漸統一的前提下，多進行橫向或者縱向的數據對比工作，能夠切實解決一批業務價值的問題，並將分析和解決的思路沉澱下來，這裏就有了初步自動化的基礎。最終當數據流完全數字化及標準化後，引入模型，建立預測機制，將提升業務價值的能力逐步標準化，並且配置成自動流程，這時候數據的智能化場景，就逐步的體現了出來。
0xFF 做一名合格的TL
技術人有兩條發展路線：一條是走技術，一條是走管理。其實，在數據的場景下，大多數的技術能力，在阿里P7階段就已經學會了，而更深一步的技術能力，每提升一小步，所付出的精力和時間，都是之前的一大步，很多人就被迫走向了管理路線，也就是TL。但是，TL所面對的場景非常複雜，管技術、管團隊、管業務，特別忙是一定的，又反向迫使很多人望而卻步，真正的變得迷茫起來。
TL的核心職責，其實是可以跨團隊組織工作，這其中，要想讓別人信服，頂層架構、發展分析、落地策略、團隊管理、KPI制定、領域驅動、技術驅動、穩定性建設、質量建設、準確性建設、分佈式系統、陌生領域知識…… 要學習的內容太多了。數據人，很多時候，走到這裏，就30多歲了，中年危機也來了。
其實，我們放平心態，把工作想象成一場長跑，階段性跑的快不是勝利、跑跑停停也註定落後，最合理的方式，其實是一點一點提升自己，按照自己的節奏，不被工作和生活所帶跑偏，堅持下來，你還是比大多數人跑得快。
儘管TL很難，但這是大多數人最切實可行的路線，就像高考一樣，過了獨木橋，又是一道美麗的風景線。