专访 | 高级BI负责人：初创型企业如何搭建数据体系

本期访谈嘉宾

范涛

u掌柜 BI负责人

码农出身，曾任职于1号店、唯品会。

辗转过多个岗位，做过售前、产品经理、也做过运营，上过商业战场前线，也做过乙方服务支撑。

前可以做活动运营，后可做技术编码，技多艺杂。

仍然在积极寻找数据变现的场景，力图使数据发挥最大的价值。

出品|中国统计网（ID：cntongji）

嘉宾|范涛

采访|赵良

审核|赵良

编辑|惊渡

Q1：能给我们分享一下如何在创业公司或者数据基础都是零的情况下，如果何搭建数据体系吗？

范涛：在创业公司从0开始搭建数据体系是一件非常有趣，也是一个非常有成就感的事情，推荐诸位想体验生活的同学，可以在28-30左右出来拼搏一下。但是在体验之前，首先要做好几个准备。

第一，身兼多职。在大型公司里，数据工具与数据体系基本上成熟，数据分析师基本上不用每天思考数据是从哪里来的，数据出了错可以让数据仓库同事帮忙解决。但是在创业公司，一切都在0的基础上，你要扛起所有其他岗位的工作，从最源头的业务系统里标记数据，然后将数据ETL导出到数据仓库，对数据仓库进行大量的清洗计算形成报表，然后不断跟业务部门PK对数修口径，每一项基本上都需要亲力亲为。这意味着你不仅是一个数据分析师，也要是一个数据仓库工程师，同时也是一个数据可视化工程师，更是一个全职的数据产品经理，别忘了也要担任起培训导师的责任，新同事入职后还需要你指引道路。因此，如果你以前跟我一样杂七杂八的工作都做过，适应的会快一些。如果大家立志于此的话，从现在开始可以积累一些知识，熟悉Kettle等开源工具，技多不压身，日后总会有机会用到的。

总体来说，对于创业公司而言，数据平台的优先级＞数据分析体系的优先级＞数据运营的优先级，先搭好数据平台，让整个公司的数据供应不出问题后，就可以考虑开始搭建数据分析体系了。

第二，快速学习。这点大家应该都能理解，你会遇到各种以前从来没有遇到过的问题，身边的同事基本上都在等着你解决问题，那么迅速从自己的知识库里，从网络上的各种问答网站寻找答案则是你必须要做的事情。甚至找不到现成答案的时候，你需要直接阅读长长的帮助文档来探索。说说我遇到的问题：数据同步速度慢、在对市场一如所知的情况下没有任何数据如何完成分析报告、从没接触过推荐系统和CTR预估如何做方案评估等等，所幸工作到现在，基本上没有什么问题是完全找不到资料的，都是有迹可循的。只要我们善于学习，善于求助，问题来了兵来将挡水来土掩即可。

第三，主动和热情最重要。在一个优秀的创业团队里工作是件很惬意的事情，一方面周围的同事都很优秀，合作很愉快。但另外一方面他们的眼界很高，会要求你实现大型互联网公司等级的数据需求，但只会给你创业公司的预算(我就不提目前我们数据部门的预算了)。如此的现实与理想的反差，需要热情乐观的精神才能克服每一个困难。我相信，无论大家是在大型公司还是在创业公司，每天的工作都会很忙碌，但不同的是，也许有的人忙碌很多年，但只是将一件重复的时间做上很多年，但有的人，每年每月每日都在做新的事物，每天都有新的收获与体会。虽然在创业公司里工作接触新事物的机会稍微多了那么一点，但这也都是需要个人主观能动性去主动争取的，因为你的辛苦大家都看得到，如果自己不去争取新的项目机会，是不会有人指责你的，但你也同时失去了最宝贵的锻炼机会。

Q2：初创型企业搭建数据体系，数据平台需要什么硬件和软件？

范涛：对硬件和软件没有特别要求。开源工具有数据库SQL，数据可视化Echarts（百度的一个开源工具）。各种情况我们都采用开源工具，基本上没有软件的采购费用。

另外，我们用的是阿里云的存储服务器，它提供的服务挺不错，比如云数据库服务，我们可以不用再招聘DBA、运维人员。当然数据ETL与数据清洗这些工作是省不掉的。

Q3：埋点方面有什么特别注意点、着力点呢？

范涛：之前我们用过第三方工具（talkingData），挺适合初创企业的，免费部署简单，但随着业务发展与分析需求的复杂度增加，最后我们还是自己做埋点流量统计。

对埋点工作的投入取决于我们的业务形态，我们不可能像大公司那样面面俱到，一些基本的需求，如pv uv、坑位点击、整体流量、启动量等，需要优先制作数据，其他需求则需要考虑实际的应用场景。

举例来说，如果公司近季度的目标是提升流量质量，提升商品点击量，那么就需要我们对坑位的情况做跟踪。总的来说，主要是根据业务的情况来，不是做大而全的东西，而是做相对精细的东西，我们的资源比较少，只能抓重点。

Q4：整个埋点过程是您的数据团队还是开发人员来做？

范涛：目前开发人员严重不足，所以某些情况下，我们出方案，需要调用app的开发资源来协助我们整理数据。

Q5：ETL 开源工具适用吗？

范涛：完全够用。甚至以后数据大了也是够用的。开源工具至少能覆盖我们未来三年的数据。

Q6：初创型企业应如何考虑BI这方面的问题？

范涛：我们BI应用有两大方面：

一是查看报表，主要是使用开源工具，比如Echarts，DataTable；

二是数据业务层，如推荐系统、客户评估、补货模型，和报表关系不大，可以直接应用。主要是用Python做数据挖掘和数据模型。我们会通过一些系列的流程，把数据导出来，设成我们需要的数据，上传到前端，前端调出我们机器学习的结果来做一个展示。

Q7：整个Python和R语言相比的优势？

范涛：虽然R语言的可操作性、交互性都比其他语言好。但它有个致命的缺点：R语言效率极慢，尤其在做循环的时候效果不好。我们对比过使用R语言和Python做数据清洗，结果是Python比R语言稳定，更胜一筹。而且Python和我们的操作系统的结合更稳定。所以我们用来做整个数据仓库的底层，包括数据模型、出报表、数据清洗等。

Q8：对于人员配置，哪块比较重要？

范涛：这和目前公司业务速度和业务过程有关系。

阶段一：公司刚成立的时候，一切从零开始。首先要做的是把事情做出来，这时必须要有数据平台、ETL工具、数据挖掘平台。对偏IT工程的人员需求较大，并不是很需要数据分析团队。这个过程中首先要解决从无到有的问题，必须先把东西搭建起来，大概会耗费半年到一年左右。

阶段二：有了数据后，需要业务沟通，思考数据要用到哪里，如何用。比如我们会遇到很多分析性需求，市场活动效果好不好，哪些商品该淘汰。这时工程能力不是很重要，而对数据分析能力要求较高，要懂业务、懂数据、有判断能力，能够从数据中挖掘一些业务。这时需要搭建一个数据分析团队或数据体系，能够让大家根据这个体系来学习一些业务知识，或从数据中挖掘一些业务知识出来。

总的来说，我们要经历这样两个阶段，第一个阶段是工程实现阶段，第二个阶段是分析阶段。而我们目前正在经历的阶段叫做智能阶段，或叫做数据化运营阶段，希望把过去的一些业务经验或数据经验积累成一个标准的模板，通过机器形成自动化执行。比如我们做了一个智能推送运营，就是把过去积累的一些业务经验通过软件、模板、数据模型来实现工作智能化、机械化，在这一阶段就需要一些高端人才，需要对业务和数据非常精通且具有丰富的工作经验。这正是我们现在经历的第三个阶段。

Q9：从0开始到现在，每个阶段中业务方的需求有哪些不一样呢？

范涛：我个人观点是：第一，尽可能满足业务方需求；第二，满足对方需求不等于完全听命于他们，不要完全放弃自主判断。

根据我的经验，100%以需求方为主会使整个数据团队没有方向，因为业务方只会把你当成一个信息的提供部门，如果你不进行需求挖掘的话，他们只会提出非常简单的数据需求，对整个部门的成长非常不利。

作为数据部门，首先要解决用户需求，进而去引导他们，完成对需求价值的提升。比如对方需要你出具一份流量报表，满足他们的需求是我们的责任，但我们的责任绝对不仅仅与此，我们更应该主动去与他们沟通，他们为什么需要这份数据，对他们的KPI有什么用处，数据部门可以做什么协助他们提升KPI等。

我们应该信息提供者变成对企业KPI有帮助的人。当然这方面的道路我们还在探索。

Q10：随着公司需求的上升，对于周边同事或自身必须掌握的一些能力，比如软件学习、良好的市场感觉，您的想法是？

范涛：先说硬技能，针对三年工作经验以下的人来说，首先必须具备很强的数学能力，我认为做数据的人数学一般的话，分析能力就很弱。因此硬核能力是数学好，我们不需要他做过多强的项目或多好的背景、多高的学历，只要他数学合格，那我们认为可以专门培养。

关于软技能，最重要的是兴趣，我认为有没有兴趣决定能在一个行业发展的高低。数据分析行业每年变化非常多，对互联网来说，业务变化也很多，如果你缺乏兴趣的话，那你已经丧失了提升自己的能力。每年关于数据的论文、新出的数据模型、出产的各种新项目、新算法数不胜数，如果你缺乏兴趣，提升速度会很慢。反而如果你有兴趣的话，我们就不用催你，你会自己提升、成长，我们只要把机会提供给你，你会主动成长起来，成为一个有用的人。

总的来说，硬技能方面数学要好，软技能方面最重要的是兴趣。只要这两方面具备的话，我们认为值得培养。

Q11：对于核心数据团队从业人员，应该承担哪些东西？

范涛：第一，必须经历过过硬的项目。这经历不是指你过去工作的时间，而是你经历过多少项目，并且你是否经历从零开始，从开环到闭环完整的过程。这是我们对工作人员比较高的要求。我们会更在意他做过多少项目，为公司创造多少业绩，都是功利性较强的需求。

第二，需要他有强大的推动能力。在公司，你自己能做事并不能代表什么，能把一件事领导起来是对高级工作人员必备的一个要求，你必须有这个能力把事情做成而且能在公司里执行下去。不论在创业公司，还是互联网公司，必须具备这样的能力，才能把自己称为高级工作人员。这是我们的想法。

Q12：能谈谈您的团队管理经验吗？

范涛：说说我需要我能成为的人。

第一，我需要自身成为一个多面手。我们团队比较小，比如有做ETL的，做数据分析，数据模型，产品的。你不可能面面俱到，也不可能招一百个人来把空隙填补。需要你能把事情扛起来，而且出问题了你能把问题解决掉。

第二，我需要自己成为一个合格的教练。很多新同学进来之后，你得负责引导他，教会他。你会了很容易，但你能把别人教会这才是有价值的。

第三，要有忽悠能力。做一件事情，首先你要能把价值传递出去，传递给公司、老板。你要能忽悠来资源，让伙伴们工作有动力，不然大家干的很没劲。这是我认为作为公司的管理者需要具备的几个能力，否则一个公司是发展不起来的。

Q13：创业中一般来说，前期会比较侧重于产品与运营，但是如果能合理的运用数据更能使公司进行快车道，您是如何让业务团队快速认可数据并愿意在数据中加大投入呢？

范涛：根据我的理解，数据团队与业务团队的合作，在各种公司内都有点小障碍，无论这个公司是大还是小，是快速发展还是稳定前行，业务部门与数据部门之间的配合总是达不到行云流水的感觉，我个人过去数年都在试图面对这个问题，思考了一下，原因大概集中在两个方面，第一是业务部门的数据知识过少，导致他们提不出有价值有难度的数据需求，所涉及到的问题都是浅尝辄止，仅仅停留在信息暴露的层面；第二则是数据部门的业务知识非常缺乏，大部分人也缺乏实力支撑业务的能力，例如业务部门的核心KPI就是业务增长率，纯数据部门出身的同学由于缺乏相关经验，很难分析出闪光点，这样就会导致业务部门对其失去信任。

既然找到问题，那对症下药就可以了，所幸加入的公司是创业公司，部门壁垒还很淡薄，每个伙伴都有机会接触新的业务领域，补充上自己的短板。

第一点，数据部门必须和业务部门有长期有效的沟通渠道，必须知道每天对方怎么想的，有什么困难。这是我过去多年失败成功的经验，最好是数据部门和对方有良好的资源关系，确保这两个部门合作下去。

第二点，对方对你信任之后，你也应该做出一些事情赢得别人的信任。举个例子，对方遇到业绩困难时，如果你解决不了他们的问题的话，他们也会对你产生想法或产生一些不认同的东西，所以你得一遍一遍去证明自己。对方的业绩，比如拉新，或者提升产品的销售转化率，你必须有这个能力帮助他们找到能够提升业绩的方法。如果你没有这个能力的话，别人也只会把你当成一个支援部门。

这就是我们对这两个部门的要求。只有我们在相关业务领域积累起足够的知识，我们分析出来的东西才会真正有价值。我相信未来的趋势，一定是业务部门与数据部门合并，例如最近的growth hacking，并不会存在业务与数据的区分，业务必须懂数据，数据也必须懂业务，那时候才是真正实现1+1 >2的一天。

Q14：您现在所在的公司发展情况很不错，我相信很多的朋友都很有兴趣加入您现在的团队，那么您对于加入您现在团队的，能否从技术与心态上做一下分享吗？

范涛：如果预算充足的话，我们肯定是希望牛人越多越好，但资源总是缺乏的，工作总是做不完的，所以这时候就需要一定合理的人员配置，高中低三个档位的劳动力都需要涉及到。

对于小于3年工作经验的新人同学而言，我们非常喜欢理论、尤其是数学功底扎实的同学，并不是特别要求教育背景或者工作经验，甚至有没有做过数据分析、有没有搭建过数据模型都不是很看重的，理论扎实，学习起来会很快，但理论不扎实的话，可能就需要付出几倍的努力才能赶上。

非常感谢范总的分享！

End.

本文经受访者确认发布

本文为中国统计网原创文章，需要转载请联系中国统计网（小编微信：ishujiang），转载时请注明作者及出处，并保留本文链接。