ใน Oda การเป็นเจ้าของข้อมูล แบบกระจาย การกำกับดูแลข้อมูลที่ใช้ร่วมกันเป็นหนึ่งในหลักการหกประการสำหรับวิธีที่เราสร้างมูลค่าจากข้อมูล หลักการนี้เป็นกุญแจสู่ความสำเร็จของเราในการปรับขนาดข้อมูลและข้อมูลเชิงลึกจากทีมพิซซ่าหนึ่งทีมไปสู่ระเบียบวินัยขนาดใหญ่ และในการผลักดันขอบเขตของสิ่งที่เป็นไปได้เมื่อข้อมูลตรงกับปัญหาในโลกแห่งความจริงในพื้นที่ขายของชำออนไลน์ ในโพสต์นี้ เราจะเจาะลึกลงไปถึงความหมายของการเป็นเจ้าของข้อมูลแบบกระจาย การกำกับดูแลข้อมูลที่ใช้ร่วมกันและวิธีที่เราแก้ปัญหานี้ในทางปฏิบัติ

ข้อมูลคือความสามารถ ไม่ใช่ฟังก์ชัน

นักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ข้อมูล และวิศวกรข้อมูลส่วนใหญ่ของเราทำงานเป็นส่วนหนึ่งของทีมผลิตภัณฑ์ข้ามสายงานกับวิศวกรซอฟต์แวร์ ผู้จัดการผลิตภัณฑ์ นักออกแบบ UX และผู้เชี่ยวชาญด้านโดเมน (เช่น ผู้เชี่ยวชาญด้านโลจิสติกส์ การค้า และการเติบโต) ในส่วนต่างๆ ขององค์กรของเรา ทักษะการระบุตำแหน่งร่วมกันของข้อมูลและปัญหาโดเมนเป็นเพียงขั้นตอนแรกเท่านั้น เรายังต้องการเสริมศักยภาพให้ทีมของเราเคลื่อนที่ได้ด้วยตนเองและรวดเร็วเพื่อแก้ปัญหาที่เกิดขึ้น และนี่คือจุดที่ความเป็นเจ้าของแบบกระจายมีบทบาทสำคัญ ด้วยแรงบันดาลใจจากแนวคิดตาข่ายข้อมูล เราได้วางความรับผิดชอบส่วนใหญ่สำหรับข้อมูลให้กับทีมผลิตภัณฑ์ต่างๆ ซึ่งเป็นเจ้าของ "ข้อมูลทุกอย่าง" ภายในโดเมนธุรกิจของตนอย่างเต็มที่ ทีมเหล่านี้ได้รับการสนับสนุนจากทีมแพลตฟอร์มส่วนกลาง ซึ่งให้บริการแพลตฟอร์มและการเปิดใช้งาน เช่น โครงสร้างพื้นฐาน เครื่องมือ แนวทางปฏิบัติ และการฝึกอบรมที่จำเป็นสำหรับทุกคนในการทำงานกับข้อมูลอย่างมีประสิทธิภาพ

ในทางปฏิบัติ หมายความว่าแต่ละทีมมีหน้าที่รับผิดชอบห่วงโซ่คุณค่าของข้อมูลทั้งหมดในโดเมนของตน ซึ่งรวมถึงทุกอย่างตั้งแต่การผลิตและการส่งผ่านข้อมูล ไปป์ไลน์ข้อมูลและผลิตภัณฑ์ ตลอดจนหัวข้อต่างๆ เช่น การรู้ข้อมูลและวิธีที่เราดำเนินการกับข้อมูลเชิงลึก ใน Oda ข้อมูลคือความสามารถ ไม่ใช่ฟังก์ชัน เราไม่มีทีมข้อมูลส่วนกลางที่แก้ปัญหา “ข้อมูลทั้งหมด” มันขึ้นอยู่กับแต่ละทีม

ใน Oda ข้อมูลคือความสามารถ ไม่ใช่ฟังก์ชัน เราไม่มีทีมข้อมูลส่วนกลางที่แก้ปัญหา “ข้อมูลทั้งหมด” มันขึ้นอยู่กับแต่ละทีม

ทีมผลิตภัณฑ์คือทีมข้อมูลใหม่

ในส่วนถัดไป เราจะใช้ทีมการจัดส่งเป็นตัวอย่างของวิธีการทำงานของการเป็นเจ้าของแบบกระจาย ทีมงานเป็นส่วนหนึ่งของพันธกิจของเราในการมอบประสบการณ์การจัดส่งที่ไร้กังวลมากที่สุดในโลก และเรามีนักวิเคราะห์ข้อมูลที่ทำงานควบคู่ไปกับวิศวกรซอฟต์แวร์ ผู้จัดการผลิตภัณฑ์ นักออกแบบ และผู้เชี่ยวชาญด้านการจัดจำหน่ายเพื่อทำให้สิ่งนั้นเกิดขึ้น ทีมงานมีหน้าที่รับผิดชอบในเรื่องต่างๆ เช่น การจัดการยานพาหนะ การจัดหาพนักงานตามเส้นทาง และการส่งคืนจากลูกค้า และพวกเขาสร้างและดำเนินการเทคโนโลยีและแอปพลิเคชันที่รองรับกระบวนการเหล่านี้

ความรับผิดชอบสำหรับทีมเช่น Delivery ในรูปแบบความเป็นเจ้าของแบบกระจายสามารถสรุปได้ในหกหัวข้อย่อย:

• ผลิตและเปิดเผยข้อมูลจากแอปพลิเคชัน
• ทำให้ข้อมูลเข้าถึงได้ง่ายสำหรับตนเองและผู้อื่น
• สร้างและรันไปป์ไลน์ข้อมูล
• สร้างและจัดการผลิตภัณฑ์ข้อมูล
• ขับเคลื่อนการพัฒนาผลิตภัณฑ์ด้วยข้อมูล
• เปิดใช้งานทีมและผู้คนที่พวกเขากำลังสนับสนุน

ผลิตและเปิดเผยข้อมูลจากแอปพลิเคชัน

แหล่งข้อมูลที่สำคัญที่สุดสำหรับทีมจัดส่งคือแอปพลิเคชันที่พวกเขาสร้างและเรียกใช้ ตัวอย่างของสิ่งนี้ ได้แก่ แอพมือถือที่คนขับใช้เมื่อทำการจัดส่งและแอปพลิเคชันที่สำนักงานจัดส่งใช้สำหรับวางแผน ตรวจสอบ และช่วยเหลือคนขับบนเส้นทาง ด้วยการสร้างและเรียกใช้แหล่งข้อมูลของตนเอง ทีมจึงสามารถควบคุมข้อมูล อะไร อย่างไร และเมื่อใดได้อย่างเต็มที่ นักวิเคราะห์ข้อมูลจะทำงานร่วมกับวิศวกรซอฟต์แวร์เพื่อให้แน่ใจว่าข้อมูลที่ถูกต้องถูกจัดเก็บไว้ในรูปแบบที่ถูกต้องในระบบต้นทาง และข้อมูลเหตุการณ์ที่เกี่ยวข้องได้รับการติดตามในแอปพลิเคชัน นี่คือ “การเปลี่ยนแปลงทางด้านซ้าย” สำหรับข้อมูลสำหรับทีมผลิตภัณฑ์: ข้อมูลเป็นส่วนหนึ่งของทุกขั้นตอนของกระบวนการออกแบบและสร้างแทนที่จะเป็นความคิดภายหลัง ปัญหาด้านคุณภาพของข้อมูลจะถูกตัดออกแทนที่จะกองอยู่ที่ด้านล่างของงานในมือ

นี่คือ “การเปลี่ยนแปลงทางด้านซ้าย” สำหรับข้อมูลสำหรับทีมผลิตภัณฑ์: ข้อมูลเป็นส่วนหนึ่งของทุกขั้นตอนของกระบวนการออกแบบและสร้างแทนที่จะเป็นความคิดภายหลัง ปัญหาด้านคุณภาพของข้อมูลจะถูกตัดออกแทนที่จะกองอยู่ที่ด้านล่างของงานในมือ

ทำให้ข้อมูลเข้าถึงได้ง่ายสำหรับตนเองและผู้อื่น

แต่ละทีมมีหน้าที่รับผิดชอบในการทำให้ข้อมูลของตนพร้อมใช้งานและทำงานร่วมกันได้สำหรับทีมอื่นๆ ที่จะใช้ สิ่งนี้จะเกิดขึ้นไม่ได้หากไม่มีทีมแพลตฟอร์มที่สนับสนุนทีมผลิตภัณฑ์ด้วยโครงสร้างพื้นฐาน เครื่องมือ และแนวทางที่ใช้ร่วมกัน ใน Oda เราใช้ Fivetran สำหรับการนำเข้าข้อมูลธุรกรรมเป็นชุด และใช้ Snowplow สำหรับข้อมูลเหตุการณ์จากเว็บ แอป และฝั่งเซิร์ฟเวอร์ และข้อมูลทั้งหมดจะอยู่ในคลังข้อมูล Snowflake ของเรา ใน Snowflake ข้อมูลจะพร้อมใช้งานสำหรับทีมอื่นในการสืบค้นและต่อยอด ทำให้สามารถทำงานร่วมกับข้อมูลจากทีมและโดเมนอื่นได้ ตัวอย่างเช่น นักวิเคราะห์ข้อมูลในการจัดส่งมีหน้าที่ดึงข้อมูลที่สร้างขึ้นในกระบวนการจัดการยานพาหนะและตั้งค่าสแน็ปช็อตปกติของชุดข้อมูลที่เราต้องการเก็บบันทึกประวัติไว้

เพื่อให้แน่ใจว่าข้อมูลสามารถทำงานร่วมกันได้ทั่วทั้งกลุ่มข้อมูลเชิงลึกของเรา เราจึงปฏิบัติตามแนวทางที่ใช้ร่วมกันสำหรับวิธีตั้งชื่อและโครงสร้างข้อมูล ด้วยวิธีนี้ เรามั่นใจว่าข้อมูลจากทีมและโดเมนต่างๆ สามารถใช้ร่วมกันได้ในเลเยอร์ตรรกะต่างๆ ใน ​​Snowflake และในเลเยอร์ความหมาย (สำรวจ) ใน Looker

สร้างและรันไปป์ไลน์ข้อมูล

ข้อมูลดิบมักไม่ค่อยได้รับการจัดส่งในรูปแบบและบริบทที่ถูกต้องตามที่เราต้องการเพื่อวัตถุประสงค์ในการวิเคราะห์ ดังนั้น ส่วนสำคัญของงานสำหรับนักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ และวิศวกรของเราคือการสร้างการแปลงข้อมูลและการแปลงลูกโซ่เป็นไปป์ไลน์ที่กำหนดให้ทำงานตามช่วงเวลาปกติ เราใช้ dbt เพื่อแปลงข้อมูลเป็นรูปแบบสคีมาดาวและชุดข้อมูลแบบกว้างที่ใช้สำหรับระบบธุรกิจอัจฉริยะ การวิเคราะห์เฉพาะกิจ และการป้อนข้อมูลไปยังโมเดลแมชชีนเลิร์นนิง ทีมแพลตฟอร์มของเราต้องแน่ใจว่าแต่ละทีมมีเครื่องมือ การฝึกอบรม และการสนับสนุนที่จำเป็นในการจัดการไปป์ไลน์ข้อมูลในทุกแง่มุม ตัวอย่างของสิ่งที่ทุกทีมสามารถเข้าถึงได้:

• แยกแชนเนล Slack ที่พวกเขาจะได้รับการแจ้งเตือนเมื่อมีบางอย่างหลุดหรือเสียในไปป์ไลน์
• แดชบอร์ดต้นทุนที่พวกเขาได้รับภาพรวมของการใช้จ่ายเครดิต Snowflake ของไปป์ไลน์และงาน dbt ที่มีประสิทธิภาพแย่ที่สุด
• #data-platform-support ช่อง Slack ที่พวกเขาสามารถติดต่อวิศวกรข้อมูลเพื่อขอความช่วยเหลือเกี่ยวกับงานต่างๆ เช่น การปรับแต่งประสิทธิภาพ

นักวิเคราะห์ข้อมูลในการจัดส่งอยู่ในตำแหน่งที่ไม่เหมือนใครในการทำความเข้าใจว่าข้อมูลสามารถสร้างผลกระทบในโดเมนการจัดส่งได้อย่างไร และพวกเขามีทักษะในการสร้างผลิตภัณฑ์ข้อมูลที่ตอบสนองความต้องการและโอกาสเฉพาะของพื้นที่จัดส่ง เราจะเจาะลึกเกี่ยวกับผลิตภัณฑ์ข้อมูลในบทความติดตามผล แต่สำหรับตอนนี้ สมมติว่าผลิตภัณฑ์ข้อมูลสามารถเป็นอะไรก็ได้ตั้งแต่ดาต้ามาร์ทใน Snowflake, Looker explore, ไปจนถึงโมเดลแมชชีนเลิร์นนิง และอีกหลายอย่างใน ระหว่าง. ประเด็นหลักคือทีมรับผิดชอบอย่างเต็มที่ในการค้นหา สร้าง เรียกใช้ และจัดการผลิตภัณฑ์ข้อมูลที่ถูกต้อง ทำสวนพอร์ตโฟลิโอผลิตภัณฑ์ข้อมูล และตรวจสอบให้แน่ใจว่าผลิตภัณฑ์ข้อมูลได้รับการปรับใช้และดำเนินการอย่างเหมาะสม

ขับเคลื่อนการพัฒนาผลิตภัณฑ์ด้วยข้อมูล

ในทีมผลิตภัณฑ์ที่มีประสิทธิภาพสูง ข้อมูลจะอยู่เบื้องหน้าและเป็นศูนย์กลางเมื่อค้นพบ สร้าง และจัดการผลิตภัณฑ์ที่ยอดเยี่ยม การมีข้อมูลและผลิตภัณฑ์ข้อมูลที่ถูกต้องเป็นเพียงส่วนเล็กๆ ของการดำเนินการในระดับนี้ สิ่งที่สำคัญไม่แพ้กันคือการมีความสามารถ วัฒนธรรม กรอบงาน ตัวชี้วัด และวิธีการทำงานที่เหมาะสม สิ่งนี้จะหมายถึงสิ่งต่าง ๆ สำหรับบทบาทที่แตกต่างกันในแต่ละทีม:

• ผู้จัดการผลิตภัณฑ์จะใช้เวลาอย่างมากในการตรวจสอบและวิเคราะห์เมตริกผลิตภัณฑ์ของทีมและผลกระทบต่อเมตริกทางธุรกิจ สำหรับผู้จัดการผลิตภัณฑ์ในการจัดส่ง เวลาในการโหลดเส้นทางและการส่งมอบตรงเวลาคือตัวอย่างของเมตริกที่ต้องติดตามและทำความเข้าใจ สำหรับทีมที่สร้างจากส่วนที่ต้องติดต่อกับลูกค้าของผลิตภัณฑ์ของเรา เมตริกต่างๆ เช่น อัตราการคลิกผ่าน อัตรา Conversion ความลึกในการเลื่อน และผลลัพธ์จากการทดสอบล่าสุดจะมีความเกี่ยวข้องมากกว่า เนื่องจากเราใช้วัตถุประสงค์และผลลัพธ์หลัก (OKR) เพื่อจัดกลยุทธ์ให้สอดคล้องกับการดำเนินการของทีมผู้จัดการผลิตภัณฑ์จึงต้องการวัดและวิเคราะห์ความคืบหน้าไปสู่ผลลัพธ์หลักที่มุ่งเน้นในช่วงระยะเวลา OKR
• วิศวกรซอฟต์แวร์จะตรวจสอบให้แน่ใจว่าแอปพลิเคชันของตนได้รับการติดตั้งอย่างถูกต้อง และจะสร้างการติดตามและแฟล็กคุณลักษณะในทุกส่วนของแอปพลิเคชันและคุณลักษณะใหม่ทั้งหมด ซึ่งช่วยให้ทีมสามารถดำเนินการทดสอบและทยอยเปิดตัวเพื่อทำความเข้าใจเมื่อการเปลี่ยนแปลงผลิตภัณฑ์ไม่เป็นประโยชน์ ใช้งานไม่ได้ หรือมีประสิทธิภาพอย่างที่เราคิด และเพื่อลดผลกระทบของข้อบกพร่องและโค้ดที่ไม่ถูกต้อง นอกจากนี้ พวกเขายังจะติดตามเมตริกทางเทคนิคอย่างใกล้ชิด เช่น เวลาในการโหลด เวลาหยุดทำงาน และเวลาเฉลี่ยในการกู้คืน เพื่อให้แน่ใจว่าเราพุชโค้ดคุณภาพอยู่เสมอ
• นักออกแบบ UXจะสนใจที่จะรวมการเรียนรู้จากการวิจัยเชิงคุณภาพเข้ากับข้อมูลเชิงปริมาณว่าลูกค้าของเรามีพฤติกรรมอย่างไร พวกเขาจะตั้งค่าและดำเนินการทดสอบเพื่อให้แน่ใจว่าสมมติฐานใด ๆ ได้รับการทดสอบและตรวจสอบความถูกต้อง และจะเจาะลึกข้อมูลในกลุ่มลูกค้าที่แตกต่างกัน
• นักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ และวิศวกรมีหน้าที่ช่วยอำนวยความสะดวกในการทำงานนี้เป็นหลัก พวกเขาจะสนับสนุนทีมด้วยการสร้างผลิตภัณฑ์ข้อมูลที่มีประโยชน์ ช่วยตั้งค่าการทดลองและวิเคราะห์ผลลัพธ์ ฝึกสอนและฝึกอบรมเกี่ยวกับวิธีวิเคราะห์ข้อมูล และทุกอย่างอื่นๆ ที่ทีมต้องการเพื่อขับเคลื่อนการพัฒนาผลิตภัณฑ์ด้วยข้อมูล หากต้องการอ่านเพิ่มเติมเกี่ยวกับสามบทบาทที่แตกต่าง กันและสิ่งที่พวกเขามักจะทำ โปรดดูสามบทบาทของเราใน Data & Insight ที่ Oda

สิ่งสำคัญคือต้องทราบว่าแม้ว่านักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ และวิศวกรจะเป็น "ผู้เชี่ยวชาญด้านข้อมูล" ในทีม แต่การเป็นเจ้าของข้อมูลแบบกระจายเป็นความรับผิดชอบของทีม ไม่ใช่สิ่งที่เกี่ยวข้องกับบางส่วนของทีมเท่านั้น

เปิดใช้งานทีมและผู้คนที่พวกเขากำลังสนับสนุน

หลักการอีกประการหนึ่งของเราคือการให้คุณค่า แก่การเปิด ใช้งานมากกว่าการส่งมอบ ในตัวอย่างของเรา หมายความว่าทีมจัดส่งจะทำงานเพื่อผลักดันความรู้ด้านข้อมูล ยกระดับทักษะเพื่อนร่วมงานในหัวข้อข้อมูล เครื่องมือ และวิธีการ และให้คำปรึกษาและการฝึกสอนที่จำเป็นต่อการให้บริการตนเองและสามารถแก้ไขปัญหาส่วนใหญ่ด้วยตนเองได้ ปัญหาวันต่อวัน ทีมผลิตภัณฑ์จำนวนมากของเรา รวมถึง Delivery มีหน้าที่สนับสนุนทีมปฏิบัติการด้วย ดังนั้น เพื่อนร่วมงาน จึงไม่ได้เป็นเพียงสมาชิกในทีมของตนเองเท่านั้น แต่ยังรวมถึงผู้ที่รับผิดชอบในการจัดการคนขับ การควบคุมสนาม และอื่นๆ

ในระดับหนึ่ง ข้อบกพร่องในการรู้ข้อมูลและความสามารถสามารถชดเชยได้ด้วยการจัดหาผลิตภัณฑ์ข้อมูลที่ได้รับการปรับปรุงให้ดียิ่งขึ้น: ไม่ใช่ทุกคนที่สามารถสร้างแดชบอร์ดที่ต้องการได้ จากนั้นนักวิเคราะห์ข้อมูลจะสามารถสร้างให้พวกเขาได้ ความท้าทายคือการค้นหาความสมดุลระหว่างใครและเท่าไหร่ที่จะเปิดใช้งานกับอะไรและเท่าไหร่ที่จะสร้าง ตามหลักการแล้ว นักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ และวิศวกรของเราใช้เวลาส่วนใหญ่ไปกับงานที่มีเลเวอเรจสูงซึ่งต้องใช้ทักษะเฉพาะทางอย่างเต็มที่ และใช้เวลาน้อยกว่ากับงานที่ผู้อื่นสามารถทำได้ด้วยการเปิดใช้งานบางอย่าง ไม่ว่าในกรณีใด และใครก็ตามที่สร้างแดชบอร์ดเหล่านั้นเสร็จแล้ว ทีมมีหน้าที่รับผิดชอบในการตรวจสอบให้แน่ใจว่าพื้นที่ที่สนับสนุนนั้นมีโครงสร้างแดชบอร์ดที่ชัดเจน เหนียวแน่น และเป็นองค์รวม ความรับผิดชอบของทีม

ตามหลักการแล้ว นักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ และวิศวกรของเราใช้เวลาส่วนใหญ่ไปกับงานที่มีเลเวอเรจสูงซึ่งต้องใช้ทักษะเฉพาะทางอย่างเต็มที่ และใช้เวลาน้อยกว่ากับงานที่ผู้อื่นสามารถทำได้ด้วยการเปิดใช้งานบางอย่าง

การเปิดใช้งานยังมีความสำคัญเมื่อใช้งานโมเดลแมชชีนเลิร์นนิงที่นักวิทยาศาสตร์ข้อมูลของเราสร้างขึ้น สำหรับการดำเนินงานของเราในการตัดสินใจจัดหาพนักงานที่ดีโดยพิจารณาจากผลลัพธ์จากแบบจำลองการคาดการณ์การขายและอุปสงค์ของเรา พวกเขาจำเป็นต้องมีความเข้าใจที่ดีเกี่ยวกับกลไกพื้นฐานและอินพุต สมมติฐาน จุดแข็ง และจุดอ่อนของแบบจำลอง

เพื่อสรุปตัวอย่างของเรา Delivery มีหน้าที่รับผิดชอบในทุกแง่มุมของการสร้างมูลค่าจากข้อมูลในโดเมนการจัดส่ง และสิ่งนี้ขยายไปไกลกว่าการรันไปป์ไลน์ข้อมูลของตนเอง การตั้งค่าเดียวกันนี้ใช้กับทีมผลิตภัณฑ์อื่นๆ ทุกทีมใน Oda และโดยพื้นฐานแล้วหมายถึงสิ่งที่เราหมายถึงการเป็นเจ้าของแบบกระจาย

การปกครองร่วมกัน: การแก้ไขเพื่อความสามัคคีและความสามัคคี

ด้วยการกระจายการเป็นเจ้าของ "ข้อมูลทุกอย่าง" เราช่วยให้ทีมของเราทั้งหมดสามารถเคลื่อนที่ได้ด้วยตนเองและรวดเร็ว แม้ว่าเราจะให้ความสำคัญกับอิสระและความเป็นอิสระสำหรับทีมของเรา แต่เราก็คิดว่าสิ่งสำคัญคือต้องปรับแนวทางปฏิบัติด้านข้อมูลของเราให้สอดคล้องกันในบางแง่มุม ให้ประสบการณ์ผู้ใช้แบบองค์รวมใน Looker โดยใช้ชื่อเดียวกันสำหรับแนวคิดข้อมูลเดียวกัน และใช้เทคนิคการสร้างแบบจำลองข้อมูลและมาตรฐานการเข้ารหัสเดียวกัน คือตัวอย่างทั้งหมดของสิ่งที่เราต้องแก้ไขในทีมต่างๆ ในระดับหนึ่ง ทีมสามารถปกครองตนเองและประสานงานได้ และยังมีองค์ประกอบของอำนาจภายในทีมที่เป็นเจ้าของโดเมนข้อมูลอย่างชัดเจน (Delivery จะตัดสินใจว่ายานพาหนะถูกเรียกว่า "ยานพาหนะ" และไม่ใช่ “รถยนต์” เป็นต้น)

เครื่องมือและโครงสร้างพื้นฐานที่ใช้ร่วมกัน

มีเหตุผลดีๆ มากมายในการจัดตำแหน่งเครื่องมือทั่วไปสำหรับงานที่คล้ายคลึงกันให้เสร็จ โดยทั่วไปจะมีค่าใช้จ่ายในการจัดหาและจัดการเครื่องมือ เนื่องจากเครื่องมือเหล่านี้มักต้องการทักษะเฉพาะทางในการผสานรวม ดำเนินการ และใช้งาน ต้นทุนส่วนเพิ่มของการเพิ่มผู้ใช้หรือกรณีการใช้งานให้กับเครื่องมือที่มีอยู่มักจะต่ำกว่าการซื้อใหม่ และเครื่องมือทั่วไปยังรองรับการเคลื่อนย้ายภายในอีกด้วย ใน Oda เป็นส่วนสำคัญของคำสั่งสำหรับทีมแพลตฟอร์มข้อมูลของเราในการทำความเข้าใจความต้องการเครื่องมือทั่วไปทั่วทั้งองค์กร และซื้อ สร้าง ผสานรวม และใช้งานเครื่องมือที่ครอบคลุมความต้องการเหล่านั้น

แนวทางที่ใช้ร่วมกันและแนวทางปฏิบัติที่ดีที่สุด

การมีแนวทางและแนวทางปฏิบัติที่ดีที่สุดที่จัดทำเป็นเอกสารเกี่ยวกับวิธีปฏิบัติงานที่คล้ายคลึงกันในทีมต่างๆ ช่วยให้เราลดความซับซ้อนทางเทคนิคลง ปรับปรุงความสามารถในการทำงานร่วมกันและประสบการณ์ของผู้ใช้ และลดอุปสรรคสำหรับการเคลื่อนย้ายภายใน ตัวอย่างของสิ่งนี้อาจเป็นหลักการตั้งชื่อ มาตรฐานการเข้ารหัส วิธีปฏิบัติในการจัดการข้อมูลประวัติ และจานสีมาตรฐานเพื่อใช้ในแดชบอร์ด

การเปิดใช้งานและการฝึกอบรม

ด้วยการจัดเตรียมการฝึกอบรมพื้นฐานเกี่ยวกับแนวคิดเกี่ยวกับเครื่องมือและข้อมูลของเรา เรามั่นใจว่าเครื่องมือ วิธีการ และแนวทางปฏิบัติที่ดีที่สุดของเรานั้นเข้าใจและใช้งานเป็นอย่างดี และเรามีความเข้าใจร่วมกันเกี่ยวกับแนวคิดข้อมูลที่สำคัญที่สุดของเรา เราจัดการฝึกอบรม Looker เป็นประจำ ให้การสนับสนุนเฉพาะกิจ และอำนวยความสะดวกแก่ชุมชนแห่งการปฏิบัติ ตัวอย่างเช่น ทีมแพลตฟอร์มที่รับผิดชอบในการจัดหาเครื่องมือการทดลองมีหน้าที่อำนวยความสะดวกในชุมชนการทดลองของการปฏิบัติที่ซึ่งผู้คนจากทั่วทั้งองค์กรมารวมตัวกันเพื่อเรียนรู้เกี่ยวกับการทดลองและตกลงเกี่ยวกับแนวทางปฏิบัติทั่วไป

สุดท้ายนี้ การเน้นย้ำถึงคุณค่าของการมีระเบียบวินัยด้านข้อมูลและข้อมูลเชิงลึกที่แข็งแกร่ง ซึ่งผู้เชี่ยวชาญด้านข้อมูลจากทีมต่างๆ มารวมตัวกันเพื่อเรียนรู้ แฮ็ค ทำงานร่วมกัน สร้างความสัมพันธ์ และสนุกสนาน การมีชุมชนข้อมูลที่แข็งแกร่งจะช่วยให้สามารถค้นหาวิธีแก้ไขปัญหาทั่วไป ผสมข้ามความคิดและแนวทางปฏิบัติได้ง่ายขึ้น รวบรวมแนวทางต่างๆ เพื่อแก้ปัญหาที่ซับซ้อน และร่วมมือกันเพื่อแก้ไขปัญหาที่ครอบคลุมหลายด้าน นอกจากนี้ยังมีส่วนสำคัญในการพัฒนาวิชาชีพของหลาย ๆ คน และในการดึงดูดและรักษาผู้มีความสามารถ

ร่วมกับหลักการอื่นๆ อีก 5 ข้อความเป็นเจ้าของข้อมูลแบบกระจาย การกำกับดูแลข้อมูลที่แบ่งปันมีบทบาทสำคัญในวิธีที่เราดำเนินการและพัฒนาแนวปฏิบัติด้านข้อมูลของเราใน Oda และเป็นแนวทางที่ทรงพลังที่สุดในการแก้ปัญหาข้อมูลตามขนาด โดยพื้นฐานแล้ว มันเกี่ยวกับการดูข้อมูลเป็นความสามารถ ไม่ใช่หน้าที่ และให้อิสระแก่ทีมผลิตภัณฑ์อย่างมาก

หากคุณชอบโพสต์นี้ คุณควรตรวจสอบบล็อก Oda Product & Tech Medium ของเรา สำหรับข้อมูลเพิ่มเติม คุณสามารถอ่านได้ว่าทีมจัดส่งเปลี่ยนจากข้อมูลเชิงลึกเป็นศูนย์ไปสู่การทำนายเวลาให้บริการด้วยโมเดลแมชชีนเลิร์นนิงได้อย่างไร และวิธีเสริมศักยภาพให้กับวิทยาศาสตร์ข้อมูลแบบ End-to-End ใน Oda ด้วยแพลตฟอร์มวิทยาศาสตร์ข้อมูลของเรา