bi是什么意思员工bi是什么意思( 二 )

另外，上述业务线的数据工作，在中台都有对应的基础设施支持，比如报表、分析对应的是BI平台（如metabase），这也是中台本身的意义。只是不同阶段可以做到不同程度，不需一蹴而就。
03 分工与流程
1. 数据团队内分工（“不为人知的data engineer”）
需要做数据工作，直接招NB的data scientist就行了？
实际上并不需要。如前述，中台/基础设施先行于业务线，需要有data engineer 。data scientist所做的一切工作都需要有data engineer把ETL、调度等工作做好。
因此，数据工作的分工是data scientist -> data engineer 的前后关系，两者不可或缺，类似于应用开发前、后端的区分。当然，类似于全栈应用开发，数据也可以有全栈，不过更适合data engineer往前走，数据的质量更有保障。
2. 数据分析师如何和各团队合作（“怎样让data scientist发挥真正的作用”）
通常会出现2种情况：
专门招data scientist, 让他直接出dashboard，报表，提供各类分析结论
招了数据分析师，每天接临时提数需求，这个数据查一下，那个数据查一下，或实现各类定义好的奇怪的指标
这2种做法都有问题。前者data scientist花很多时间、精力熟悉业务，做出来的东西太浅显没啥用；后者招不到厉害的人，流失通常很大（除非钱非常多），业务侧也要花很多时间想需求，不知道一些问题在数据上有更好的解决方式。
更好的方案，是刚开始由业务专家为主，制定各类指标、方案，data scientist主要负责实施、学习（同时也进行系统、业务调研），然后逐步交由data scientist负责发现、分析问题，从专业的角度对业务线提供建议，临时提数的工作应该只占一小部分。在这个过程中，DS embed到业务线中，同时也属于数据团队，负责评审代码等。
这个叫empowerment 。出现这类问题的原因是一些公司采用传统的IT分工方式，把DS作为IT接需求（传统银行如此）。一些公司更大的问题是产品团队都没有empower，老板说什么做什么，也是一样。
这样的结果，一方面，早期能有快速产出；另一方面，长期有真正理解业务和数据的人，主动发现、分析业务线上的问题，员工也能有所成长。而且，因为有ownership，最终产出的质量也会好很多。
04 数据产品经理做什么？
如上所述，数据团队主要是data scientist和data engineer, 那（数据）产品经理做些什么？
可以是架构图中的任何一个部分，最好的是数据产品、功能（尤其是标灰的搜索、AI等），因为其重要性，是必须要做好的，因此会有更好的数据基础设施，而不是nice-to-have 。
另外较常见的是大公司数据中台中的各类产品（类似于内部的Google analytics, Metabase），因为这些本身就是产品了，或者本身就是做这类saas服务的公司（最好的是阿里数据团队和阿里云）。
【bi是什么意思员工bi是什么意思】典型的例子，是以前认识的一个知乎的PM大佬。知乎首页的信息流v1就是他做的（及答案排序），这些都是产品的核心体验，必须要有产品负责。做好了预研、定义好了目标、指标后，算法工程师也才能更好的实现，否则业务上一些数据欠考虑的点团队没有理解清楚，就始终会有疑问（比如是否是针对“标题党”类内容进行的优化，舍弃了内容的质量）。
需要注意的是，数据PM不是BI 。数仓、数据的架构和管理，由数据架构师、数仓工程师负责的；数据PM需要懂分析数据，但并不专门分析数据（由数据分析师负责）。比如，要做Google analytics的PM，自然要非常了解数据分析，但核心依然是做有价值的产品给用户使用。

bi是什么意思 员工bi是什么意思( 二 )

bi是什么意思员工bi是什么意思( 二 )