告別瑣碎工作:數據項目,讓你的職業發展更上一層樓
日常碎片化式的數據工作模式,對組織價值貢獻有限,對個人成長更是不利。如果瑣碎的數據工作占據了工作中的大部分時間,便需要停下來思考優化了。本文作者分享了如何“把日常工作項目化”的方法,即通過參與、主導“數據項目”,讓工作上價值,讓個人有成長,一起來看一下 吧。
數據崗越來越卷了。
一方面,大量人才在涌入數據領域;另一方面,大部分企業的數據崗并沒有非常清晰的職業上升通路;此外,我們也無法回避——日趨成熟的AI對部分初級數據分析崗的沖擊和優化已是必然趨勢(《哪些數據崗會被chatgpt們取代》)。
如果你每天你的工作中:90%的時間花在跑SQL/攢EXCEL粘貼成PPT播報給領導,或者忙不完的建表、接口、調度;亦或階段總結時候,你總是在統計響應了多少個需求/上線了多少報表/調整了幾個模型/運維了多少個BUG——那你應該停下,來好好思考一下了。
不是說這些工作沒有必要,而是說,長此以往碎片式的模式工作,對組織價值貢獻有限,對個人成長更是不利。
所以,我今天想和大家聊聊,如何“把日常工作項目化”。就是通過參與、主導“數據項目”,讓工作上價值,讓個人有成長。
01 什么是數據項目
首先,說說什么是數據項目。
數據項目是基于數據資產、利用數據相關方法論,來解決特定問題的、有時間和范圍邊界的任務組合。隨著企業數字化轉型的深化,企業內的數據項目越來越多了,例如業務分析型項目、數據挖掘類項目、BI類項目、數據治理類項目、數據平臺建設項目等等。
其次,數據項目和其他項目有什么不同?
數據項目,首先是一個項目,適用于PMP相關理論;但同時又基于數據要素來達成目標,有自己的獨特性:
- 數據驅動:不同于其他IT項目,數據項目以數據為原材料,通過對數據的采集、整合、加工、分析、挖掘、應用,來實現商業價值的創造和增長。
- 需求不確定:數據項目需求通常會更復雜、更模糊和更具有不確定性,不僅前期需要更大量的溝通,而且項目需求變化頻率也會比較大。
- 交付周期:數據項目的交付周期比一般IT項目更短,用戶的響應周期期望也越來越高。
第三,數據項目和數據日常工作有什么不同?
- 目標不同:日常工作是保障數據基礎工作穩定運行、滿足日常數據使用;而項目制工作要實現特定價值輸出和成果輸出。
- 周期不同:日常工作是固定的、重復性的、常規的;而項目有頭有尾、需要閉環的。
- 機制不同:日常工作按照固定流程、規范操作做就可以了;而項目制大部分是要解決新問題,通常需要根據具體情況來創新。
雖然數據日常工作和數據項目有很多不同,但也有緊密聯系。日常工作中特定的痛點、難點、問題點可以升級為一個項目,去擊破;而項目工作完畢后總結的方法和規律,則可能變成日常工作。
02 為什么日常工作之外要做數據項目
可能有人問,我就是初級數分或者數據開發,并不是項目經理;而且我服務內部,不是乙方需要對外交付——我日常響應需求就好了,為什么還要關注項目?
而我想說,如果你不想一直做初級選手,那就一定要做項目。日常工作是基礎、是底線,但做項目,才真正可幫助我們拓展技能、提高能力、為企業和客戶創造顯性化的價值。
向外看,翻翻各個數據崗的高端招聘,哪個不會要求“有數據項目經驗者優先”?工作幾年了,你簡歷上的“項目經歷”又該如何填充、提煉?向內看,做升職評審、年度評優,哪個單位又不是以項目來進行申報、來進行評價的呢?
因此, 從底層邏輯上說,【做項目】這是一種思維模式和做事方式。不論項目大小,只要用“項目管理”的模式來做,就會有不同的視角、不同的收獲,從而產出更高層面的價值。
03 數據項目的分類和特點
那么企業中常見的數據項目有哪些?分別有什么特點?實施步驟包括什么?
1)數據平臺項目
這類項目是從零到一或從1到N搭建組織的數據技術底座。如數據倉庫、數據湖、大數據平臺、主數據系統、數據資產管理平臺、數據門戶、BI工具的建設和迭代。項目產出是數據專有的平臺和系統。一般項目主責人是技術團隊。項目也會按照信息化建設的路徑來做,如需求、開發、測試、上線等。
2)數據資產管理/數據治理項目
這類項目是通過數據治理/數據資產管理方法論,解決企業整體的或某一領域的數據質量或合規問題。項目的產出通常是一套數據標準、數據管理制度、數據管理流程、或在上述保障機制下形成清潔數據。過程包括確定目標和范圍、確定治理結構、制定數據標準和管理流程、實施治理方案、監測優化等。
3)數據報表/可視化項目
占比最多的項目,旨在通過BI工具,利用已有的數據來開發報表或可視化駕駛艙。項目產出通常是指標體系、各類報表、駕駛艙BI等。過程包括需求、方案設計、報表開發、數據測試、上線等。
4)數據分析項目
占比也非常高。是通過已有的數據,利用商業模型或算法模型,解決特定業務問題。產出通常是數據分析報告或可被調用的API。步驟包括確定問題、收集數據、探索分析、建立模型、分析解釋、出具建議、應用優化等。
04 數據項目的重點和難點?
不管是什么樣的數據項目,結合第一部分談到的數據項目特點,我們在開展數據項目時要特別注意如下幾個方面:
1)需求和范圍
項目目標不能僅僅是“完成一個報表”、“建設一個平臺”,而是要和業務價值進行緊密捆綁!在立項時候務必清晰兩個問題,一是目前業務到底有哪些痛點,通過這個項目,到底在效率提升、決策提升、成本降低、風險降低上可以得到什么具體改善?二是這些痛點是通過這一個項目就能解決嗎?是否需要分步驟各個擊破,我先做哪一部分?確保需求充分共識。
2)項目組織
如同其他項目,項目要畫出所有干系人的組織架構圖。業務方、數據團隊、系統建設團隊、流程團隊,管理層,彼此都是什么關系?還有哪些隱性的干系人?誰應該主導這個項目?誰分別負責哪部分內容?防止后續只是為別人做嫁衣或者成為背鍋俠。
3)風險管理
數據項目的主要風險有三個,其一是數據質量;其二是數據安全;其三是是否對齊業務價值。這三個要在一開始的調研中都做好現狀清楚。
4)復盤和價值評估管理
這是和日常工作最大的不同。項目一定要總結和復盤。總結寫給領導和需求方,復盤寫給自己。這樣才能不斷的萃取通用的方法,不斷提升。
05 寫在最后
可能有小伙伴說,我還是日常螺絲釘工作,并沒有機會做項目怎么辦呢?這里教給大家一個小技巧:自己提需求 + 設計解決方案 + 提煉價值 + 總結復盤。
比如對于一個跑數表哥,完全可以基于過往取數常見痛點,開展一個小專項——通過一段時間的體系化研究,來徹底改善這個痛點,并總結輸出價值并沉淀方法!
希望在數字化建設大潮中,數據小伙伴都能通過大量“數據項目”錘煉,沉淀能力,在職業發展中越走越高!
本文由 @一個數據人的自留地 授權發布于人人都是產品經理,未經作者許可,禁止轉載
題圖來自 Pixabay,基于 CC0 協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!