中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

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：

1. 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。
2. 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。
3. 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？

1. 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。
2. 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。
3. 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！