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

進入職場后，職場新人常有的問題可能是不知道如何提問，又或者是不敢提問。這篇文章里，作者就結合他人在數據行業領域的提問做了案例分享，不妨來看看本文的講述和分析。

最近在星球里回答了球友提出來的一些問題，我都給了回復，不經過在明確問題、探索問題的過程，對我啟發挺大，特此來記錄下感受和感悟。

緣起

最近新加入球友提的問題，有幾次，我第一時間沒看懂，甚至覺得有點奇怪。

怎么描述這種感覺呢，打個不恰當但方便大家理解的比方，經過培訓，我學會了做咖啡和做豆漿，并能解答如何制作這兩款飲品的提問。

而在我的視角里，球友的某次提問是：請問怎么用咖啡機做豆漿。

比如，當被問到如何構建用戶畫像、標簽體系，我會從經營分析的指標講解到數據洞察需求，然后再講解到標簽，再往下拆解標簽和指標的關系。

如果問，怎么做數據倉庫/怎么給數倉分層，那就可以講解事實表、維度，構建數據倉庫的四個步驟，數倉分層的原因，任務調度，血緣依賴等。

經過長期學習和實踐，我所掌握的知識和術語體系算是體系化的，不同場景的問題，可以用對應的術語體系結合案例講解方法論。

而當不按我所理解的常理出牌的問題出現，一下子就把我給整蒙了，?。窟@是怎么搭配到一起的？

不過，回答這樣的問題反而能發現大家對于知識理解和學習的狀態，或許，這才是大多數人剛進入新領域的常態。

通過溝通和交流，我收獲了不少，分享給你們~

一、提問和解答的紀實案例

案例1

球友提問：

主數據和事實表的標簽怎么打。

聽到這個問題我的反應是，嗯？主數據和事實表這倆好像不是同一個維度。這到底是要干嘛？問題描述所用的詞和概念都錯配了。

這位球友加入星球時，有聊過自己所處的行業背景、工作經歷、工作內容，正在做數據資產管理。但是我還是得回到問題現場，通過溝通確認：引發提問的真實問題是什么，以及提問的原因。我問，這個問題的背景是啥？球友回復到：

1、是在做資產管理，用標簽，所以才問的ODS，

事實表，主數據我們是存在不同的庫里面，ODS就會有來源業務系統、數據庫類型這種標簽，事實表就是多級業務域這種標簽

2、現狀問題怎么用這些標簽已經設計了，無非就是淘寶那種多級目錄篩選。

但目前考慮只在后臺表存，不做標簽管理系統

3、遇到的問題目前開發沒做過標簽管理，覺得這種關系挺復雜的。

我又想以后考慮設計標簽管理產品，所以想提前把這個標簽的模型想清楚，也就是標簽怎么存儲、后面管理標簽怎么設計

經過溝通我才明白了，球友考慮的問題是多個領域結合的。更重要的是，這段的表述和我腦子里的概念、術語體系，沒匹配上。如果我來描述，我可能會用【表的元數據】去描述，而不是【主數據、事實表的標簽】我做了一些回復，如下：

挺有意思的問題。

主數據，事實數據，好像不能 MECE。我們來捋清楚這兩個維度的概念。

先說事實表。

數據倉庫里的事實表是指各個主體發生的行為事實記錄。用戶注冊，用戶登錄，用戶瀏覽，用戶收藏，用戶加購，用戶下單，用戶支付（更多的就不列舉了），全都是用戶這個主體發生的行為動作，都是事實我們可以對一些事實進行度量，也就是定義一些指標。

用戶登錄次數、下單次數，這是行為層面的度量。還可以從時間、金錢進行度量，比如，用戶瀏覽時間，用戶下單金額。當然，你也可以把度量換成另一個詞，指標。主體和主體發生的行為，以及對行為的度量，就構成了所謂的事實表。

再說主數據。

主數據的概念，是基于信息交換保證數據的一致性而提出來的，可以理解為，向誰對齊，以誰為準。比如，一排人，站的前后位置，向右看的時候，跟最右邊的人對齊，那么最右邊的人所站的位置，就是其他人所有人的參考和標準。那萬一，另排的標準定的定的是向左看呢？整個方陣，就可能對不齊了。

主數據，是大家協商以后，選定出來的。比如，用戶信息，商品信息，訂單信息，這些數據對不齊，不一致，公司連最基本的賬都沒法算了。大家一致覺得，用戶信息表、商品表、訂單表是很重要，要對齊的，就把它們定為主數據，確保數據的一致性，所有的系統用到這塊數據，都要向主數據對齊。

可以看出來，事實表和主數據是有概念交集的，比如，用戶注冊事實表可能是一個主數據，各個系統都要使用用戶最基礎的信息，比如，手機號，性別，年齡，注冊時間等。

最后，再說打標簽。

打標簽，是在一定程度上減少信息，用非常簡單的標簽詞，來進行代指。比如，小紅書上很火熱的 MBTI ，I 人和 E 人，代指的內容很多，但是只要大家亮出自己的標簽，那么能夠快速給人一個感覺，你是性格開朗，還是性格內向。

但是，如果細究，你會發現，怎么量化這個開朗，有多開朗，就需要更加細致的事實案例來證明，比如，參加了多少次陌生人社交活動，主動加過多少人，主動發言的次數。對表進行打標簽，也是一樣的。核心是要看，標簽用在什么場景，大家現在習慣用什么標簽來定義表，以及找到這些表。

如果說是對表進行標簽類目管理，可以考慮兩個標簽，是否主數據，是否事實表。業務域、業務過程、主題、所屬分層，是可以給事實表的標簽。主體類型，重要程度，是可以給主數據打的標簽

我以為講解完主數據、事實表的概念和區別問題就結束了，不過球友繼續問如何打標簽，然后我們繼續探討如何打標簽。案例2球友繼續補充問題：

針對最后兩句中，提到的主數據和事實表的標簽。這兩類標簽，相當于通過2個標簽的取值來判定是否添加，這兩類標簽相當于跟這一個標簽之間有關系了，這個關系算作標簽樹嗎？還是僅僅是標簽關系，或者是標簽模型？在做標簽定義的時候，要每個都單獨定義，還是做成分叉樹呢？

我其實蒙了，問這干啥？怎么還提出來分叉樹了…好在，我反問了下：對于標簽關系，和標簽樹，你的理解是怎么樣的？球友回復：

標簽樹，我理解就是一級標簽、二級標簽這種，比如，一級標簽是表分層，值如果是事實表，二級標簽就是業務域，三級標簽是子業務域，但這個好像不太對；標簽關系就是，標簽只有一級，都是并列的，但業務域這種標簽會跟表分層這個標簽綁定關系，關系要單獨建

我回復到：

如果標簽不多，沒有邏輯層面的層級分類關系，直接打平、打散，就好了。如果標簽很多，可以按照維度去拆解和細分，構建標簽體系樹。

標簽的分層、分級，跟組織架構類似，是有邏輯關系的。比如：事業部、歸屬事業部的一級部門、歸屬一級部門的二級部門這個跟數倉里面的業務域、子業務域其實也是類似的。關鍵是，怎么劃分業務、子業務呢？仁者見仁智者見智了。

球友提問：

結構化標簽體系樹 跟 標簽類目 應該是兩個概念吧類目，應該是這個標簽屬于哪個分類，比如地址信息，下面會有國家、省份、城市，他們都屬于地址信息這個分類下，但同時，國家-省份-信息 構建的時候是一個結構化的標簽樹。

聽到這個問題，我又蒙了，這說了個啥問題呀，我怎么又沒聽懂？但我還是回復了，還給了建議（甚至還洋洋得意地舉了微信標簽作為案例）。

標簽體系樹、標簽類目，在我個人看來，差不多。

我覺得，你不必過多糾結這些概念了，帶入場景案例去思考才比較好，以及通過真實的案例去解釋這些概念，才是比較好的學習模式。就好比，我問你，什么是標簽。你能列舉出來N個案例，那你大概理解標簽了。

但是，如果你說，標簽有3種，屬性標簽、規則標簽、算法標簽。那可能還是在套概念，那如果繼續追問，什么是屬性標簽？如果你回答很抽象，給我舉例并不是你在項目里經歷過、在生活里經歷過的標簽，那就是沒實戰，還停留在概念套概念階段舉個例子，微信好友是可以打標簽的吧~這種標簽，是扁平化的標簽，沒啥邏輯關系的，對吧。

拋開標簽，設置朋友圈權限的時候，是否對她可見、是否看他，是不是標簽？其實也是。為什么要設置是否可見？因為有的人不想被其他人看到，或者不想看到別人的發。為什么要設置標簽？因為可以批量地對這些標簽里的人進行設置。發朋友圈，直接勾標簽。

球友回復：

嗯，就是在想一個問題，比如，我拿到一個表，如果我定義2個標簽 業務域和業務子域，我知道它兩個標簽的值，我未必知道這兩個之間的關系。

我還是蒙的，因為不太知道這個問題的場景是什么？我讓 ta 繼續展開說說（后面我才明白）球友回復了一張圖：

比如這個，在類目基礎屬性下，有國家、省份、城市、縣區標簽，是平的，沒有結構。標簽存儲的時候，就是四個標簽。有另一個地方，才會存這四類值的關系-這個關系，我在創建標簽的時候，可以不考慮，只要說明是從哪個值來就可以，在檢索的時候，才會調用這個關系，去查。

我當時看了下，沒細想然后回復了：是的。你可以去了解下層次維度。后來，又重新看了下問題，又捋了捋，舉例說明了下。

之前讓你看層次維度。層次維度里，典型的案例有兩個：地區維度，時間維度。在創建標簽，是可以不管標簽的值是怎么來的，以及標簽之間的邏輯關系是什么。

但是，如果要按照國家、省份、城市進行匯總統計的時候，必然要知道，國家-省份、省份-城市、城市-縣區之間的層次邏輯關系，不然沒辦法判斷標簽值是否錄入錯誤了。比如，有個人的這四個標簽值是：中國、北京、北京市、海淀區，這個邏輯是對的。如果他的標簽是：中國、河北省、北京、海淀區，那就不對了。那么按照省份/直轄市匯總北京、河北省這兩個地區的指標（比如，人數）時，就會匯總錯誤。

二、我的感受和感悟

這么長的問題溝通過程能看下來，看下來不容易，感謝~！

不知道看完你的感受如何？

復盤來看，我覺得球友提出的這些問題，提得很好。在解答問題的過程里，也啟發我不少，細講一下。

1. 沒有絕對的好問題，敢于提問就很好

如果你也是數據行業從業者，回顧下自己的學習過程，就能理解提問的難。在數據領域，抽象概念和術語體系本就很多，想提問都不知道怎么提。

我剛接觸數據產品的時候就是這樣，弄個元數據、元元數據/元模型、元元模型結果被弄得懷疑人生。我當時也是問了很多人，用各種方式提問，看了很多資料和案例，才稍微明白一點。

看了《學會提問》，我學會的不是提問的方法，而是批判性思考，面對問題要多思考，多探究，探究不下去了，就及時提問。

沒有傻問題，胎死腹中的問題才是最大的問題?？M繞在你腦子里的問題，因為不敢提出來，所以并沒有得到很好的解決，你對世界的感知依然是抽象的、模糊的，而不是一個一個具體的案例。

2. 不知道怎么說，那就帶著別人一起看“現場”

從上面的案例里，你也可以看到，當我不知道球友到底在表達什么的時候，我都讓ta展開說說，舉例說明。當ta列舉了案例和背景之后，我就大致明白到底說的是啥了。語言是抽象的，而且，很多人在被專業的術語、概念、流程教育、甚至是馴化以后，反而不知道怎么用最簡單、最接地氣、人人都能理解的方式進行表達了。

肚子餓了要吃飯怎么表達？用英文呢？I am hungry。如果用西班牙語、俄羅斯語呢？況且，英語要吃飯，還可以說 I need food，還可以說 I am starving(我快餓死了）,不會用語言表達的時候，就用身體語言（Body Language）或許很高效。用手指指著嘴巴，或者做個往嘴里扒飯的動作，別人或許就懂了。

當我們還沒有嫻熟地掌握最貼切的名詞、形容詞來進行表達，對方不懂我們說的、理解不了是很正常的。作為咨詢者，聽不懂別人說的也很正常，既然聽不懂，咱們可以直接到問題現場觀察，反而能快速診斷發現問題。

3. 人生而不同，本不存在什么放之四海而皆準的話術體系

每個人都有屬于自己的觀察、理解、思考、表達習慣，只有通過學習、溝通和碰撞之后，才會矛盾、沖突之后，慢慢和其他人達成一致。

有的人能力超群且德高望重，則可以引流潮流，制定術語標準，但這畢竟是少數。多數人則跟隨標準和潮流，為的是對齊，核心是提高溝通效率。

我也逐漸知道，當我沒了解問題時就胡亂回答，大概率是答非所問，想要回答清楚，必須幫忙先捋清問題背景。

4. 少扯虛頭巴腦的概念，概念套概念，多講案例，這才是真的懂了

在我不了解元數據，不了解標簽之前，這些概念對我來說，就像是考試背的知識點。元數據是解釋數據的數據，標簽是從業務角度對數據進行的描述。

嗯，多看幾次，然后呢？能解決實際問題嗎？并不能。只有當你把這些概念用起來，結合工作、生活的案例理解清楚，你甚至可以不用知道這些概念的標準定義，直接上手解決問題，你就是牛的。

5. 面對提問，多點耐心，教人是重新學習的機會

教是更好的學，在這么多年的學習、教學過程里，我接觸到不同行業的人，發過的內容也被不同的人Diss、Challenge（有很多人吐槽內容不行、很虛了，哈哈哈）

面對問題，不泛泛其談，而是多積累問題和案例，多洞察自己同行解決問題時的情緒，時間久了，同理心也就出來了，玻璃心也少了，在咨詢和幫助別人的過程里，我學到的知識就更多了。

當自己能把一個案例講好，幫助一個具體的人弄懂一個非常具體的知識點（對方反饋，我終于聽懂了），會非常開心。當然，如果這個提問能給我帶來更多的價值回報，我會更有動力，人性趨利避害。

三、最后

1. 不是你腦子很亂，而是你想解決的問題很多

相對于信息爆炸的世界，語言所能表達出來的內容就像是滄海一粟，書到用時方恨少，盡力表達就好~

2. 不是你提問不好，而是別人不懂你的提問

沒有蠢問題，而是沒碰到對的人，或者對方沒耐心了解你的真實問題。你是問題的負責人，不要因為被拒絕被否定就質疑自己，找到對的人提問~

3. 不是你不行，而是你沒有踩上風口

這個世界是結果導向的，能抓到耗子的就是好貓，我們會面臨很多問題，但是有這些疑問和問題并不是我們不行，而是沒有合適的實踐機會，保持好奇，等待機會~

讓我們彼此尊重，一起探索有價值的問題。