数据分析，如何帮助企业实现降本增效？

降本增效是企业永恒的主题。尤其是近几年疫情给企业带来的挑战和困境，及时发现自己的薄弱环节，找到降本增效的方法成为当务之急。今天小智就从大家关心的数据分析方面说一说，企业在数据分析中如何摆脱困境并修炼内功，从而快速实现降本增效。

作为数据团队的领导者，笔者了解数据和分析有三个主要问题：准确无误地向客户提供洞察，快速将新想法投入生产，同时将费用降到最低。这三个目标是相互关联的，对任何数据团队的成功都至关重要。实现这些目标需要团队做出协调一致的努力，对目标有明确的理解，最大的挑战是同时完成所有操作。

向客户提供准确无误的洞察力，对于任何数据团队的成功都至关重要。

客户依靠团队提供的洞察力来做出关键的业务决策，任何错误都可能产生重大后果。团队必须确保他们所使用的数据是干净和准确的，并且从中创建的分析是严格和可靠的。数据可观察性则成为首要任务，团队要有稳健的流程，以确保数据正确无误。团队需要检查的不仅仅是原始数据，他们还需要检查集成数据和使用这些数据的任何工具产品（例如，Tableau、PowerBI等BI工具）。

与产品制造一样，发现和减少错误是数据和分析制造成功的关键。制造生产错误是指在制造过程中发生的错误或缺陷。这些错误包括不正确的材料、机器故障或人为错误。这些错误会对最终数据产品的质量、可靠性和及时性产生重大影响。数据分析的日常生产也是一个制造过程。DataOps可观察性是现代数据驱动组织的一项重要实践，可确保对制造过程的实时洞察。DataOps可观察性是指对数据状态、数据管道、数据工具和其他系统的实时监控、检测和诊断。如果没有这一基本能力，数据团队将花费时间寻找问题和“灭火”，也没有时间构建和部署新的、有价值的数据分析产品。

智领云自主研发的，市场上首个可完全在Kubernetes上部署的容器化云原生大数据平台–Kubernetes Data Platform（简称KDP），就具备这样的数据可观察性。其可观测性服务功能，即提供大数据组件及其执行的Workload日志，性能/稳定性的指标监控和报警，计费及审计功能。支持批处理任务，二级调度任务及各种数据层面的指标，实现全局指标观测、搜索与告警。

当数据团队有时间构建新的分析产品时，快速将新的想法投入生产也是任何数据团队的关键目标。

商业世界在不断发展，团队必须能够对不断变化的环境做出快速反应。团队必须敏捷灵活，能够快调整并适应新的挑战。这需要一种创新、实验的文化，以及承担风险和尝试新方法的意愿。团队必须愿意快速失败并从错误中吸取教训，快速迭代以改进他们的技术。仅仅快速部署到生产中是不够的，团队需要降低部署失败的风险。没有什么比部署破坏有价值的有效分析的更改更昂贵的了。假设你雇佣了一位聪明的22岁大学毕业生，顶级软件团队通过这些初级工程师在第一周修复小错误的能力来进行基准测试，而这并不是因为他们信任这些新手，是因为软件团队已经建立了一个回归、功能和其他影响测试的系统，这些测试会自动向初级工程师反馈系统更改成功与否。数据团队需要具有相同的基准测试能力。

智领云云原生DataOps，通过自动化、面向流程的数据分析方法，将人员、流程和技术进行结合，极大简化数据管道并提高数据运营效率。

最大限度地减少“洞察制造”费用是第三个目标，通常与前两个目标相矛盾。

正如Gartner所说：“以数据运营实践和工具为指导的团队的生产力将是不使用数据运营的团队的十倍。”团队必须找到减少错误和快速部署的方法，而不会产生不必要的成本。这需要深入了解数据分析的成本驱动因素，并愿意找到创造性的解决方案来降低成本。任何数据分析团队的最高成本都是团队中的人员。当你的团队被要求回答另一个商业问题时，你不能一直雇佣更多的人！如何让你的团队更有效率？生产力不是通过每个数据工程师或科学家的手指来实现的；它来自于围绕这些工程师构建一个系统，使他们能够以最小的错误运行生产，并以低风险快速将新事物投入生产，从而专注于让客户取得成功。

团队领导者必须提供明确的方向和期望，确保每个人都朝着相同的目标努力，团队领导者还必须培养信任和尊重的文化，赋予团队成员对工作的所有权，并鼓励合作和知识共享。衡量这些目标对成功非常重要。正如谚语所说，你无法改进你无法衡量的东西。团队必须是数据驱动的、敏捷的和创新的才能实现这些目标，当然能够跟踪改进是至关重要的。

智领云的云原生DataOps、云原生大数据平台等产品，均能够为整个团队和系统的性能提供宝贵的见解。

与团队内部观点相平衡是处理客户期望的挑战。这些期望可能看起来不合理，但只要对商业客户感同身受，就能在他们的期望范围内取得成功。客户自然会有不切实际的要求，他们通常认为自己需要的数据应该像一个永远不会关闭的公用事业一样安全、一致地被提供。接下来，我们将讨论这些客户的期望，并探索有效管理这些期望的方法。

数据客户认为你的团队必须：

• 像一个实用程序一样，一切都是安全可用的。
• 在一个小时内创造新的见解，因为这并不是那么难。
• 成为一个能快速完成人物的魔术师

…否则就不会被说服

数据客户通常期望数据分析与实用程序一样可靠。他们希望一切都是安全可用的，没有停机或中断。当你家里停电时，你高兴吗？没错你希望它能一直工作，你的数据分析客户也是如此。然而，生成数据分析是一个复杂的过程，需要处理大量非结构化和混乱的数据，以及数据工具和技术的脆弱混合。在这种背景下，你永远无法与客户设定现实的期望来管理这些期望。再多的关于数据分析过程和可能出现的潜在挑战的教育也不会阻止他们发表这种观点。他们总是会想：“我第二天就可以从亚马逊买到一个盒子，那么为什么我们的内部报告不能每天早上9点准备好呢？”

另一个普遍的期望是，新的见解可以非常迅速地被提供出来。他们询问了许多关于数据的问题，这需要改变制造过程，并正在迅速寻找答案。数据往往是他们正在处理的复杂决策过程的一部分。我能换一下吗？它行得通吗？它有投资回报率吗？我可以在内部销售吗？对他们来说，数据分析是一个需要时间和精力才能产生的复杂过程，这一事实无关紧要。你知道，匆忙的过程可能会导致不准确的结果，并可能损害数据分析团队的可信度。再多的数据分析过程和产生准确结果所需的时间教育客户也不会改变他们的想法。

最后，客户通常将数据分析视为魔法。他们希望数据分析团队能够快速解决复杂的问题并产生结果。这种期望可能很难管理。因为忙碌且压力巨大的商业客户没有时间或精力去关心。他们有很多让你的团队看不到的挑战，也可能无法理解我们的数据、代码和分析技能。再多的数据分析过程和产生有意义的见解所需的技能教育客户也不会改变他们的想法。事实上，他们将你的数据团队视为是一帮魔术师，这既是一种赞扬，也是一种诅咒。

那么，如何应对这些与客户的代沟呢？你的团队如何在有效管理复杂流程的同时满足这些期望？数据分析团队应该对他们的方法保持透明，并以一种可理解的方式向非技术利益相关者传达他们的发现。此外，数据分析团队应强调产生准确结果所需的努力和专业知识，并证明数据分析可以为企业带来的价值。同理心是双向的——试着从客户的角度来看世界，而不是以那种厌倦的“他们就是不明白”的态度。当然，数据团队应该使用DataOps自动化和可观察性工具来获得优势。

数据分析的问题是，准确无误地向客户提供见解，并快速投入新想法，同时最小化开支。为了实现这些目标，数据团队必须具有数据驱动性、敏捷性和创新性。这听起来似乎很难，但现在通过DataOps的可观测性和自动化就能战胜这些挑战。智领云正加速解决这一复杂的“对立且统一”的进程，通过自身的产品、技术与方法论，在数据分析方面，快速帮助企业实现降本增效。

作者 | Chris Bergh|，2023年3月8日

翻译 |June