2020/08/24 — 沒想到測試工程師也能對數據略懂略懂
文章開頭就破題，讓我們可以勾勒出資料分析師職涯的三個層次。
合格的分析師呈現數據，良好的分析師提出具體建議，優秀的分析師會提升團隊治理之道。
但在分析數據前，必須要確保數據埋點跟「公司戰略」方向一致、有確實整合埋點工程。
統一的成功指標
若目前公司的戰略方向是「增加新用戶成長 5%」，為了吸引新用戶，戰術上計畫開發的新功能 A，則埋點指標除了看「有沒有人用？」，更要看「有多少新用戶來用？」、「使用此功能內，新用戶使用的佔比應該佔 50% 以上」這類面相。
只看「有沒有人用」可能會陷入零和遊戲的窘境，即使用量很多，但也許只是將既有用戶的使用習慣導來使用功能 A，而不用舊功能 B，對公司營收成長沒有幫助，等於是白花工時跟工資。
確實整合埋點工程
數據並非想到就會有得撈的，有得撈的數據也不一定值得信任，必須要確保有埋且埋得正確，整體數據還可以被查詢表單視覺化。
每一條向量線的轉換都有一關關的自動化測試，如：
- 確保「 App 送給 Server」的埋點沒有掉、或是誤植
e.g. App 改版中不小心刪掉這個埋點 - 確保收到的資料的資料格式有符合規定、正規化過，寫入資料庫
e.g. 不會有無效格式內容、未來時間
確保「資料流」和「埋點目標」沒問題後，才開始進行「資料分析」。
合格的分析師呈現數據
合格的分析師會撈資料並統整數據
- 今年營收多少？
- 比去年高多少？
- 當地市場銷售量多少？
合格的分析師針對老闆各面向的問題，都可以信手拈來。
良好的分析師提出具體建議
良好的分析師會根據數據跟實驗提出具體建議。
- 根據 A / B Testing 的實際數據觀察 B 的效益高，而建議使用 B 方案。
優秀的分析師會提升團隊治理之道
優秀的分析師在執行專案時，時時刻刻都會以第三人的角度檢視流程，看可否降低各個環節的處理門檻，提高處理效率。
想辦法讓別人複製自己會的技能
舉凡「設計埋點」、「驗證埋點」、「查詢數據」等工作流程模組化，設計平易近人的 Training Book，並公開透明化這些數據跟查詢方法，讓公司內部同仁可以因為技術門檻低，而可隨時自行查詢數據來回應自己的疑惑。
當這樣各種公開透明的文化下，會造就好的團隊氣氛，加速成員進步速度，加速開發迭代，加速成功！
好的團隊氣氛，是成功的加速器
沒有笨問題，只有共同解決問題！
- 因為決策透明，公司員工可以第一時間知道公司的策略方向，把時間跟力氣放在如何開發、創造對公司最大效益的產品。
- 因為「Work Smart」文化，只要可以達到相同效益，不需看誰加班加得晚，鼓勵員工多進修學習，應用新方法來解決問題。
- 因為樂於分享，大家會彼此分享新的所學，可以一起打團體戰。
整體員工的技能變高、工作開心、工時產出效益變大，受益者絕對是公司！何樂而不為？
結語
雖然此文環繞著在處理數據分析團隊的工作流程跟文化，但其實他的脈絡是一直環繞著「好的做事方法」。
- 必須知道
WHY — 要解決的問題是什麼？
HOW — 該怎麼做？
WHAT — 做什麼？ - 確定一致認同的目標（就跟 Scrum 內每個 Story 的 DoD 一樣）
- 每個工作流程最好可以自動化，透過 Pipeline 減少人為錯誤的機會
- 崇尚公開透明、樂於分享、了解其他人的工作內容，不侷限自身事務
- 時時刻刻致力於讓處理流程可以處理更大規模的量，盡量讓事情都給機器做，不能給機器做的就降低門檻，讓做的人變多，
這樣做事情會變得開心，將時間釋放出來去接觸、應用新知。
工作也會因此開心許多！
延伸閱讀
