知识吧 知识资讯 告别琐碎工作:数据项目,让你的职业发展更上一层楼

告别琐碎工作:数据项目,让你的职业发展更上一层楼

日常碎片化式的数据工作模式,对组织价值贡献有限,对个人成长更是不利。如果琐碎的数据工作占据了工作中的大部分时间,便需要停下来思考优化了。本文作者分享了如何“把日常工作项目化”的方法,即通过参与、主导“数据项目”,让工作上价值,让个人有成长,一起来看一下 吧。

数据岗越来越卷了。

一方面,大量人才在涌入数据领域;另一方面,大部分企业的数据岗并没有非常清晰的职业上升通路;此外,我们也无法回避——日趋成熟的AI对部分初级数据分析岗的冲击和优化已是必然趋势(《哪些数据岗会被chatgpt们取代》)。

如果你每天你的工作中:90%的时间花在跑SQL/攒EXCEL粘贴成PPT播报给领导,或者忙不完的建表、接口、调度;亦或阶段总结时候,你总是在统计响应了多少个需求/上线了多少报表/调整了几个模型/运维了多少个BUG——那你应该停下,来好好思考一下了。

不是说这些工作没有必要,而是说,长此以往碎片式的模式工作,对组织价值贡献有限,对个人成长更是不利。

所以,我今天想和大家聊聊,如何“把日常工作项目化”。就是通过参与、主导“数据项目”,让工作上价值,让个人有成长。

01 什么是数据项目

首先,说说什么是数据项目。

数据项目是基于数据资产、利用数据相关方法论,来解决特定问题的、有时间和范围边界的任务组合。随着企业数字化转型的深化,企业内的数据项目越来越多了,例如业务分析型项目、数据挖掘类项目、BI类项目、数据治理类项目、数据平台建设项目等等。

其次,数据项目和其他项目有什么不同?

数据项目,首先是一个项目,适用于PMP相关理论;但同时又基于数据要素来达成目标,有自己的独特性:

  1. 数据驱动:不同于其他IT项目,数据项目以数据为原材料,通过对数据的采集、整合、加工、分析、挖掘、应用,来实现商业价值的创造和增长。
  2. 需求不确定:数据项目需求通常会更复杂、更模糊和更具有不确定性,不仅前期需要更大量的沟通,而且项目需求变化频率也会比较大。
  3. 交付周期:数据项目的交付周期比一般IT项目更短,用户的响应周期期望也越来越高。

第三,数据项目和数据日常工作有什么不同?

  1. 目标不同:日常工作是保障数据基础工作稳定运行、满足日常数据使用;而项目制工作要实现特定价值输出和成果输出。
  2. 周期不同:日常工作是固定的、重复性的、常规的;而项目有头有尾、需要闭环的。
  3. 机制不同:日常工作按照固定流程、规范操作做就可以了;而项目制大部分是要解决新问题,通常需要根据具体情况来创新。

虽然数据日常工作和数据项目有很多不同,但也有紧密联系。日常工作中特定的痛点、难点、问题点可以升级为一个项目,去击破;而项目工作完毕后总结的方法和规律,则可能变成日常工作。

02 为什么日常工作之外要做数据项目

可能有人问,我就是初级数分或者数据开发,并不是项目经理;而且我服务内部,不是乙方需要对外交付——我日常响应需求就好了,为什么还要关注项目?

而我想说,如果你不想一直做初级选手,那就一定要做项目。日常工作是基础、是底线,但做项目,才真正可帮助我们拓展技能、提高能力、为企业和客户创造显性化的价值。

向外看,翻翻各个数据岗的高端招聘,哪个不会要求“有数据项目经验者优先”?工作几年了,你简历上的“项目经历”又该如何填充、提炼?向内看,做升职评审、年度评优,哪个单位又不是以项目来进行申报、来进行评价的呢?

因此, 从底层逻辑上说,【做项目】这是一种思维模式和做事方式。不论项目大小,只要用“项目管理”的模式来做,就会有不同的视角、不同的收获,从而产出更高层面的价值。

03 数据项目的分类和特点

那么企业中常见的数据项目有哪些?分别有什么特点?实施步骤包括什么?

1)数据平台项目

这类项目是从零到一或从1到N搭建组织的数据技术底座。如数据仓库、数据湖、大数据平台、主数据系统、数据资产管理平台、数据门户、BI工具的建设和迭代。项目产出是数据专有的平台和系统。一般项目主责人是技术团队。项目也会按照信息化建设的路径来做,如需求、开发、测试、上线等。

2)数据资产管理/数据治理项目

这类项目是通过数据治理/数据资产管理方法论,解决企业整体的或某一领域的数据质量或合规问题。项目的产出通常是一套数据标准、数据管理制度、数据管理流程、或在上述保障机制下形成清洁数据。过程包括确定目标和范围、确定治理结构、制定数据标准和管理流程、实施治理方案、监测优化等。

3)数据报表/可视化项目

占比最多的项目,旨在通过BI工具,利用已有的数据来开发报表或可视化驾驶舱。项目产出通常是指标体系、各类报表、驾驶舱BI等。过程包括需求、方案设计、报表开发、数据测试、上线等。

4)数据分析项目

占比也非常高。是通过已有的数据,利用商业模型或算法模型,解决特定业务问题。产出通常是数据分析报告或可被调用的API。步骤包括确定问题、收集数据、探索分析、建立模型、分析解释、出具建议、应用优化等。

04 数据项目的重点和难点?

不管是什么样的数据项目,结合第一部分谈到的数据项目特点,我们在开展数据项目时要特别注意如下几个方面:

1)需求和范围

项目目标不能仅仅是“完成一个报表”、“建设一个平台”,而是要和业务价值进行紧密捆绑!在立项时候务必清晰两个问题,一是目前业务到底有哪些痛点,通过这个项目,到底在效率提升、决策提升、成本降低、风险降低上可以得到什么具体改善?二是这些痛点是通过这一个项目就能解决吗?是否需要分步骤各个击破,我先做哪一部分?确保需求充分共识。

2)项目组织

如同其他项目,项目要画出所有干系人的组织架构图。业务方、数据团队、系统建设团队、流程团队,管理层,彼此都是什么关系?还有哪些隐性的干系人?谁应该主导这个项目?谁分别负责哪部分内容?防止后续只是为别人做嫁衣或者成为背锅侠。

3)风险管理

数据项目的主要风险有三个,其一是数据质量;其二是数据安全;其三是是否对齐业务价值。这三个要在一开始的调研中都做好现状清楚。

4)复盘和价值评估管理

这是和日常工作最大的不同。项目一定要总结和复盘。总结写给领导和需求方,复盘写给自己。这样才能不断的萃取通用的方法,不断提升。

05 写在最后

可能有小伙伴说,我还是日常螺丝钉工作,并没有机会做项目怎么办呢?这里教给大家一个小技巧:自己提需求 + 设计解决方案 + 提炼价值 + 总结复盘。

比如对于一个跑数表哥,完全可以基于过往取数常见痛点,开展一个小专项——通过一段时间的体系化研究,来彻底改善这个痛点,并总结输出价值并沉淀方法!

希望在数字化建设大潮中,数据小伙伴都能通过大量“数据项目”锤炼,沉淀能力,在职业发展中越走越高!

本文由 @一个数据人的自留地 授权发布于知识吧,未经作者许可,禁止转载

题图来自 Pixabay,基于 CC0 协议

本文来自网络,不代表知识吧立场,转载请注明出处:https://zhishiba.net/4319.html
上一篇
下一篇

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注

返回顶部

Warning: error_log(/www/wwwroot/www.zhishiba.net/wp-content/plugins/spider-analyser/#log/log-2805.txt): failed to open stream: No such file or directory in /www/wwwroot/www.zhishiba.net/wp-content/plugins/spider-analyser/spider.class.php on line 2900