社区编辑申请
注册/登录
数据研发该如何做好业务方管理
大数据 数据仓库
本文主要介绍了作为数据研发该如何破局被动接需求的尴尬境地,核心的点在于要改变看问题的立场,多站在解决问题的角度去思考背后的逻辑。

本文转载自微信公众号「大数据技术与数仓」,作者西贝 。转载本文请联系大数据技术与数仓公众号。

引言

伴随着业务的发展,业务方通常会提各种各样的数据需求。面对繁杂的需求,数据研发可能会遇到下面这些问题:

  • 怎么才能做到高效、高质量地交付数据需求?
  • 对于新业务需求,怎么才能快速把握?
  • 怎么应对需求的反复修改?
  • 该如何say no
  • ...

面对这些问题,我们需要学会做好业务方的管理,这样才不至于让自己陷入被动的深渊而不能自拔。

窘境

面对源源不断的需求,数据研发会越发地感觉到自己只是一个取数的工具而已,因为都是在被动的接需求,久而久之,业务方也会觉得你就是一个取数的工具。大小问题,随时抛过来,只管要数,其他的一概不管。你要是说:[我事情太多,没空做],或者[需求没有意义,往后排],那么业务方可能直接找到你的主管来协调,最后事情还是你的事情,还是要乖乖地去完成他们的需求,即便你是不情愿的。那么怎么才能改变这种局面呢?

屁股决脑袋,立场不同,思考问题的角度也不同,做出的判断和决策也是不同的。所以想要破解这种尴尬的境地,需要我们转换一下立场去看问题。

  • 从个人主观因素出发

业务方把自己当做了取数的工具,很无奈,很排斥,总之一句话,就是不想做,即便是要做,业务方也要把背景讲清楚,而不是随便抛过来需求。

  • 从做事情的角度出发

灵魂拷问:需求的背景是什么?有什么价值?对后续的运营决策有什么帮助?没有其他的数据可看吗?不做行不行,如果资源有限改如何排优先级?该如何去获取更多的背景信息,为什么业务方要关注这些指标?需求背后的真正诉求是什么?我能够提供什么?

可以看出,从不同的角度看问题,会出现不同的判断,我们应该站在解决问题的角度去思考,与业务方达成某种潜规则,这样我们才能做到来者可拒,游刃有余。

破局

转换角度看问题之后,具体我们要怎么做呢?首先我们来看下一个需求开发的流程:

  • 首先,业务方提交MRD,交由数据PD去判断整理
  • 然后,数据PD产出PRD,交由数据研发开发
  • 最后,数据研发评审,给出具体的排期

我们先来看MRD是干什么用的,MRD指的是市场需求文档,主要描述通过什么业务方案来解决什么问题、达成什么业务目标。要解决的是让关联 PD 清楚业务诉求、认可业务方案,并可落地设计产品方案。MRD 书写语言为业务视角语言,无需涉及产品/技术实现。通常情况下,MRD包括以下内容:

  • 业务问题:客户是谁、业务背景是什么、业务的痛点是什么、业务的痛点是什么
  • 业务目标:包含具体的业务目标、业务价值
  • 业务方案:包含整体的方案、涉及的业务流程、具体的业务功能需求、运营计划

基于这些内容,数据PD要产出一份PRD,基于业务需求及产品能力进行产品方案设计,通过产品方案支持业务方案落地,使业务、研发认可通过产品方案可支持业务目标实现,通常情况下,PRD要包含以下内容:

  • 需求背景
  • 业务价值
  • 需求描述
  • 产品方案

有了PRD之后,就到了数据研发登场了,这个时候需要把所有事情搞清楚,不然的话很容易跑偏影响交付的效率。到了需求评审阶段,数据研发需要做三个方面的事情:核心思想是批判与挑战,当然是要有理有据有节,而不是为了逃避任务而无理取闹。

  • 挑战:需求是否合理,可不可以不做

需要了解数据的使用方是谁?业务背景,业务痛点?期望达到的业务目标(最好是定量)是什么?数据的使用场景是什么?紧急程度如何?

  • 评审:需求沟通

积极了解业务需求相关资料,包括业务背景,痛点、目标、及运营方案。知道业务想干什么,为什么要这么干,我们在这里面能做什么。

考虑实现方案设计

对于比较复杂的数据产品,需要提前进入产品的规划中

确定相关干系人在场,避免导致重复沟通

详细的数据口径确认(数据范围、维度、指标口径、产出时间等等)

  • 排期

经过前面的沟通,可以跟业务、PD、前端达成一致,这个时候就需要我们给出一个具体的排期,包括什么时候开始做,什么时候交付。对于复杂的需求或者新业务需求,要做到需求的拆解,给出预估的时间,同时也要留出一定的buffer,用于数据验证和方案调整,如果实在给不出一个具体的排期,也要告知到相关的业务,等梳理清楚之后,再给出一个合理的排期。

总结

本文主要介绍了作为数据研发该如何破局被动接需求的尴尬境地,核心的点在于要改变看问题的立场,多站在解决问题的角度去思考背后的逻辑。与业务方及相关干系人达成某种潜规则才是我们解决问题的杠杆,这样才能真正做到来者可拒,使自己不至于那么被动,同时也能够明确责任,提高效率。

责任编辑:武晓燕 来源: 大数据技术与数仓
相关推荐

2022-05-31 06:04:14

2022-06-05 21:09:47

Python办公自动化

2022-06-15 10:30:07

数据中心5G蜂窝网络

2022-05-13 11:24:09

数据美团

2022-05-24 14:50:22

存储可持续数据存储数据中心

2022-05-04 17:43:28

2022-06-07 14:25:23

2022-05-29 22:56:13

2022-05-20 06:14:57

人工智能AI

2022-05-20 14:54:33

数据安全数字化转型企业

2022-06-10 10:59:08

数据管理

2022-06-15 11:02:40

网络安全运营

2022-06-30 18:17:00

数据集云数据建模计数据仓库

2022-05-24 14:46:23

DCIM数据中心

2022-05-12 14:44:38

数据中心IT云计算

2022-05-24 15:06:57

AbilityeTS FA鸿蒙

2022-04-14 14:09:25

数据治理数字化转型工具

2022-06-21 21:47:13

数据系统

2022-06-08 13:25:51

数据

2022-06-16 15:42:16

攻击面管理ASM

编辑推荐

【漫谈数据仓库】 如何优雅地设计数据分层大数据时代,传统数据仓库技术是否已经过时?关于Hive数据仓库的那些事儿--数据存储结构腾讯云存储黄炳琪:存储不仅是数据仓库,而应该是生产管道必备数据知识:数据仓库之数据存储
我收藏的内容
点赞
收藏

51CTO技术栈公众号