在 Day 7, 我討論如何調配 Data Team 內的成員以及開局。接著在 Day 8 跟 https://ithelp.ithome.com.tw/articles/10325616 描述我理想中的 Data Team。接著本篇我想討論 Data Team 該如何組織，在公司內才能有效地發揮。

中央集權或地方分權

可能第一個想到的問題會是這個，Data Team 應該要採用中央集權或地方分權呢？推薦一篇超級完整的文章，作者介紹 Data Team 如何因應公司不同階段調整多種模式 How should our company structure our data team? 👍

我回想一開始我的公司是如何架構 Data Team 的，中央集權的方式最符合當時狀況，然而接下來 Data Team 想更深入理解不同產品時，地方分權是個不錯做法，以下是我自己經歷或者有聽說過的模式：

1. 中央集權的 Data Team Centralized Data Team

• DE 跟 DA 都在同一個 Data Team 且負責所有來自其他各 Team 的資料需求
• 通常，因為人手不夠，會建立一個自助式的 BI 工具且在其他 Team 培養一個比較會使用 BI Tool 的人。
• 這種模式底下，整個 data models, pipeline 等基礎架構都比較統一，但也就會對其他 Team 如何使用資料、找洞察比較沒空處理。
• 也會比較是服務導向，由其他 Team 提需求，Data Team 來處理

2. 統一管理但有多個 Data Team Centralized but Different Data Teams

• 多半是在大公司，DE 跟 DA 是不同 Team 或者因為總部跟分公司的關係，總部有一個 Data Team, 各分公司也有各自的 Data Team.
• DA 會比較能支援其他單位，也較理解商業邏輯，不管是 MKT 或產品想跟 Data 合作都會找 DA。但是 DA 遇到資料問題，回溯到上游需要 DE 協助的時候，就比較困難或耗時，可能分公司的 DA 需要總部 DE 協助就只能開需求等。

3. 對資料有重要需求的團隊有專屬的 Data 支援 Embedded in Important Teams

   

• 有點像是要從中央集權轉到地方分權的過渡期，先從重要的單位開始。想是 MKT 跟財務通常有較多的資料需求，資料對他們能產生的影響也較直接對應到營收，因此可能有 DA 專職負責這些單位，或者該單位因為等不及中央支援，而自行聘僱 DA 。

4. Data Team 採地方分權 Embedded Data Team

   

• 完全的地方分權，只有資料架構的是共享的，每個團隊都有自己理解該專業的 DA, 合作就像是同一個團隊，DA 是該團隊的夥伴之一。
• 這個模式的挑戰是 DE 如何決定工作順序，哪個團隊的需求要先處理？例如遇到每個單位都有新的資料源要串接，或者有不同的問題要支援時

通常會從中央集權開始

當要建立 Data Team 的時候，第一步是要架構 Data Pipeline. 所以大部分的 Data Team 都是從中央集權開始，因為資源有限，且人數也不會一下子就很多，在新創公司通常都是一人 Data Team，既然才一人也沒什麼好考慮其他模式 😆。

但當基礎建設做完，Data Team 應該要想好自身的願景跟任務。希望如何被衡量價值 (Day 9 提到)？想如何跟其他團隊合作？到底中央集權或地方分權，Data Team 應該有自己的想法，不見得是等組織調整。

改變的原因

沒有任何模式是完美的 😂。 每個模式都有企圖想解決的問題，以及對應要處理的挑戰。沒有一個模式可以永遠持續。 天下合久必分、分久必合。當一個模式解決了公司當時的挑戰，進到下個階段，挑戰又不一樣。

如果你有很複雜的 data stack, 可能就需要 DE 團隊來維運。如果你處理很機密或需要很嚴謹的資料，例如上市公司，那可能需要中央集權方便控管資料品質，或者好多分散的 Data Team 蒐集及處理資料源。如果你需要商業單位快速的做決策，或者希望迅速取得資料，地方分權就比較適合。

Tech savvy vs Business savvy

但你應該要知道，為什麼調整架構，為什麼現在是這樣，遇到什麼問題但也解決哪些問題。

觀察並理解你的 Data Team 組織 🤔

當你加入一個 Data Team, 觀察它是如何演化到現在的組織。為什麼你的 Team 是這樣架構的？對公司或 Data Team 帶來哪些好處跟壞處？什麼時候壞處多過好處，就是再次思考架構的時候。

接下來

已經討論 3 篇有關 Data Team 的組成、架構，接下來想討論如何讓資料在你的公司發揮價值。下篇文章，我想開始談如何提升資料素養 data literacy。

對 dbt 或 data 有興趣 👋？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加