在2017剛加入公司時，資料科學正在準備盛行起來，我們公司是比較少見的在一開始就具備獨立資料團隊，配置是兩位成員，一位較偏向數理統計背景，另一位則是我，資訊出身，同時具備統計學習與資料探勘的能力。

資料團隊的工作日常是處理許多客戶的使用成效報告和分析，處理之餘的工作是透過進階的統計推論模型來幫助公司產品成長，並且和產品部門合作，研發第一個產品成長的數據指標體系，幫助產品經理能更好掌握產品的成效。

這幾年我們讓公司的資料使用價值從手動撈報表 → 產品數據 → 洞察 → 資料產品
關鍵是達成了五個目標：

1. 收斂資料需求，成效報表、數據服務系統化
2. 建立產品數據指標系統
3. 打造數據流架構與資料倉儲
4. 縮短資料從需求到取得的生命週期
5. 推廣全公司使用資料決策的文化

中間遇到了不少困難，包含：

1. 系統資料庫撈取速度慢
2. 資料需求複雜，很多客製化
3. 資料部門和產品部門背景差異大
4. 開發與業務工作節奏無法搭配
5. 產品處於成長期，系統機制更動頻繁

進一步拆解排除的困難，會發現在達成這些目標、解決困難的過程中，其實橫跨了資料工程技術、資料分析思維、產品思維，以及推動組織變革的技巧和能力：

1. 在資料工程的技術選型
   1. OLTP 與 OLAP 差異是什麼？真的需要額外建置嗎？
   2. OLTP -> OLAP的資料流建置，ETL & ELT 怎麼選擇？
   3. Data Warehouse 的建置與設計，要切幾層才能提供足夠的使用彈性，又好維護？
   4. 剛開始還不清楚價值，如何用小成本試行又不影響既有系統效能？如何讓技術主管買單？
2. 產品分析
   1. 我只是個分析師，完全不懂產品經理想要怎麼看數據
   2. PM 常常覺得指標定義的不夠好，不斷來回調整計算規則
   3. 我們的使用者如何看待使用產品的成效
   4. 指標算起來很複雜與快速得到洞察如何取捨？
3. 推動數據決策文化
   1. 客戶每次要的數據定義都不一樣，一個指標有十幾種定義，每次都要重新討論
   2. 如何讓數據使用單位更願意透過數據輔助決策，而不是覺得增加工作負擔？
   3. 有了儀表板，業務每天都來追殺數據對不起來，DA變成客服單位
   4. 上游產品改規則，下游DA不知道，追查到最後發現兇手就是來問問題的人

雖然條列下來看起來滿清晰的，但過程中其實是不斷來回、推進一點點，甚至也不知道我們下一步要往哪裡去，也不斷參考各大公司的做法，取其中適用我們公司的環節來嘗試，當然也超級多trial and error，最後才找出兼具成本、效益，又符合組織運作的做法。

第一篇文章希望先補充我們發展的歷程與拆解的問題幫助理解，而這系列文章是我在不斷試錯的過程中，覺得在資料架構技術、資料分析思維，以及團隊工作流程變革等幾個重要面向，試著整理出來，希望能幫助在不同資料發展階段的公司或是想跨領域多了解知識的你，能少走一些彎路。