在 WeWork 將分析變成一項團隊運動

當被問到時，幾乎該領域的任何專業人士都會說產品分析是一項團隊運動。 從建立數據基礎設施到指標定義到績效報告再到提供洞察力，責任和所需工作的廣度遠遠超出了一個人可以獨自管理的範圍。

除了不知何故，他們經常這樣做。 許多數據分析師在雷達下辛勤工作，他們知道自己是團隊的一員，但感覺就像是一個數據團隊。

在擔任 WeWork 產品數據科學家的前 12 個月裡，我是一個支持兩個產品和五個產品經理的人，也是設計研究團隊和整個企業數據同行的資源。 在典型的一天，我可能會在幾十個任務、技能和上下文之間切換：查詢數據倉庫、構建分析儀表板、收集數據以定義指標，或進行實驗前分析。

因此，雖然產品分析聽起來像是一項團隊運動，但並不總是這樣。 我認為問題始於“數據驅動的產品開發”這個短語。

數據驅動產品開發的問題

根據組織的數據文化或領導層對數據的了解程度，有一個隱藏的假設，即普通數據專業人員是一台獨立的機器。 人們期望分析師不斷地提出見解並將其交給產品團隊，然後他們將它們納入路線圖。

但產品數據和洞察力並不是憑空產生的——將各個部分組合在一起始終是某人的工作。 在 WeWork，它看起來有點像這樣：

• 儀器：有人決定我們要收集什麼數據，並記錄它，這為我們提供了開始的基礎。 （就我而言，它通常是前端用戶活動。）
• 實現：有人編寫代碼來實現此活動跟踪。
• QA：有人（真正的無名英雄）驗證實​​現正在按預期生成數據。
• 治理：有人管理數據治理，確保我們發送盡可能乾淨的數據，並適當地處理它。
• 建模：有人生成我們的數據倉庫數據模型，從數據攝取到構建可滿足業務需求的可擴展結構。
• 性能監控：有人使用收集到的數據來監控產品的性能，回答基本問題，並向利益相關者提供具體數字——同時將其置於明確什麼是有意義的和什麼沒有意義的上下文中。
• 假設檢驗：有人確定有意義的假設並進行實驗和分析，以（希望）推動產品決策並塑造我們產品的未來。

需要一個村莊才能獲得數據洞察力，而一個人的團隊根本無法做到這一點。

好的數據是需要多個學科和團隊成員的系統過程的副產品。 需要一個村莊才能獲得數據洞察力，而一個人的團隊根本無法做到這一點。 數據團隊越小，出現草率數據、遺漏性能問題以及分散得太少而無法提供價值的分析師的風險就越高

通過 1:1 培訓克服數據威脅

我們在 WeWork 的夢想是讓更多人加入數據“團隊”，但我們在採用 Looker 和 Tableau 等分析工具方面遇到了困難。 這是一個典型的問題——我認為大多數數據專業人員已經提供了至少一個完全未使用或被忽略的儀表板。 儘管自助式分析並不是什麼新鮮事物，但我們從未獲得過太大的吸引力——但我們通過 Amplitude Analytics 實現了這一目標。

作為一名數據專業人士，很容易忽視數據的可怕程度。 對於不在這個空間裡操作的人來說，它仍然是一個神秘的實體，只有專家才能理解它。 克服這種恐嚇障礙對於推動數據素養至關重要。 一旦人們意識到數據只是信息——可以講述有關產品和客戶的故事的信息——他們天生的好奇心就會佔據上風。

我的任務是創造“燈泡時刻”，讓人們發現使用自助數據工具提出問題并快速回答是多麼令人滿意。 我知道恐嚇是恐懼的一種形式，所以我從遇到妖怪開始。

一些利益相關者認為只有專家才能理解數據，克服這種恐嚇障礙對於推動數據素養至關重要。

一開始，這是從大量的一對一輔導開始的，涵蓋了基礎知識：跟踪的工作原理、我們如何識別用戶以及事件流是什麼。 然後，我們走過平台，討論瞭如何思考我們的數據，以及如何提出可以在 Amplitude 中回答的問題。 我教我的用戶（我的產品利益相關者）如何對數據感到好奇，以及如何製作圖表來滿足這種好奇心。

現在，每當我的產品團隊有一個他們無法回答的問題時，我都會要求他們在我的日曆上安排時間，以便我們一起解決問題。 如果在我們的儀表板審查中出現任何值得注意的東西（正面或負面），我鼓勵團隊深入研究數據。 我授權每個團隊成員獨立坐在駕駛座上，但我總是願意作為一個團隊來研究問題。

這個培訓過程的最大好處之一是熟悉。 我的團隊對 Analytics 越適應，整體上的“數據”就越不令人生畏。 他們對我也變得更加自在，這種信任促成了更好的合作。

改變數據文化的緩慢路徑

學習和習慣養成需要時間和重複。 我們中的許多技術人員都被告知，當我們“快速行動並打破常規”時，成功就會到來，但如果你想改變數據文化，你需要降低你的期望。

我自己也必須這樣做。 我做了一個假設，一旦人們熟悉了分析，他們就會圍繞在平台中查看和使用儀表板製定自己的習慣。 然而，我一直在現有圖表和儀表板上回答已經明確回答的問題。 很明顯，我的團隊並沒有像我希望的那樣經常使用該平台。

所以，我知道我需要幫助建立習慣肌肉。 為此，我設置了每週一次的儀表板審查，PM 和我使用 Amplitude 儀表板仔細檢查我們的核心指標。 這些定期審查不可避免地會暴露出我們可以在 Analytics 中一起調查的其他問題。 因此，我們不僅養成了通過調整指標來開始一周的習慣，而且通過這樣做，我們為更多的“燈泡時刻”做好了準備。

我的努力讓我們有所幫助，但從產品領導到產品團隊的明確信息和一些責任心也有所幫助。 當產品領導明確表示他們希望產品團隊擁有他們的指標，而不僅僅是數據合作夥伴時，我們開始看到越來越多的人不僅查看儀表板，而且自己進行一些探索。 那是一個巨大的勝利。

自從我開始從事分析傳播工作以來，我們已經看到活躍用戶的增長相當可觀。 我為此感到自豪，但我更為我們在學習用戶方面的增長感到自豪，這些用戶不僅查看儀表板以獲取自己的知識，還實際創建並與他人共享內容。

目標：數據驅動的產品開發

忘記數據驅動。 我們的目標是數據驅動的產品開發——產品開發由產品團隊驅動，但通過與數據團隊的合作來推動。 將所有數據探索、洞察力尋求和分析僅限於標題中帶有“數據”一詞的人是沒有意義的。 Amplitude Analytics 旨在使整個產品團隊能夠探索他們的數據； 從某種意義上說，產品團隊中的任何人都可以成為“數據團隊”的成員。 “數據團隊”越大，您為產品開發添加的“數據燃料”就越多。