통계 확장을위한 4 가지 구성 요소 — 1 부 : 임베디드 모델

(Nina Walberg) (2020 년 6 월 4 일)

2013 년 초부터 인사이트 기반 의사 결정은 Kolonial.no 문화의 일부였습니다. 그러나 회사가 400 명 이상의 직원을 보유하고 2019 년 연간 매출이 10 억 NOK를 넘어선 노르웨이의 선도적 인 온라인 식료품 소매 업체로 성장함에 따라이 문제는 더욱 어려워졌습니다.

요청시 통찰력 만 제공하면됩니다. 확장되지 않으며 또한 우리가 일하고 싶은 방식이 아닙니다. 통찰력에 대한 수요가 증가함에 따라 데이터 & Insight 팀의 역할을 데이터 제공 업체에서 통찰력 지원자로 변경하여 동료들이 독립적으로 데이터 및 분석 작업을 수행 할 수 있도록했습니다. . (즉, 특수한 기술이 필요할 때 임시 분석을 수행합니다.)

요청에서자가 통찰력 팀으로 전환

지난 6 개월 동안 우리는 의사 결정권자가 통찰력을 스스로 제공하고 많은 분석가를 모집하지 않고도 인사이트에 대한 요구가 증가함에 따라 확장 할 수 있습니다. 이것은 우리가이 과제에 어떻게 접근했는지 설명하는 일련의 게시물 중 첫 번째 부분입니다.

데이터의 잠재력 실현

데이터의 사명 & Insight 팀은 데이터의 잠재력을 실현하는 것입니다. 데이터 과학은 최종 사용자 제품을 개선하기 위해 적용되며 제품 추천 및 개인화 된 쇼핑 경험을 예로들 수 있습니다. 데이터 제품은 자동화를 통해 운영 및 배포의 성능을 개선하는데도 중요합니다. 이는 경로 최적화의 좋은 예입니다. 또한 동료들이 의사 결정에 최대한 많은 영향을 미치는 것이 목표 인 데이터의 잠재력을 인식합니다.

데이터의 잠재력은 사람과 대부분의 경우 기술이이를 통찰 또는 자동화 된 프로세스로 해석하고 변환 할 때 실현됩니다. 가치 창출을 높이기 위해 적절한 프로세스에서 데이터에 대한 기술 사용을 늘리기 위해 노력하고 있습니다.

따라서 팀의 제공은 두 가지입니다.

우리가 데이터 제품을 만들고 데이터 알고리즘의 힘을 사용하는 방법은이 기사에서 다루지 않습니다. 주요 초점은 자체 제공 통찰력으로 영향력을 창출하는 방법에 있습니다. .

이 게시물에서는 데이터 & Insight 팀의 역할과이를 달성하기 위해 사용하는 도구의 변화를위한 4 가지 구성 요소와 합리성을 소개합니다. 그. 첫 번째 빌딩 블록 인 임베디드 조직 모델도 여기서 다룹니다. 다음 세 블록은 곧 게시 될 전용 게시물에 자세히 설명됩니다.

인사이트 확장 및 셀프 서비스 화를위한 4 가지 구성 요소

1 : 임베디드 조직

올바른 유형의 사람 모집
올바른 유형의 사람과 조직이 첫 번째 단계입니다. 우리는 후보자를 공정하게 비교하고 적절한 역량을 갖출 수 있도록 가능한 한 객관적인 데이터 포인트 세트로 채용 프로세스를 설계했습니다. 우리는 그들의 비즈니스 이해, 분석적 문제 해결 능력 및 데이터 작업에 대한 기술적 능력을 테스트합니다. 이 세 가지 기능의 강점은 제품 분석가, 데이터 과학자 및 데이터 엔지니어간에 약간 다르게 가중치가 부여되지만, 모두 인사이트 스택에서 작업하고 문제를 독립적으로 해결할 수 있습니다. 물론 우리는 그들의 개인적인 자질이 그들의 업무에 적합하고 우리 문화에 잘 맞는지 확인합니다. 마지막으로 똑같이 중요합니다. 우리는 후보자가 회사에서 잘 성장할 수 있도록 후보자와 잘 어울리는 지 확인하기 위해 많은 시간을 사용합니다.

우리가 의사 결정권자를 원하므로이를 언급 할 가치가 있습니다. 가능한 한 많은 것을 스스로 수행하기 위해 분석가의 역할은 아마도 더 기술적이고 동시에 전통적인 분석 팀보다 다른 사람들을 활성화하는 데 더 중점을 둡니다. 즉, 그들은 모두 SQL에 능통하고 데이터 변환을 구현할 수 있으며 다른 사람들이 직접 분석을 수행하고 올바른 방식으로 사용하도록 가르치고 멘토링함으로써 다른 사람들을 돕고 싶어합니다. 대시 보드를 구축하고 임시 분석을 수행 할 때 일반적으로 더 까다로운 작업입니다.

임베디드 모델
적절한 기술을 갖춘 적절한 사람이 있다면 가능한 한 많은 가치를 창출 할 수있는 최상의 조건을 제공하는 것이 중요합니다. 많은 사람들이 분석을 구조화하는 다양한 방법에 대해 많은 글을 작성했습니다 (이 문서 는 주제를 아주 잘 요약합니다). 나는 몇 가지를보고 시도했으며 임베디드 모델이 우리의 요구에 가장 적합하다고 강력하게 믿습니다. 대부분의 제품 분석가와 데이터 과학자는 제품, UX 및 개발자와 함께 교차 기능 제품 팀에 포함되어 있으며 비즈니스의 하위 집합을 위해 작업합니다. 이 경우는 다음과 같습니다.

데이터 & 통계는 작년에 크게 증가했습니다. 여기에서 데이터 & Insight에서 2020 년 6 월 현재의 모든 사람과 임베디드 모델 사용 방법을 볼 수 있습니다. 이 문서에 설명 된 작업이 완료되었을 때 팀은 훨씬 작았습니다.

이 작업 방식의 주요 장점은 도메인입니다. 우리가 달성하는 전문화는 우리가 해결하기 위해 노력하고있는 광범위한 문제를 가지고 우리에게 매우 중요한 것입니다. 우리는 또한 모든 사업부와 가깝고 더 큰 결정이 내려 질 때 토론에 초대 될 수 있습니다. 그때 우리는 분석과 그 가정이 타당하다는 것을 적극적으로 확인합니다. Google 팀원은 제품 팀의 일원으로 성능을 측정하고 실험을 올바르게 설정하며 우선 순위 지정, 제품 로드맵 및 전략에 영향을줍니다.

데이터 디렉터로서 & Insight 저는 임베디드 제품 분석가와 데이터 과학자가 매일 주요 이해 관계자와 긴밀히 연락하고 중요한 것을 파악하는 데 의존합니다. 임베디드 모델에 대한이 마지막 주장은 우리에게 속도를 제공하고 공식적인보고 라인을 통과하는 정보에만 의존하는 대신 올바른 장소에 참여하도록합니다.

큰 팀이 필요하지 않습니다.
이 게시물은 제가 한 프레젠테이션을 기반으로합니다. “분석가 4 명과 데이터 엔지니어 1 명으로 인사이트를 400 명으로 확장 한 방법”이라고합니다. 위의 팀 차트를 보면 이것이 전체 이야기가 아니라는 것을 알 수 있습니다. 하지만 2020 년 2 월까지 제가 발표를 할 때까지 분석가는 4 명 밖에 없었고 그 중 2 명은 지난 3 개월 이내에 시작했습니다. 물론 데이터 과학자들도 시간의 일부를 인사이트로 작업하지만 인사이트에 대한 주된 기여자는 제품 분석가입니다.

제품 분석가, 데이터 과학자 및 데이터 엔지니어가 동일한 분야에 모이는 것은 중요합니다. 목표 (OKR 사용), 지식 교환, 협력 및 역량 개발을 갖춘 광범위한 팀. 데이터 & Insight는 팀 역할을합니다. 우리는 공통 프로젝트의 진행 상황을 계획하고 따르기 위해 격주로 팀 회의를합니다. 또한 격주로 진행되는 심층 다이빙 세션을 통해 서로의 작업을 보여주고, 해결하려는 문제에 대한 의견을 얻고 분석 방법과 기술에 대해 논의합니다. 이 모든 것은 데이터 & Insight에서 작업하는 모든 사람들을 위해 중앙 집중화하는 데 중요합니다.

이 모든 작업을 담당하는 사람은 5 명에 불과했지만 다른 팀원, 나머지 제품 & 기술 및 인사이트 소비자.

인사이트 인프라를 다루는 다음 부분을 기대해주세요.

셀프 서비스 인사이트는 훌륭한 사람에게만 의존 할뿐만 아니라 훌륭한 인프라와 자신을 지원하는 스택이 필요합니다. 제공된 프로세스. 이것이 2 부 (인사이트 인프라의 진화)의 주제입니다. 그런 다음 3 부 (Best Development Practises)에서 표준화를 조정하고 수립하는 방법에 대한 생각이 이어집니다.

다음 부분에서는 통찰력 인프라 및 도구에 대해 자세히 설명합니다.

제품에서 동료의 다른 게시물을 자유롭게 확인하십시오. & (DevSecOps와 협력하는 방법) 또는 (전략에 대한 정렬 및 실행을 해결 한 방법)과 같은 Medium의 기술.

또한 훌륭한 인재를 찾고 있습니다. 우리를 돕고 (우리의 능력과 기술 팀의 두 배 (그리고 한 가지 더)) 데이터 &<에 새로운 위치 를 게시했습니다. / div> 통계 팀

답글 남기기

이메일 주소를 발행하지 않을 것입니다. 필수 항목은 *(으)로 표시합니다