數據工作別大意！四個小要點教你少走彎路

和數據相關的工作是很精確的，有時候甚至略顯枯燥。在工作中大部分人都想多做些出彩的事，其實，少犯錯誤遠比你想的重要，因為錯誤一旦發生，你就要耗費大量的工程時間和資源來彌補錯誤。如果不小心，你的工程師們可能花費昂貴的時間來為銷售團隊解碼數據，可能錯過無數寶貴的營銷機會。每當數據變得難使用或者理解時，你的團隊決策速度會變慢，因此你的生意進展必將受到拖累。

不過，如果你從有用戶就采用以下四個小要點，你一定可以避免走很多彎路。

1. 任命一個商業數據首席工程師

如果你能在團隊中找到一個隊數據分析真正有興趣的工程師，你可以讓他負責記錄管理所有數據。這將為整個團隊節省海量的時間。Porterfield 分享到，在Looker, 這樣的一個商業數據首席工程師負責寫能記錄所有數據的腳本，從而方便大家總是能在同一個數據庫內獲取需要的信息。事實證明，這是個簡單有效的方法，極大地提高了團隊的工作效率。

2. 把數據放在開放的平臺上

大家或該使用類似于Snowplow的開源平臺，以能實時記錄所有與產品相關的活動事件數據。它使用方便，有好的技術支援，可以放量使用。而最棒的一點，它能與你其余的數據框架很好的兼容。

3.選擇一款合適的數據分析工具

市面上的大數據分析工具很多，有些著重于數據源的搜集，有些在數據分析，模型構建上能力最強，而有些則擁有最強的數據可視化展現方式。

4. 盡快將你的數據遷移到AWS Redshift或者其它大規模并行處理數據庫（MPP）上

對于還處于早期的公司來說，類似于Redshift這種基于云端的MPP經常就是最好的選擇。因為他們價格便宜，便于部署和管理，并且擴展性強。在理想狀況下，你會希望從公司有記錄之初就將你的事件與操作的數據寫入亞馬遜Redshift之中?！笆褂肦edshift的好處在于這個平臺便宜，迅速，可訪問性高，”Porterfield說。并且，對于那些已經使用AWS服務的人來說，它（使用redshift）可以無縫接入你已有的架構中。你可以很容易的建設一個數據通道把數據直接傳入這個系統中進行分析處理?！癛edshift能讓你靈活的寫入巨量的顆粒狀的數據而并不根據事件觸發量的多少這樣難以估計的參數來收費，”他說?！捌渌姆諘鶕銉Υ媸录亩嗌賮硎召M，所以當越來越多的人使用你的產品時，越來越多的操作數據會被記錄下來，這會導致最終的收費像火箭一樣越升越高?！?/span>