इन उपकरणों और तकनीकों का उपयोग करके अपनी डेटा टीम को जल्दी स्थापित करें

आप वास्तव में बहुत जल्दी डेटा टीम में निवेश नहीं कर सकते। हमने एक छोटी लेकिन बढ़ती टीम के रूप में यही सीखा है। हमने प्रारंभिक चरण में एक डेटा टीम में निवेश किया था, ताकि हम उत्पाद उपयोग के रुझान स्थापित कर सकें, व्यावसायिक अंतर्दृष्टि बना सकें और अपने उत्पाद को बेहतर बनाने के लिए क्षेत्रों की पहचान कर सकें।

यदि आप शुरुआती चरण के स्टार्टअप हैं, तो जितनी जल्दी हो सके अपनी डेटा रणनीति टीम और आर्किटेक्चर बनाना शुरू करें। आपको बड़े पैमाने पर जाने की ज़रूरत नहीं है—जैसे-जैसे आप बढ़ते हैं, एक-व्यक्ति डेटा टीम आपकी सफलता में भारी बदलाव ला सकती है।

पहले एक जनरलिस्ट को हायर करें

जब आपकी डेटा टीम को लॉन्च करने की बात आती है, तो आप संभवतः सबसे बड़े ब्रांड नाम से एक विशेषज्ञ को किराए पर लेने का लुत्फ उठा सकते हैं। हमारी सलाह: शुरुआती स्तर के स्टार्टअप अनुभव वाले किसी व्यक्ति को खोजें और उसने बड़े पैमाने पर डेटा के साथ भी काम किया हो।

बड़ी उद्यम डेटा टीमों पर काम करने वाले शानदार दिमाग वाले अद्भुत लोग हैं, लेकिन इन बड़ी टीमों में अक्सर उनके कर्मचारी अपने डेटा प्लेटफॉर्म के विशिष्ट भागों के विशेषज्ञ होते हैं। यह समझ में आता है जब आपके पास एक टीम में 10 डेटा इंजीनियर होते हैं या जब आपके पास मूल्य निर्धारण एल्गोरिदम पर काम कर रहे मशीन सीखने वाले डेटा वैज्ञानिकों की एक बड़ी टीम होती है। लेकिन जब आपके पास पूरे संगठन के लिए केवल एक डेटा भूमिका होती है, तो आपको किसी ऐसे व्यक्ति की आवश्यकता होती है जो थोड़ा बहुत सब कुछ कर सके।

पहले एक ऑल-राउंडर को किराए पर लेना महत्वपूर्ण है जो डेटा अंतर्दृष्टि बना सकता है, व्यावसायिक परिकल्पना विकसित कर सकता है, और स्क्रैच से एक स्केलेबल डेटा आर्किटेक्चर बना सकता है। आपको किसी ऐसे व्यक्ति की आवश्यकता है जो शुरुआत से डेटा टीम का निर्माण शुरू करने के लिए तैयार हो, अधिमानतः कोई ऐसा व्यक्ति जो आपके ऐसा करने के लिए तैयार होने पर आपकी शेष टीम को किराए पर ले सके।

यह पहला किराया किसी ऐसे व्यक्ति का होना चाहिए जिसे प्रारंभिक चरण के स्टार्टअप में डेटा टीम बनाने (या कम से कम काम करने) का अनुभव हो। उन्हें जल्दी से मूल्य उत्पन्न करने में सक्षम होना चाहिए और सही प्रश्न पूछने के लिए व्यावसायिक कौशल होना चाहिए। उन्हें आपके पास मौजूद सबसे कठिन समस्याओं में गोता लगाने के बजाय तत्काल परिणाम देने के लिए 80/20 तरीके से डेटा तक पहुंचने में सक्षम होना चाहिए।

डेटा इंजीनियरिंग पक्ष के लिए, अपने आर्किटेक्चर को स्थापित करने में सहायता के लिए परामर्शदाता या ठेकेदार को किराए पर लेना आम बात है। हमने एक सलाहकार के साथ अपने पहले किराए को पूरा करने का फैसला किया। इस तरह, हमारे पास दोनों दुनिया के सर्वश्रेष्ठ हैं - पार्ट टाइम डेटा इंजीनियरिंग में एक विशेषज्ञ, और एक सामान्यज्ञ जो दिन-प्रतिदिन के आधार पर डेटा आर्किटेक्चर को बनाए रख सकता है। हमने मजबूत नींव रखी और अपने ज्ञान को भी घर में रखा।

एक छोटी डेटा टीम बड़े सवालों का जवाब दे सकती है

यहां तक कि अगर आप अपनी डेटा टीम में लंबे समय तक सभी भूमिकाओं के लिए तुरंत काम पर नहीं रख सकते हैं, तो आप केवल एक या दो सही लोगों के साथ बहुत कुछ कर सकते हैं। स्केलेबिलिटी और दक्षता के संदर्भ में कुंजी सोच रही है। आपकी डेटा टीम को कम में ज़्यादा काम करने में क्या मदद मिलती है? और जब आपकी टीम बड़ी होगी तो यह कैसे काम करेगा?

स्केलेबल विश्लेषण एक छोटी डेटा टीम के साथ अत्यंत महत्वपूर्ण हैं। आपकी टीम के बढ़ने पर आपकी प्रक्रियाएँ और कार्यप्रवाह कैसे कार्य करेंगे, इस बारे में आगे सोचने से, आप समय की बचत करेंगे और अपने कुछ कर्मचारियों के सबसे अधिक समय लेने वाले मुद्दों के लिए मूल्यवान समाधान तैयार करेंगे।

उदाहरण के लिए, हमने तुरंत महसूस किया कि हमारी बिक्री टीम के पास संभावित ग्राहक उत्पाद उपयोग में कोई दृश्यता नहीं थी, और यह अक्सर सामने आने वाली थी। इसलिए हमने अपने बिक्री प्रतिनिधियों को एक कार्यक्षेत्र डैश बनाया ताकि वे स्वयं डेटा खींच सकें। हमारी डेटा टीम का काम डेटा-संचालित निर्णय लेने में सक्षम बनाना है। जब हमने एक बार के डेटा निवेश का अवसर देखा, जिससे बिक्री पक्ष में सैकड़ों घंटों की बचत हो सकती है, तो हमने उस पर कार्रवाई की।

भविष्य में मुद्दों को रोकने के लिए एक छोटी डेटा टीम पर भी ध्यान केंद्रित किया जाना चाहिए। यदि आपके पास इस समय केवल एक-व्यक्ति डेटा टीम के लिए हेडकाउंट है, तो उन्हें अपनी सबसे बड़ी समस्याओं पर केंद्रित रखें, लेकिन तकनीकी ऋण को कम करने के लिए अपने डेटा आर्किटेक्चर को बनाए रखने और बढ़ाने के लिए बजट समय भी दें।

हमारी डेटा टीम द्वारा उपयोग किए जाने वाले टूल

शुरू से ही हमारा लक्ष्य हर फैसले के साथ आगे की सोच रखने का था।

सभी स्टार्टअप्स की तरह, हम तत्काल आरओआई उत्पन्न करना चाहते थे। हम एक केंद्रीकृत डेटा वेयरहाउस का उपयोग करते हैं जो हमारे सत्य का एकमात्र स्रोत है - खंडित या अविश्वसनीय डेटा होने से अधिक डेटा टीमों को कुछ भी नुकसान नहीं पहुंचाता है। हम ऑटोमेशन और इंटीग्रेशन की बदौलत अपने डेटा को मजबूत करने में सक्षम हैं।

यह कम लिफ्ट के साथ पूरी कंपनी को मूल्यवान अंतर्दृष्टि प्रदान करने में हमारी सहायता करता है।

हम सेगमेंट (जो हमारा डेटा संग्रह उपकरण भी है), फाइवट्रान और स्नोफ्लेक बाहरी चरणों जैसे ईएलटी टूल का उपयोग करके अपने सभी डेटा में पाइप करते हैं।

हम उपयोग करते हैं डीबीटी हमारे सभी कच्चे डेटा को अधिक उपयोगी प्रारूप में साफ़ करने के लिए। उदाहरण के लिए, हमारी dim_user तालिका में ~20 तालिकाएँ हैं जो इसे शक्ति प्रदान करती हैं, जिनमें हमारे ग्राहकों के बारे में बहुत सारी महत्वपूर्ण जानकारी होती है, जैसे कि वे कितनी सूचनाएं भेजते हैं और वे किस प्रकार की योजना पर हैं। इसे इतनी आसानी से उपलब्ध कराकर, हमारे गैर-तकनीकी उपयोगकर्ता शीघ्रता से व्यावसायिक अंतर्दृष्टि प्राप्त कर सकते हैं। हम जल्दी से गैर-भुगतान करने वाले या स्वयं-सेवा करने वाले ग्राहकों को देख सकते हैं जो व्यापार अनुबंध की संभावनाओं की पहचान करने के लिए बहुत सारी सूचनाएं भेज रहे हैं। हमारी ग्राहक सफलता टीम ने हमारे व्यावसायिक अनुबंध ग्राहकों के स्वास्थ्य को देखने के लिए रिपोर्ट भी बनाई। हम संवेदनशील जानकारी के अपने डेटा को साफ़ करने के लिए भी डीबीटी का उपयोग करते हैं।

हम अपने वेयरहाउस डेटा को हबस्पॉट और कूरियर जैसे स्थानों पर वापस भेजने के लिए जनगणना का उपयोग करते हैं। यह हमारी बिक्री और मार्केटिंग टीमों को इस जानकारी को प्लेटफॉर्म पर एक्सेस करने की अनुमति देता है जिसका वे दैनिक आधार पर उपयोग कर रहे हैं।

मेटाबेस हमारा बीआई टूल है। यह हमें डैशबोर्ड बनाने, SQL क्वेरी लिखने और गैर-तकनीकी उपयोगकर्ताओं के लिए एक स्व-सेवा प्रारूप प्रदान करने की अनुमति देता है। हमने पाया है कि इस प्रकार के स्वयं-सेवा डेटा डैशबोर्ड बनाने से उपयोगकर्ता अपने स्वयं के बहुत सारे प्रश्नों का उत्तर दे सकते हैं। वे लुकर या झांकी का उपयोग करने वाली टीमों की तरह बड़े निवेश के बिना तेजी से आगे बढ़ते हैं।

उदाहरण के लिए, हमारे पास एक KPI डैश है जो कंपनी भर में शीर्ष मेट्रिक्स दिखाता है। हम यह भी ट्रैक कर सकते हैं कि अलग-अलग कार्यक्षेत्र कैसा प्रदर्शन कर रहे हैं और उन कार्यक्षेत्रों की पहचान कर सकते हैं जिन्हें हम अपनी बिक्री टीम के लिए लक्षित कर सकते हैं। हम अपने ग्राहकों के उत्पाद उपयोग में गहराई से गोता लगाकर अपने उत्पाद विकास के लिए डेटा-संचालित निर्णय भी लाए हैं। एक उदाहरण यह है कि हमने पाया कि हमारे बहुत से उपयोगकर्ता अपने सहकर्मी के मौजूदा कूरियर उदाहरण में शामिल होने के बजाय अपना स्वयं का कूरियर उदाहरण बना रहे थे। इस अंतर्दृष्टि का उपयोग करते हुए, हमारी उत्पाद टीम एक पेज बनाने के लिए ड्रॉइंग बोर्ड पर वापस गई, जो समान व्यवसाय ईमेल डोमेन द्वारा बनाए गए कूरियर कार्यक्षेत्रों को सतह पर लाता है ताकि आप आसानी से एक्सेस का अनुरोध कर सकें।

हम अपने अंतिम उपयोगकर्ताओं के लिए दृश्यता प्रदान करने के लिए अपने इन-ऐप एनालिटिक्स को सशक्त बनाने के लिए प्रोपेल का भी उपयोग करते हैं। हमारे द्वारा प्रोपेल का उपयोग करने का एक तरीका हमारे बिजनेस-टियर ग्राहकों के लिए टेम्प्लेट एनालिटिक्स डिलीवर करना है। प्रोपेल हमारे इंजीनियरों को आसानी से हमारे गोदाम से हमारे मेट्रिक्स के शीर्ष पर ग्राफक्लाइन विज़ुअलाइज़ेशन डालने की अनुमति देता है।

हमारी डेटा टीम फिर से विकसित हो रही है

अब, हम विकास की अवधि में प्रवेश कर रहे हैं, इसलिए स्वाभाविक रूप से, हम अपने डेटा दृष्टिकोण को फिर से विकसित कर रहे हैं। हमारा वर्तमान लक्ष्य हमारे डेटा वैज्ञानिकों को केंद्रीकृत डेटा मानकों को बनाए रखते हुए विषय वस्तु विशेषज्ञता का निर्माण करने में सक्षम बनाना है।

हमारी वर्तमान संरचना केंद्रीकृत है, जिसमें एक वरिष्ठ एनालिटिक्स इंजीनियर डेटा के प्रमुख को रिपोर्ट करता है। यह अब काम करता है क्योंकि हम अभी भी डेटा टीम बनाने के शुरुआती चरणों में हैं। लेकिन जब टीम का विस्तार होगा, तो हम एक हाइब्रिड मॉडल में बदलाव करेंगे।

डेटा वैज्ञानिक कुछ व्यावसायिक क्षेत्रों (जैसे उत्पाद टीम) को कवर करेंगे, लेकिन फिर भी वे डेटा प्रमुख को रिपोर्ट करेंगे। यह डेटा वैज्ञानिकों को केंद्रीकृत डेटा मानकों को बनाए रखते हुए विषय वस्तु विशेषज्ञता का निर्माण करने की अनुमति देगा क्योंकि हम विकास करना जारी रखते हैं। क्योंकि डेटा टीम हमेशा शेष संगठन के साथ-साथ बदलती और बढ़ती रहेगी, आपको ऐसे मानकों की आवश्यकता है जो व्यवसाय के साथ बढ़ेंगे।

यदि आप इस बारे में अधिक जानना चाहते हैं कि हम डेटा मानकीकरण कैसे करते हैं, तो हमारे ब्लॉग पोस्ट को देखें कूरियर HIPAA के अनुरूप कैसे बना .