Բարձրացնելու հետ Klarity: Yusuke Kawano է Scaling Startups միջոցով տվյալների դասընթաց

Որպես արդյունաբերության մասնագետները նշում են, «հատեգորիաներ չեն որոշում արդյունքները, այլն»: Kawano, Meta- ի արտադրանքի աճի եւ Analytics- ի නායකը, մեկնաբանում է այս մասին: գործիքներ եւ սարքավորումներ ոչ մի բան նշանակում են, եթե նրանք անում են ճշգրիտ նպատակները: Նա առաջարկում է հիմնադրողներին, որ սկսել են այդ նպատակները, հարցելով «Ինչ բիզնես արդյունքները մենք ցանկանում ենք հսկողել տվյալների հետ» - ում, նախապես համակարգերի սարքավորումը կամ տվյալների գիտելիքների աշխատանքի համար: Պահպանելով այս համատեղը, թիմերը կարող են «պահպանվել անսահմանափակ հաղորդագրություններով կամ ավարտվել անսահմանափակ մետաղադրամների հետ», որոնք տեսնում են անսահմանափակ, բայց չեն կարող են գործել: Meta- ում իր ժամանակից առաջատար ամբողջ աշխարհում արտադրանքի եւ հավասարության նորարարություններից հետո, Kawano- ը հավատում է, որ առաջին պահանջը նշանակում է նպատակային հզորությունը: յուրաքանչյուր տվյալների կետը պետք է կապի հետ պլաստիկի հետ: Kawano- ի բաղադրույքը, գիտական բաղադրույք, որը համատեղելի է սոցիալական ազդեցության ծրագրերի հետ, ցույց է տալիս, որ իր ճշգրիտության եւ սատկության վրա: Նա բաղադրույք է ծախսերի եւ պատասխանատվության հետ, քանի որ այն անսահմանափակ են: Մոդելային AI- ի մասնագետները վախենում են, որ ճշգրիտությունը պետք է «պատկապես տեղադրվել է համակարգում», այլեւ analytics- ը կախված է որոշումներ եւ «պատկում է անհատականներին եւ վախենում է հավասարությունը». Kawano- ն տեսել է, թե ինչպես կարող են մանրամասն տվյալների մանրամասները մեծացնել, երբ ներառում են միլիոնավոր օգտվողները: Նա սովորեցրել է, որ առաջին մանրամասները հեշտ են եւ հագուստ են: մանրամասների բազանային գործառույթը (պիսին օրինակ, օրինակ, աշխատող օգտվողները) մանրամասները մանրամասներ են տալիս թիմի համար, այլն, թե ինչպիսիք են ամենամեծ մանրամասները: Որպես մեկ Start-Up Guide- ը առաջարկում է, որ «Ես չգիտեմ, թե դուք կարող եք մանրամասների մանրամասները մանրամասել» - արագությունը եւ հագուստը ավելի մեծ է, քան առեւտրային մանրամասները: Define clear objectives before collecting data Տեղադրեք մեծ հարցեր: Ո՞ր խնդիրը մենք լուծում ենք: Ո՞ր որոշումներ կօգնեն տվյալները տեղեկացնել: Արդյոք փորձագետները առաջարկում են, որ բոլոր մետրոպիկները միացնել մի արդյունքով: «Ո՞ր բիզնես արդյունքների հետ մենք ցանկանում ենք գործել տվյալների հետ?», այլն, որ տվյալների հավաքելու համար: Այս սեղմումը օգնում է փնտրել մետրոպիկները: Երբ Day1Data- ը նախընտրում է, սեղմելով նպատակները, թիմերը փնտրում են մետրոպիկների հետ կամ վերջապես փնտրում են մետրոպիկների հետ: Kawano- ը հավատում է, որ մետրոպիկների փնտրումը փնտրում է մետրոպիկները. Keep early data collection simple but structured Ձեր արտադրանքը անմիջապես գործել է, բայց չեք վերահսկել: Kawano-ը օգնում է հիմնադրողներին Տեսանյութը կարող է վերլուծվել այնպես, որ համակարգը կարող է վերլուծվել այնպես, թե ինչպես կարող է վերլուծվել այն, թե ինչպես կարող է վերլուծվել այն, թե ինչպես կարող է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք է վերլուծվել այն, թե ինչպես պետք «Այս ժամանակ, ինչպիսիք են DAU-ները, դուք պետք է սկսեք այն, ինչը անհրաժեշտ է, այնպես որ դուք կարող եք արագ եւ արագ սովորել, առանց վերահսկելու ձեր analytics- ը». track basic user events and core metrics don’t over-engineer metrics too soon Balance build vs. buy for your data stack Kawano- ում սովորել է Meta- ում, որ կառուցել Custom System- ը առաջարկում է լայնությունը, բայց լուծումների գնելը արագ է: Data Leaders- ը ասում է, որ ընտրությունը «նշում է Budget, Expertise, and Time-to-Value- ի վրա»: Եթե դուք ունեք առավելագույն ինժեներական հզորություն եւ միասնական պահանջները, կառուցել ինքներդ կարող եք վճարել: Եթե չեք, օգտագործելով կառավարված Cloud- ի ծառայություններ կարող են արագացնել տեսանյութերը: Օրինակ, Monte Carlo Data- ի գործառույթի հետազոտությունը հայտնաբերել է, որ տեղական տվյալների որակի գործիքների կառուցումը կախված է ~ 450K $ / տարի, ավելացվել է արտադրողների ժամանակի ժամերը, մեծ ներդրումը, որը կարող է փնտրվել off-the-shelf ծառայության միջոցով: The takeaway: կախված է արտադրողների ծախսերը եւ աշխատանքի վտանգները (լայն ինժեներներ ցանկանում են աշխատել արդյունաբերության ստանդարտ գործիքների հետ) եւ վաճառողների lead times: Բարձր հաճախ գնումը հասկանում է արագ արտադրման, բայց միայն դուք գիտեք ձեր թիմի լայնությունը եւ անվտանգության պահանջները: Ensure data quality and trust from day one Kawano-ը բացահայտում է, որ, ինչպես մի analytics- ի մասնագետ ասում է, «Անհարկե, թե ինչպես առաջադեմ տեխնոլոգիան, ամեն գործառույթը, որը հիմնված է տվյալների վրա, միայն այնքան հզոր է, թե ինչպես հզոր է տվյալները». Հիմնականում, դա նշանակում է ավելացնել հիմնական տվյալների մաքրման, սմարթային վերահսկողության եւ վերահսկողության սխալները սկսածից: Հիմնեք, որ բոլոր տվյալները «բեռնում են ստեղծմանից մատակարարման համար... բուժումը սեղանի վրա ազդում է ամեն ինչ վերահսկողության մեջ»: Հիմնադրելով ստանդարտները (լուսանկարներ, համատեղելի ձեւաչափեր, եւ այլն) early, դուք փնտրում եք անջատական բաղադրիչը: Ժամանակի ընթացքում, սխալ տվյալների որակի կարող է բեռնել ձեր analytics ROI- ում: Kawano- ի գործառույթը այն է, որ ճշգրտությունը նախընտրում է, որպեսզի թիմերը գիտեն, որ կարող են հավատել եւ գործել սխալները: Prioritize privacy, security, and compliance early Kawano-ը առաջարկում է, որ անձնական իրավունքները եւ անվտանգությունը ոչ մի ընտրական լրատվամիջոցներ են, այլ բնականներ են: Արդյունաբերական ուղեցույցները սեղմում են, որ «պատեգորիաների ճշգրտության եւ անվտանգության ճշգրտությունը սկսածին կարեւոր է, որպեսզի փնտրում են վտանգները»: Հիմնականորեն, դա կարող է նշանակել PII- ի սխալարկման, անվտանգ բլուխային բլուխների օգտագործման կամ GDPR / CCPA- ի սխալարկման նախագծման համար: Startups- ը կարող է տպագրել, որ այդ հատկանիշները մոռացվի հետո, բայց Kawano- ը մոռացում է հիմնադրողներին, որ տվյալների պատասխանատվությունը ստեղծում է հաճախորդների հավասարությունը եւ փնտրում է ծախսային վերլ Make data accessible across teams (no gatekeeping) «Այս օրվա ընթացքում, օրինակ, օրինակ, Day1Data- ը նշում է, որ տվյալների հզորությունը «նշում է, եթե տվյալները կախված են տեխնիկական բջջիջների հետո»: Այսպիսով, փորձագետները առաջարկում են, որ սարքավորումներ եւ հիմնական մետրերները տեսելի են եւ հասանելի են յուրաքանչյուր թիմի համար: Բարձրացնել cross-functional data repositories կամ no-code գործիքներ, որպեսզի մատակարարներ, արտադրանքի կառավարողներ եւ ինժեներներ կարող են ինքնաթիռել պատասխանները: Մետա ծախսում, նա տեսնում է տարբերակը: բաղադրիչները եւ սիլոնտային լուծումներ: Հիմնադրեք մոդել, ինչպիսիք են այլ տեխնոլոգիաների խոշորները: «Data must be accessible across all levels of the organization», որը թույլ է տալիս աշխատակիցներին բոլոր մակարդակներում ստանալ տվյալների հետազոտական լուծումներ: Լավ կառավարությունը դեռ կարեւոր է, բայց ավելի լավ է կառավարել պատասխանատու օգտագործումը, քան բեռնել տվյալները. Use data for experimentation, not just dashboards Kawano- ը փորձարկման եւ ուսուցման զգացմունքը խոստանում է: Ահա, որ analytics- ը վերահսկողելու համար, օգտագործեք այն, որպեսզի սխալացմեք եւ սխալացմեք: Խնդրում ենք թիմերը փորձարկման, A / B փորձարկման, պտուտակային առանձնահատկություններների, փորձարկման գործիքների եւ արդյունքների չափման համար: Այսպիսով Facebook- ի, Google- ի եւ այլ ընկերների «պտուտակային եւ ուսուցման» պրակտիկների հետ, որտեղ տվյալները վերահսկող են գործառույթների եւ առեւտրային որոշումներ: Հիմնականում, յուրաքանչյուր արտադրանքի կամ UX- ի փոխանցումը պրոֆեսիոնալ է: սխալացմեք սխալացմունքը, կտրեք տվյալները եւ Kawano նշում է, որ այս սերտիֆիկը առաջանում է, որ տվյալները մանրամասների գործիք են: Միեւ պարզապես կառուցել մանրամասներ, կառուցել արագ մանրամասների փաթեթներ: կարողեք analytics- ի մանրամասները առաջարկել նոր բաներ եւ բարելավումներ: Document and communicate data workflows Kawano- ի թիմերը միշտ կտրում են, թե որտեղ է տվյալները տվել, թե ինչպես են նրանք փոխել եւ թե որտեղ են: Այս ճշգրիտությունը փնտրում է համոզվածությունը, երբ նոր անդամները կանգնեն կամ խնդիրներ կանգնվում են: Secoda- ի լավագույն գործիքները բացահայտում են, որ «Documenting data pipelines is crucial for onboarding... troubleshooting issues,ining systems, and ensuring compliance». Շնորհակալություն, գրեք դիզայնը: ցուցադրեք տվյալների սերտիֆիկները, ETL աշխատանքները, սերտիֆիկները եւ դիզայնները. Այնուհետեւ հաղորդեք այդ աշխատանքային ուղեցույցները ամբողջ թիմի համար: Որպես փորձագետները предупреждают, եթե խողովակներ չեն հուսալի, դուք կստանաք հզորությունը եւ համատեղելիության խոշորությունները: Այս դիզայնը կառուցում է հավատանքը: մարդիկ հավատում են տվյալները, որոնք նրանք կարող են փնտրել: Design data systems that evolve and scale Kawano- ը առաջարկում է օգտագործել մոդելային, մանրամասն բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջային բջջջային բջջային բջջային բջջջային բջջջային բջջջային բջջջային բջջջային բջջջային բջջջային բջջջ Kawano- ը այնպես էլ առաջարկում է օգտագործել կառավարված պլատֆորմները (Snowflake, BigQuery, dbt, եւ այլն), երբ հնարավոր է, քանի որ նրանք աջակցում են լայնությունը: Հիմնական նպատակն է փնտրել ամբողջական վերլուծությունը երկու տարիվա ընթացքում: Որպես ընտրում եք գործիքներ եւ դիզայններ, որոնք խոստանում են փոխանցման համար, դուք ապահովում եք, որ ձեր analytics- ը վերլուծվում է ավելի բարձր առաքման եւ ավելի օգտվողների հետ: Avoid over-engineering or chasing vanity metrics Kawano-ը խոստում է Startups- ից, որ չեք վախենում հարմարավետ analytics- ի ծախսերի մեջ, երբ դուք ստանում եք բազաններ: Առաջին օրերին, համոզվեք, որ որոշ մետրոպեներ են, որոնք կարեւոր են: Mode- ի analytics- ի ուղեցույցը բացահայտում է այն, որ մինչեւ արտադրանքի շուկայի հարմարավետությունը, դուք չեք կարող ստանալ analytics- ի ծախսերը: Այսպիսով Day1Data- ը խոստում է, որ ընկերություններ «պասենում են վախենության մետրոպեներ», որոնք չի փոխել գործառույթը: Դա նշանակում է: Պահպանեք KPIs- ից, որոնք ներառում են աճի կամ վերահսկողության համար, ոչ ամենը, ինչ կարող է լինել: Պահպանեք հեշտ խողովակներ առաջին անգամ եւ թարմացեք հարմարավետ մոդելություն: Պահպանեք մետաղադրամները հաճախականորեն: Կրթեք այն, ինչ չի նշվում որոշումներում: Kawano- ի սեփական թիմերը գտնել են, որ ճշգրիտ խնդիրների լուծումը տվյալների հետ սովորաբար ներառում է սխալը կտրելու, ոչ ավելացնել ավելի մակարդակներ վերլուծության. Key lessons from Meta Kawano- ի Meta- ի (Facebook- ում) տեւողությունը բացահայտել է այդ բաները անմիջապես: Գլոբալ արտադրանքի կառավարում նա սովորեցրել է, որ հզորությունը պետք է լինի: Մինչեւ շաբաթվա ընթացքում բացահայտել կատարյալ որոշումներ, Meta- ի թիմերը հաճախ պետք է որոշում են անմիջապես եւ անմիջապես. Նա նաեւ տեսել է, թե ինչպես հզոր է ճշգրիտությունը եւ գրասենյակությունը, երբ միասին աշխատում են միասին թվային ինժեներներ եւ ինժեներներ: Դեկտրոնային փաթեթում կամ pipeline- ում սխալը կարող է տպավորել կարեւոր սխալներ: մասնագետները վկայում են, որ առանց ճշգրիտ գրասենյակների, սխալների վտանգը «սանելի է ավելացնել»: Հասկածաբար, Kawano տեսնում է, որ տեխնոլոգիաների խոշորները, decentralized թիմերը ապրում են միայն այն ժամանակ, երբ բոլորը համատեղում են մի շարք ճշգրիտություն, ինչը նա օգտագործում է, որ մետա-դանետերի կատալոգներ եւ տվյալների հաշիվները նորարարված են: Final advice for founders Kawano- ի տեսակի մեջ, տվյալների դասընթացի իրական վճարը պլանավոր է: Նա հիշեցնում է հիմնադրողներին, որ «դատների հետ հզորության, հավասարության եւ հզորության դասընթացը» կառուցում շատ ավելի ազդեցություն է, քան ցանկացած early-stage big-data ծրագրի համար: Day1Data- ը ասում է, որ «դատերները գնում են եւ գնում են... բայց պլանավորությունը, թե ինչպիսիք են մարդիկ մտածում, կապել եւ որոշել, այն է, թե ինչպիսիք է, որ տվյալները ստանում են պլանտրաձայնային հարմարություն»: Հիմնականորեն համոզվեք, թե ինչպիսիք են մանրամասները, պլանտացեք, թե ինչպիսիք են մանրամասները, պլան Հիմնականում, Kawano- ի գրասենյակը պարզ է: ստանալ հիմնականները ճիշտ է, ստեղծել հավասարությունը ձեր տվյալների մասին առաջին օրից, եւ թույլ տալ, որ կարդալականությունը եւ հավատերը, ոչ ինքներդ, հզորել են արտադրանքի ընտրությունները: Խնդրում ենք կապնվել Kawano- ի հետ LinkedIn- ում, որպեսզի իմանալ ավելին: . https://www.linkedin.com/in/Kawanokawano/