作者 | 竇衍森、任添石

數(shù)據(jù)工程的介紹

我們可以將數(shù)據(jù)視為一種新興的生產(chǎn)要素或生產(chǎn)原材料。通過對其進(jìn)行加工可以創(chuàng)造更多的價值，這些價值通常圍繞著業(yè)務(wù)和場景展開。因此，我們需要以一種能夠?qū)?shù)據(jù)生產(chǎn)和加工應(yīng)用到實際場景和價值中的方式來使用數(shù)據(jù)。

《數(shù)據(jù)工程白皮書》中的數(shù)據(jù)范疇包括結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化的各種類型數(shù)據(jù)。這是因為我們需要處理各種形式的數(shù)據(jù)，無論是二維表格，還是圖像、音頻、視頻等等。這些數(shù)據(jù)的加工和處理，是我們實現(xiàn)更智能化場景的關(guān)鍵。因此，我們需要以數(shù)據(jù)為中心，去面對并解決這些數(shù)據(jù)加工的挑戰(zhàn)。

圖：數(shù)據(jù)越來越重要

在面對不同的問題和企業(yè)發(fā)展現(xiàn)狀時，數(shù)據(jù)需求也會有所不同。為了更好地說明這一點，《數(shù)據(jù)工程白皮書》列舉了信息化、數(shù)字化和智能化三個階段。在信息化階段，企業(yè)更多地關(guān)注業(yè)務(wù)流程和線上化，在構(gòu)建系統(tǒng)時，我們需要先關(guān)注功能實現(xiàn)，而非數(shù)據(jù)的整合和平臺化。在功能實現(xiàn)之后，我們需要將業(yè)務(wù)流程的變化信息轉(zhuǎn)化為數(shù)據(jù)，并將這些數(shù)據(jù)串聯(lián)起來，以形成業(yè)務(wù)數(shù)據(jù)化的大方向。在智能化方面，像ChatGPT和文本生成等技術(shù)最近非常火熱。然而，實現(xiàn)智能化需要依賴于訓(xùn)練數(shù)據(jù)樣本、構(gòu)建模型、測試和優(yōu)化等過程，這些過程都需要使用數(shù)據(jù)作為基礎(chǔ)。因此，數(shù)據(jù)在智能化過程中的使用至關(guān)重要。

圖：企業(yè)所處的不同階段

在使用數(shù)據(jù)的過程中，不同階段的企業(yè)都需要從四個大方向考慮。首先，在業(yè)務(wù)數(shù)據(jù)化過程中，需要用數(shù)據(jù)展現(xiàn)業(yè)務(wù)經(jīng)營過程，例如數(shù)據(jù)洞察和可執(zhí)行業(yè)務(wù)動作。包括了現(xiàn)有業(yè)務(wù)過程、銷售額提升、銷售額提升的結(jié)構(gòu)和下一步行動方向。

圖：企業(yè)使用數(shù)據(jù)的四個階段

這里可以用銷售提升3%為例：

• 3%的銷售額提升是描述了企業(yè)目前正在發(fā)生什么
• 3%銷售額的提升是原有業(yè)務(wù)開展還是新興業(yè)務(wù)開展描述了企業(yè)發(fā)生變化的原因
• 3%銷售額的提升對企業(yè)運營來說，是需要繼續(xù)投入新業(yè)務(wù)抑或是需要保持優(yōu)勢業(yè)務(wù)的持續(xù)開展描述了下一步的方向在哪里
• 企業(yè)發(fā)展訴求是要達(dá)到5%銷售額的提升，那么需要如何投入、如何發(fā)力描述了企業(yè)如何確保業(yè)務(wù)發(fā)展方向與預(yù)想保持一致

數(shù)據(jù)在企業(yè)中的應(yīng)用場景將越來越多，因此對于數(shù)據(jù)工程的概念可能存在不同的理解。需要澄清的是，數(shù)據(jù)工程是一個體系，涵蓋了從企業(yè)數(shù)據(jù)戰(zhàn)略、需求設(shè)計、技術(shù)設(shè)計到開發(fā)、質(zhì)量管控和流程等方面。它源于軟件工程的實踐，但是在數(shù)據(jù)工程中被提煉出來并映射到數(shù)據(jù)層面的工作。需要強調(diào)的是，數(shù)據(jù)工程不僅僅是數(shù)據(jù)開發(fā)。

為了快速實現(xiàn)數(shù)據(jù)工程這個復(fù)雜體系，需要規(guī)模化的方式來提高開發(fā)效率，并減少人員更替和交接所帶來的影響。為此，《數(shù)據(jù)工程白皮書》提出了相關(guān)實踐和對人員能力的要求，并提到了數(shù)據(jù)工程成熟度的概念。不同企業(yè)的需求和狀態(tài)不同，有些企業(yè)可能只需要遵循一些規(guī)范化的開發(fā)原則，而有些企業(yè)需要應(yīng)對幾十人甚至上百人的開發(fā)團(tuán)隊，保證在每個項目上都能發(fā)揮更高的工作效率。這時，需要對整個企業(yè)的數(shù)據(jù)工程成熟度進(jìn)行評估，以有針對性地提升相關(guān)方向。

圖：Thoughtworks對于數(shù)據(jù)工程概念的定義

數(shù)據(jù)工程的價值

數(shù)據(jù)轉(zhuǎn)化為業(yè)務(wù)價值的過程與企業(yè)使用數(shù)據(jù)的四個階段緊密相連。對于銷售額提升 3% 的需求，我們需要將這個數(shù)字拆解并了解其背后所要使用的數(shù)據(jù)以及所需經(jīng)歷的過程，比如銷售額是含稅還是不含稅、單位是按照什么樣的金額進(jìn)行換算等。在處理數(shù)據(jù)時，也會涉及到不同系統(tǒng)的選擇和數(shù)據(jù)信息的持續(xù)定義和澄清過程，最終才能得到真正的洞見。在整個數(shù)據(jù)流轉(zhuǎn)過程中，我們需要不斷提升各個步驟的效率。

圖：數(shù)據(jù)在企業(yè)內(nèi)流轉(zhuǎn)過程

在數(shù)據(jù)工程中，數(shù)據(jù)從原料加工到成品需要考慮很多因素，如指標(biāo)計算口徑、數(shù)據(jù)異常預(yù)警等。同時，數(shù)據(jù)需要在不同階段進(jìn)行設(shè)計和實現(xiàn)，以體現(xiàn)企業(yè)經(jīng)營的狀況。在數(shù)據(jù)工程的設(shè)計中，需要考慮到各個階段的注意要素，以保障數(shù)據(jù)工作的有效性和準(zhǔn)確性。在業(yè)務(wù)和數(shù)據(jù)的融合過程中，需要將業(yè)務(wù)訴求與數(shù)據(jù)處理有效地融合在一起。業(yè)務(wù)和數(shù)據(jù)的邊界越來越模糊，因此需要技術(shù)支撐和保障，實現(xiàn)業(yè)務(wù)、數(shù)據(jù)和技術(shù)的有機(jī)融合，這是實現(xiàn)數(shù)據(jù)到價值過程的核心要素。

圖：數(shù)據(jù)“原料”到“成品”對加工示例

數(shù)據(jù)工程是一個復(fù)雜的體系，需要從人員層面解決開發(fā)成本和效率的問題。有標(biāo)準(zhǔn)化的設(shè)計和管控可以提高數(shù)據(jù)工程的效率和面對規(guī)模化時的應(yīng)對能力。團(tuán)隊之間需要統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，解決數(shù)據(jù)孤島問題，降低業(yè)務(wù)場景下的聯(lián)動成本。對于企業(yè)能夠快速滿足業(yè)務(wù)需求，以更小的成本實現(xiàn)業(yè)務(wù)訴求。根本目的是打造一個高響應(yīng)力的企業(yè)流程，以提高數(shù)據(jù)生產(chǎn)和加工的效率。只有在數(shù)據(jù)生產(chǎn)的相關(guān)原材料準(zhǔn)確無誤，才能挖掘數(shù)據(jù)的價值和實現(xiàn)智能化的演進(jìn)。因此，統(tǒng)一、標(biāo)準(zhǔn)化和提高效率是數(shù)據(jù)工程的核心要素。

圖：數(shù)據(jù)工程對企業(yè)對價值

數(shù)據(jù)工程的價值觀

我們看到了數(shù)據(jù)工程的價值，那么為了更好地落地數(shù)據(jù)工程，我們需要明確數(shù)據(jù)工程的價值觀。思特沃克數(shù)據(jù)和人工智能團(tuán)隊根據(jù)我們服務(wù)的不同的客戶及過往的項目經(jīng)驗，總結(jié)了如下的價值觀。我們參考了敏捷宣言中xxx勝過xxx的方式，我們認(rèn)為右邊的也有價值，但是更重視左邊的價值，因為每個企業(yè)都有自己的發(fā)展規(guī)模和階段，在每個時期會有不同的側(cè)重點。我們也期望在企業(yè)內(nèi)部，根據(jù)自身的實際情況，建立符合企業(yè)需求的價值觀，同時不斷地調(diào)整和演進(jìn)。

一、以數(shù)據(jù)產(chǎn)生的業(yè)務(wù)價值為交付結(jié)果

我們應(yīng)該關(guān)注數(shù)據(jù)處理后能為業(yè)務(wù)帶來的價值，而非僅僅關(guān)注數(shù)據(jù)接入和處理指標(biāo)的數(shù)量。例如，我們可以關(guān)注數(shù)據(jù)如何幫助了解銷售訂單的趨勢及其原因，以便為業(yè)務(wù)提供有益的指導(dǎo)。盡管不一定非得用業(yè)務(wù)收入作為衡量標(biāo)準(zhǔn)，但我們應(yīng)該努力實現(xiàn)數(shù)據(jù)產(chǎn)生的業(yè)務(wù)價值作為交付結(jié)果。

我們觀察到有些企業(yè)在建立數(shù)據(jù)中臺或數(shù)據(jù)平臺時，非常關(guān)注接入的數(shù)據(jù)量和計算指標(biāo)的多少，將其作為衡量項目成功與否的重要指標(biāo)。雖然數(shù)據(jù)接入、處理和指標(biāo)計算可以作為衡量數(shù)據(jù)平臺或數(shù)據(jù)中臺成果的指標(biāo)，因為它們反映了工作量和處理量，但我們不建議將它們視為北極星指標(biāo)或非常重要的指標(biāo)。我們強調(diào)的是數(shù)據(jù)產(chǎn)生的價值，即經(jīng)過處理后的數(shù)據(jù)如何服務(wù)于實際業(yè)務(wù)場景。

二、建立全功能的團(tuán)隊，實現(xiàn)端到端交付

許多企業(yè)在數(shù)據(jù)處理過程中存在類似的問題，如一個業(yè)務(wù)場景的實現(xiàn)可能會涉及數(shù)據(jù)湖、數(shù)據(jù)倉庫和報表可視化等部門，這個跨組、部門帶來的協(xié)作隔閡是非常影響交付結(jié)果的。雖然我們不一定要完全打破現(xiàn)有的組織形式，但我們應(yīng)該改進(jìn)我們的協(xié)作方式，盡量減少溝通隔閡，提高團(tuán)隊的協(xié)作效率。比如，建立基于項目的臨時交付團(tuán)隊。

三、面向業(yè)務(wù)域的劃分和面向未來的設(shè)計

隨著數(shù)據(jù)驅(qū)動的業(yè)務(wù)和企業(yè)愿景的發(fā)展，數(shù)據(jù)分析需求將不斷擴(kuò)大，企業(yè)數(shù)據(jù)應(yīng)用預(yù)計會有很大的發(fā)展?jié)摿ΑＲ虼耍谝?guī)劃時要具有一定的前瞻性，考慮到企業(yè)未來對數(shù)據(jù)存儲、計算和分析的需求。

在這個背景下，數(shù)據(jù)存儲、計算框架的技術(shù)選擇都需要謹(jǐn)慎考慮。例如，選擇傳統(tǒng)數(shù)據(jù)庫還是Hive，Iceberg等，大數(shù)據(jù)處理框架如Spark、Flink，還是pandas就可以。此外，還需要考慮如何劃分?jǐn)?shù)據(jù)存儲，例如數(shù)據(jù)庫的劃分。在這里，我們推薦按照業(yè)務(wù)域進(jìn)行劃分，包括存儲、ETL組織、ETL調(diào)度（DAG）和報表規(guī)劃等。這樣，可以根據(jù)業(yè)務(wù)需求變化進(jìn)行靈活調(diào)整，適應(yīng)企業(yè)的發(fā)展。

四、團(tuán)隊知識積累和傳承勝過簡單的文檔交接

在項目過程中，需要業(yè)務(wù)分析師、開發(fā)人員和測試人員緊密合作，共同了解需求，通過緊密協(xié)作進(jìn)行知識傳承。在實際開發(fā)過程中，我們鼓勵結(jié)對編程、Code Review等方式進(jìn)行知識傳承。我們的測試人員通常會在項目開始階段就參與需求了解，與業(yè)務(wù)和開發(fā)人員共同參與需求的確定。這樣的知識傳承方式有助于項目順利進(jìn)行，而不是業(yè)務(wù)分析師把一堆文檔交給開發(fā)和測試。

我們希望這些價值觀能夠引導(dǎo)大家進(jìn)行深入思考，更好地落地數(shù)據(jù)工程。不只關(guān)注交付結(jié)果，更加關(guān)注交付流程中的需求、開發(fā)、測試和業(yè)務(wù)的協(xié)作和流程，從而提升交付效率和質(zhì)量，建立更加和諧的數(shù)據(jù)應(yīng)用交付團(tuán)隊。

數(shù)據(jù)工程的七條原則

基于上面的價值觀，我們形成了7條原則來指導(dǎo)各種場景下的應(yīng)用。我們將原則打印并放在顯眼位置提醒團(tuán)隊成員。在日常工作中遇到分歧時，我們回顧這些原則以指導(dǎo)數(shù)據(jù)開發(fā)過程的改進(jìn)，確保團(tuán)隊始對數(shù)據(jù)工程的一致理解。

原則一、功能設(shè)計與開發(fā)要從價值交付考量

我們會通過一系列的活動確保項目的交付是基于業(yè)務(wù)價值的。通過愿景工作坊，針對高層管理者確定項目業(yè)務(wù)愿景。接下來，通過業(yè)務(wù)訪談，需求分析師和產(chǎn)品經(jīng)理與一線用戶進(jìn)行溝通，了解現(xiàn)狀、痛點和工作流程。基于收集的信息，我們進(jìn)行桌面研究，整合類似客戶和項目經(jīng)驗以及行業(yè)前沿洞見。

然后，我們通過訪談不同業(yè)務(wù)角色，為平臺用戶創(chuàng)建不同的用戶畫像（persona）。有時會為用戶起有趣的名字，以便討論時更加生動。接著，通過服務(wù)藍(lán)圖工作坊梳理業(yè)務(wù)流程、系統(tǒng)支撐和數(shù)據(jù)產(chǎn)生交互過程。在梳理出需解決問題和需完成任務(wù)后，我們通過優(yōu)先級考量方式對功能進(jìn)行排序，平衡緊急程度和價值，從數(shù)據(jù)、技術(shù)和業(yè)務(wù)三個維度進(jìn)行考量。

通過一系列活動確保我們是在為業(yè)務(wù)交付價值，在交付過程中，我們也會有一些其他的實踐確保和業(yè)務(wù)的緊密合作。

原則二、合理的架構(gòu)設(shè)計不僅指解決現(xiàn)有問題，還能夠在一定程度解決未來問題

數(shù)據(jù)類項目的重構(gòu)成本比傳統(tǒng)應(yīng)用開發(fā)要高一些，因為數(shù)據(jù)遷移和上下游庫表的強依賴。所以，我們建議數(shù)據(jù)平臺的架構(gòu)要有一定的前瞻性。

在設(shè)計過程中，考慮四個方向：面向領(lǐng)域的設(shè)計，即按照領(lǐng)域維度拆分DAG構(gòu)建和庫表結(jié)構(gòu)；演進(jìn)式的平臺和工具設(shè)計，在選擇成熟的數(shù)據(jù)平臺工具時，要注意短時的易用性與長期的可維護(hù)性之間的平衡；最后是數(shù)據(jù)模型設(shè)計的前瞻性，通過領(lǐng)域?qū)＜疫M(jìn)行邏輯建模并達(dá)成共識，方便基于邏輯模型進(jìn)行討論和實現(xiàn)。

原則三、我們倡導(dǎo)通過統(tǒng)一的工作標(biāo)準(zhǔn)和流程提升團(tuán)隊協(xié)作效率

雖然敏捷開發(fā)不鼓勵一定要遵循某個流程，但我們?nèi)匀恍枰欢ǖ墓ぷ鳂?biāo)準(zhǔn)。這些流程應(yīng)該是可調(diào)的，以便隨著時間的推移和團(tuán)隊的進(jìn)步進(jìn)行調(diào)整。

我們通過多年的實踐，摸索出一套適合國內(nèi)環(huán)境的敏捷開發(fā)流程。我們形成了一個穩(wěn)定的交付周期，每兩周進(jìn)行一次迭代。在這個迭代開始前，我們會不斷地與業(yè)務(wù)方溝通以確定優(yōu)先級，確定迭代交付的內(nèi)容。在迭代中，對每個故事卡的完成情況進(jìn)行驗收，確保數(shù)據(jù)準(zhǔn)確性，并在最后進(jìn)行持續(xù)發(fā)布。完整的迭代過程包括，拆分故事卡，迭代計劃，故事卡墻的建立，迭代開發(fā)，功能演示，用戶驗收，持續(xù)發(fā)布，迭代回顧。

過程中，如何進(jìn)行數(shù)據(jù)探測，單元測試，代碼審核，代碼提交規(guī)范，數(shù)據(jù)質(zhì)量校驗，都會形成團(tuán)隊自己的工作標(biāo)準(zhǔn)和流程，減少協(xié)作的隔閡。

原則四、工具是知識沉淀的具體表現(xiàn)，有效的工具能夠提升規(guī)模化開發(fā)效率

工具是知識沉淀的具體表現(xiàn)，通過有效的工具可以提升我們的開發(fā)效率。數(shù)據(jù)項目的交付可能包括數(shù)據(jù)集、報表、模型等可見部分，以及不可見的數(shù)據(jù)處理流程。我們需要在數(shù)據(jù)處理中提升效能，逐漸沉淀一些工具，例如數(shù)據(jù)接入層的自動化工具、ETL框架、工作臺等，以提升開發(fā)效能。

原則五、欣然面對需求變化，及時調(diào)整交付策略 

這個原則主要是關(guān)于面對變化，并及時調(diào)整交付策略。基于一個Backlog的管理需求，我們需要處理來自不同來源的需求，如業(yè)務(wù)需求、公司規(guī)劃舉措、產(chǎn)品用戶反饋和線上問題等。這些需求將被歸入到一個Backlog中，并根據(jù)優(yōu)先級和緊迫性進(jìn)行排序，再放入后續(xù)迭代中。

然而，我們需要注意一點：在應(yīng)對需求變化時要避免過于隨意。例如，當(dāng)客戶在今天晚上提出需求，希望明天就能完成時，我們需要評估需求的緊迫性是否真的如此之高，并考慮如何更好地支持這種需求，例如通過改造系統(tǒng)，讓業(yè)務(wù)自己完成。原因在于開發(fā)需要有自己的節(jié)奏，如果頻繁地切換上下文或打破開發(fā)節(jié)奏，可能會對開發(fā)帶來反向影響。因此，我們需要小心管理這些需求。

總之，在面對需求變化和管理業(yè)務(wù)變化時，要注意避免隨意的變化，并確保開發(fā)能夠保持自己的節(jié)奏。這樣，我們才能更好地應(yīng)對和管理需求變化。

原則六、數(shù)據(jù)治理需要滲透到整個數(shù)據(jù)工程落地過程當(dāng)中

在實際操作中，我們倡導(dǎo)精益數(shù)據(jù)治理。這是因為在企業(yè)內(nèi)進(jìn)行大而全的數(shù)據(jù)治理會消耗大量的人力物力，并且實施起來相當(dāng)困難。

因此，我們現(xiàn)在的原則是基于數(shù)據(jù)應(yīng)用驅(qū)動的數(shù)據(jù)治理。例如，在做一個訂單相關(guān)的報表時，我們首先針對這部分的數(shù)據(jù)治理，解決數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全等問題，并根據(jù)應(yīng)用場景設(shè)計相應(yīng)的解決方案。當(dāng)我們需要處理其他方面的數(shù)據(jù)，如簽收和物流時，可以按照數(shù)據(jù)應(yīng)用的角度逐步完善數(shù)據(jù)治理制度。

在數(shù)據(jù)項目的實施過程中，可能會遇到一些數(shù)據(jù)問題，這些數(shù)據(jù)問題需要反向到業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源進(jìn)行改變。但業(yè)務(wù)系統(tǒng)的變化可能會較慢或響應(yīng)遲緩，這時可以通過技術(shù)債進(jìn)行管理，在數(shù)據(jù)平臺可以暫時采用Workaround來解決問題。

總之，我們需要采用切片式的數(shù)據(jù)治理，并通過技術(shù)債進(jìn)行全面數(shù)據(jù)質(zhì)量管理。

原則七、人是數(shù)據(jù)工程落地的核心，要注重人員培養(yǎng)、知識傳承

雖然我們將這個原則放在第七位，但實際上它是最重要的原則。敏捷宣言中提到個人和交互勝過流程和工具，所以對于整個數(shù)據(jù)工程來說，人員是核心。我們經(jīng)常在跟客戶探討數(shù)據(jù)項目的交付實踐的時候，最后都會歸結(jié)到員工能力和文化上。因此，我們會注重人員本身的培養(yǎng)，包括知識傳承和成長。

這里的成長并不僅僅指企業(yè)內(nèi)部的職業(yè)發(fā)展路線，而是指在項目或產(chǎn)品開發(fā)過程中的成長。我們有一些好的實踐，如項目初期，團(tuán)隊成員會介紹自己的能力背景，并期望在項目中的成長。在項目過程中，我們通過讀書會、分享、結(jié)對編程和代碼審查等方式，為數(shù)據(jù)工程師和數(shù)據(jù)分析師提供學(xué)習(xí)機(jī)會。對于長期項目，我們需要有意識的逐漸培養(yǎng)人才梯隊。上圖中這里有一句話：“你需要長得這么高才能敏捷嗎？”實際上，并非如此，一個團(tuán)隊中會有不同層次的人才，我們需要提供一個成長環(huán)境，讓大家能夠提升能力和傳承知識。

總結(jié)

數(shù)據(jù)工程是數(shù)字經(jīng)濟(jì)下確保數(shù)據(jù)價值轉(zhuǎn)化的重要保障， 是加速數(shù)據(jù)轉(zhuǎn)化為價值的重要手段，數(shù)據(jù)工程能力應(yīng)對的不僅僅是當(dāng)下的挑戰(zhàn)，更是應(yīng)對未來數(shù)字經(jīng)濟(jì)大趨勢的秘密武器。隨著需要處理的數(shù)據(jù)量的增長，為了處理數(shù)據(jù)領(lǐng)域的各種新問題，各種新技術(shù)、新概念逐漸涌現(xiàn)，現(xiàn)代數(shù)據(jù)倉庫、數(shù)據(jù)湖、湖倉一體、分布式數(shù)據(jù)架構(gòu)、機(jī)器學(xué)習(xí)、數(shù)據(jù)云原生等逐一登上舞臺，數(shù)據(jù)工程的發(fā)展道阻且長。

所以無論是站在企業(yè)內(nèi)部的發(fā)展訴求還是站在企業(yè)所處的社會大環(huán)境，都在要求企業(yè)加速自己轉(zhuǎn)型、完善自己的數(shù)據(jù)能力，在激烈的市場競爭過程中獲得有利地位才能在未來數(shù)字經(jīng)濟(jì)繁榮成熟期到來之前占據(jù)有利戰(zhàn)略發(fā)展位置。