在大中臺，小前臺場景下技術人員該做些什么

大家會有疑問，數據中臺盛行，從事數據相關崗位的人，如大數據工程師、數據分析師等他們的風向在哪里？

數據中臺的出現，實現人員的技術業務結合與飛躍，讓數據技術人員不僅增加數據技術廣度，還加強了對前臺業務理解，成為跨領域的“龍”式新物種—數據中臺工程師。數據中臺工程師必備基礎技能主要有三，分別是：商業模式、流量模式和數據分析體系。

商業模式包含注意力運營、交易類運營和效益類運營。注意力運營，這類產品都是試圖最大化用戶在產品上花費的時間，如媒體、游戲以及任何通過廣告變現的產品。關注指標是粘性，如UV、PV、訪問時長、訪問頻次、用戶到訪周期、訪問間隔等。交易類運營，這類產品幫助用戶做出購買決定，如：電子商務平臺、各種交易平臺、生活服務、SaaS等。關注指標是交易、交易活躍度，如新商品比例、商品被搜索比例、GMV、ARPU。效率類運營，這類產品幫助用戶創建了一種簡單可靠的方式來完成現有的任務或工作流程，如：工具類、B2B等。關注指標是用戶使用深度指標，如用戶完成一次工作流的數量、用戶完成一次工作流的時間。

如下圖，為數據中臺工程師必備技能之流量模式。

當我們分析某個網站時，可以遵循此圖，橫軸是變現能力，縱軸是導流能力，存在各種不同的角色。一般來講，金融類變現能力強，玩類導流能力強，出行類導流能力強。

如下圖，為數據中臺工程師必備技能之數據分析體系。

每一個產品從開始MVP驗證有效、獲取種子用戶、提升產品質量、提升用戶體驗、拉新獲客實現營收，及規模化實現利潤最大化，在每個階段，都需要進行分析，如用戶分析，參與度分析，渠道分析，構成分析，收入分析等。

而每個階段都要需要一套分析體系，對業務進行研究，所以技術人員需要補充數據分析能力和數據分析體系相關知識。

在新數據中臺情況下，迭代驗證周期是數小時到數天的迭代周期，技術人員只需要建立原子口徑，由業務人員做實時業務數據分析，支持業務分析。

建設數據中臺前需要思考這幾步驟：第一是和技術/業務主管商議是否真的需要中臺；第二是中臺模式選擇，是深中臺還是淺中臺；第三是數據中臺選擇，無論做哪種選擇最終的結果一定是讓業務人員可以直接進行相關數據分析，把業務還給業務，讓技術做技術；第四是人員和思路的變革。