数据工作别大意！四个小要点教你少走弯路

和数据相关的工作是很精确的，有时候甚至略显枯燥。在工作中大部分人都想多做些出彩的事，其实，少犯错误远比你想的重要，因为错误一旦发生，你就要耗费大量的工程时间和资源来弥补错误。如果不小心，你的工程师们可能花费昂贵的时间来为销售团队解码数据，可能错过无数宝贵的营销机会。每当数据变得难使用或者理解时，你的团队决策速度会变慢，因此你的生意进展必将受到拖累。

不过，如果你从有用户就采用以下四个小要点，你一定可以避免走很多弯路。

1. 任命一个商业数据首席工程师

如果你能在团队中找到一个队数据分析真正有兴趣的工程师，你可以让他负责记录管理所有数据。这将为整个团队节省海量的时间。Porterfield 分享到，在Looker, 这样的一个商业数据首席工程师负责写能记录所有数据的脚本，从而方便大家总是能在同一个数据库内获取需要的信息。事实证明，这是个简单有效的方法，极大地提高了团队的工作效率。

2. 把数据放在开放的平台上

大家或该使用类似于Snowplow的开源平台，以能实时记录所有与产品相关的活动事件数据。它使用方便，有好的技术支援，可以放量使用。而最棒的一点，它能与你其余的数据框架很好的兼容。

3.选择一款合适的数据分析工具

市面上的大数据分析工具很多，有些着重于数据源的搜集，有些在数据分析，模型构建上能力最强，而有些则拥有最强的数据可视化展现方式。

4. 尽快将你的数据迁移到AWS Redshift或者其它大规模并行处理数据库（MPP）上

对于还处于早期的公司来说，类似于Redshift这种基于云端的MPP经常就是最好的选择。因为他们价格便宜，便于部署和管理，并且扩展性强。在理想状况下，你会希望从公司有记录之初就将你的事件与操作的数据写入亚马逊Redshift之中。“使用Redshift的好处在于这个平台便宜，迅速，可访问性高，”Porterfield说。并且，对于那些已经使用AWS服务的人来说，它（使用redshift）可以无缝接入你已有的架构中。你可以很容易的建设一个数据通道把数据直接传入这个系统中进行分析处理。“Redshift能让你灵活的写入巨量的颗粒状的数据而并不根据事件触发量的多少这样难以估计的参数来收费，”他说。“其它的服务会根据你储存事件的多少来收费，所以当越来越多的人使用你的产品时，越来越多的操作数据会被记录下来，这会导致最终的收费像火箭一样越升越高。”