3、构建自助式数据平台：从数据发现到洞察

构建自助式数据平台：从数据发现到洞察

在当今的数据驱动时代，企业面临着从海量数据中提取有价值信息的挑战。数据质量参差不齐，且不同企业对数据平台各服务的要求也不尽相同。例如，一家每季度仅部署一次离线训练机器学习模型（而非在线持续训练）的企业，可能不会优先考虑缩短训练时间指标，即使训练需要数周时间。

1. 构建自助式数据路线图

要开发自助式数据路线图，第一步是定义数据平台当前状态的计分卡。计分卡有助于筛选出目前阻碍从原始数据到洞察过程的指标。计分卡中的每个指标可能处于不同的自助服务水平，并根据其对整体洞察时间的影响程度，在路线图中确定自动化的优先级。

自助服务有多个级别，类似于自动驾驶汽车的不同自动化级别。例如，2 级自动驾驶汽车在驾驶员监督下可自行加速、转向和刹车，而 5 级则完全自动化，无需人工监督。

企业需要系统地规划每个筛选指标的自动化改进路线图。各章节的设计模式遵循马斯洛需求层次理论，金字塔底层是起始模式，后续有两个更高级别，层层递进。整个金字塔代表自助服务。

为了从这个过程中获得最大价值，建议按以下步骤执行自助式数据路线图：
1. 定义当前计分卡 ：明确数据平台当前的状态和各项指标情况。
2. 确定关键指标 ：通过对数据用户的调查，识别出两到三个对旅程图影响最大的指标，并对当前任务的实施方式进行技术分析。这些指标的重要性因企业的当前流程、数据用户技能、技术构建块、数据属性和用例要求而异。
3. 应用设计模式 ：针对每个指标，从马斯洛层次模式开始实施。每个章节专注于一个指标，涵盖自动化程度不断