那些年，我在阿里当数据开发

写在前面的话

之前，我在阿里的数据部门做过5年的数据开发，后来也接触了很多外部的数据项目，在阿里的时候，经常会和一些生态伙伴公司做一些交付项目。

在这些合作伙伴的数据开发中，不管是新人还是老人，都能看到我曾经的一些影子，所以我想借助这篇文章，讲述一下我在阿里当数据开发的一些经历 ，希望在个人发展上对他们有一点帮助。

我的阿里数据开发之路

我在进阿里前，是做银行的数据仓库建设，用的是TERADATA的LSDM那套3NF建模的方法，技术也主要围绕TERADATA和后来的GREENPLUM为主，所以进到阿里后，会有一个在业务和技术上适应的过程。

首先是技术上的

我进到阿里后，那时候阿里正处于底层的数据处理平台更换的阶段，从GREENPLUM替换到HADOOP平台，因此我进入部门后，首先对HADOOP大数据平台并不是很熟悉，因为那时候银行里面都还没有开始用HADOOP平台，所以一开始对HADOOP这套计算架构就非常的不适应，比如为什么跑个SQL这么慢，执行个SQL还要打开网页运行（因为我们原来用的是在云端），这是一个慢慢熟悉和适应的过程。

另外一方面是业务方面的适应

业务变了，需要从原来熟悉的银行业务，过度到互联网业务。对应的数据也都发生了很大的变化，我到了ICBU后，被分配到负责流量和广告相关的业务，会接触到大量的日志数据，比如页面浏览，点击，曝光，还有P4P点击广告相关的日志，面对这么多非结构化的日志数据，我一开始都不清楚为什么需要这些日志的数据， 但是通过后面不断对互联网业务的熟悉，才知道流量分析对网站的重要性，这个阶段我也熟悉了很多流量相关的业务知识，比如SEM,PPC,SEO,联盟等等。

这个阶段除了提高新的技术和业务能力外，主要的工作就是不断的接需求做报表。团队里面有专门的数据PD，他们的职责就是"接活"，每天接业务方的需求，然后通过需求沟通和分析，每个月排定我们数据开发的资源，所以时间长了以后你就会觉得你就仅仅是一个资源，个人价值无法得到体现。

所以后来我们进行了改革，就是让数据开发自己到前面，接业务的需求，然后自己沟通和分析，数据PD就都去做PD应该做的数据产品设计。

说实话，这是一个很好的让开发成长的措施，因为做数据的，要想真正了解数据，你首先要了解对应的业务，不然你开发出来的数据，就只是那几张硬生生的报表。也正因为这个阶段，我学会了一些如何和业务"谈"需求的方法，比如WBRD，问需求方十个问题，像需求基于什么样的业务背景，业务的痛点是什么，指标中的模糊词汇如何定义，等等，将这些都问题清楚，你才能知道你为了什么而开发这个需求，而且你才能知道哪些需求该重点优先去排自己的时间做，这就是去做正确的事情。

另外这阶段也学到了一些数据分析的方法，因为我做出来的报表需要直接面向我的最终用户的，原来是开发好后，就丢给数据PD，所以现在业务方会直接来找我说，某某，你这个数据不对啊，这个时候，我才知道业务原来是这样分析数据的，因为我所在的是流量线，我也知道了原来流量是如何做相应的数据监控，才能及时的发现问题，排查问题，定位原因以及解决和预防问题。

"往前迈一步"

这是一个"往前迈一步"的阶段，这个阶段让我学会了需求分析和数据分析的一些方法，让我觉得个人的价值还是有一定的体现的，有时候被业务方点赞和认可，自己心里还是很暗爽的。

后来，阿里进行了登月项目，这个大家很多人都知道，就是将阿里所有部门的数据平台都迁移到ODPS，然后统一使用ONEDATA建模方法论去进行建模工作。但是我后面的工作重心并不是在ONEDATA建模上，而是在ODPS资源优化上。因为自从登月以后，ODPS的计算和存储是使用量不断提高，出于降本增效的目的，当时的CTO就成立了专门的数据管理委员会，并且基于统一的数据资产管理平台，进行全集团的数据治理。

参加过我们这块培训的人应该知道，主要的治理也是包括计算和存储两方面，对应的有计算健康分和存储健康分，如果达不到一定分数的人到时候就不能使用ODPS，所以那时候，我接到的副业就是，做为接口人，帮助整个B2B的同学一起进行优化。

这一阶段，我的工作就是组织全BU的人，学习ODPS的优化方法，包括一些后端和算法部门会使用到ODPS的同学，将一个个有问题，比如消耗资源TOP的几个SQL，抓出来教他们进行优化，但是你要教他们首先你得会一套有体系的优化方法，这个首先还得依赖我们阿里强大的产品能力，一些优化的方法论其实都体现在产品上，通过对数据管理平台中优化方法的学习和沉淀，那段时间我几乎每天都在和这些问题SQL打交道。而且后来我还接了整个数据开发部门慢报表的治理的工作，就是看部门哪个报表慢，哪个报表30天没人访问了，该下的下，该优化的优化。所以也正因为这个阶段的刻意训练吧，我熟悉了ODPS的底层的一些原理，以及处理MYSQL，ADB一些慢SQL的方法，以及针对不同的分析场景需要采用什么样的数据存储，是MYADB。

所以，假如你是一名合格的数据开发人员，你开发出来的报表查询时间不能低于3秒，开发的ODPS任务不能出现像数据倾斜，或者分区裁剪失效等问题，而且你要知道具体优化的方法。

开始了数据产品之路

接着后来做完这些工作后，我又往前走了一步，就是和团队的产品PD，一起搞了一些数据产品，比如一些应用计算的组件平台，还有核心指标库，以及一些业务的数据门户。因为你做到后来你会发现，正在能带来价值的还是产品，而且一方面你可以将你的一些方法论沉淀在产品上。这个阶段也从产品PD那里学了一些产品设计的方法，至少用AXURE画个产品的DEMO应该没问题吧。

另外这个阶段我也懂得了一个方法，就是你要学习一个技术，或者一个事情吧，你可以先从它对应的产品学起，因为产品往往是业界对应的方法论的沉淀，你可以通过产品，很快地掌握这件事情的方法，就比如我参与过的Dataphin产品，如果你要学习阿里巴巴关于数据中台相应的方法论，你其实是可以通过Dataphin这个产品学，包括数据建模，数据资产，数据质量等等方法论，都会在产品中体现。

写在最后，我觉得大家都是在将自己的能力最大化，价值最大化的过程中前进，所以有时候"往前迈一步"，可能会有更好的风景。

End.

作者：DeeperMan

作者介绍：20年互联网从业者大数据产品经验，最早的数据中台项目亲历者 目前兴趣点数据中台、智能数据体系构建，也会关注新生代数智化营销及分析类工具

原本链接：https://xie.infoq.cn/article/7c2951aeebab01a95b03341bf

本文为转载分享，如果涉及作品、版权和其他问题，请联系我们第一时间删除（微信号：lovedata0520）