打造數據知情組織的基石（下）
原文連結：The Building Blocks of a Data-Informed Company
建立敏捷的基礎架構
一個出色的分析團隊不只需要擁有量化思維的成員（分析師、資料科學家），也需要有資料工程師（DE）還有資料架構工程師（DI）。工程師擅長建立可規模化的基礎架構，確保運算速度、正確度及可用性，一個好的基礎架構需要是敏捷並可因應未來需求調整的。公司的基礎架構如果只是為了短期需求而投入資源，在未來規模化的階段通常都會遇到問題。
多數的數據架構都會牽涉到數據採集，像是產品事件資料、銷售資料或外部資料等等，將這些資料轉化成可用的格式，再導入系統供日後的分析、報表還有成效評估。在報表系統以及儀錶板視覺化的結果應該要被仔細的監控。而成效評估的目的常常是分析團隊用來檢視數據指標與原本預期的數字相比是否有任何的偏誤。
資料架構（DI）團隊負責這過程中的運算機制，資料工程（DE）團隊負責在系統之間轉移數據，也會和分析團隊一起合力將重複性的分析產品化。
若是沒有思慮周全並建構完整的基礎架構，團隊最輕微的狀況是會晚一步知道那些影響產品商業表現的現象及因素，更嚴重的則會對自己的產品及公司狀況一無所知。
建立實驗文化
雖然在建構產品的早期，直覺經驗是無價的，但直覺跟經驗並無法被規模化。一個數據知情的公司需要建立一個強大的實驗和學習文化，將經驗和直覺轉化為假設和實驗設計。測試和學習的方法論背後所隱含的意義即「每週微小的進步所造成的複利會遠大於偶一為之的大進步」，不只是因為我們通常很難界定是什麼因素可以造成大的躍進，也是因為這樣的大進步是很難被規模化的。因此那些高度數據知情的公司中都有實驗文化及流程。
在說明實驗文化如何讓冷硬的數據實質影響到產品決策，Amazon 跟 Facebook 都是很好的例子，下面引述兩位創辦人的句子，說明了打造產品時實驗文化的重要性。
「Amazon 的成功要歸功於我們在一年、一月、一週甚至一天內做了多少的實驗。」 — Jeff Bezos 雅馬遜創辦人
「我最驕傲、同時也是 Facebook 成功的關鍵，在於我們做測試的思考框架… 任何時間點都不只有一種版本的 Facebook 在運作，可能有一萬種版本。」 — Mark Zuckerberg 臉書創辦人
建立分析團隊更廣的視野
要打造真正強大的數據知情公司，分析團隊必須在產品開發的每一個階段都參與其中，也需要密切與產品團隊合作。在最一開始，分析團隊應該要幫助產品團隊刻畫出產品成功的相關指標，持續量測進度並且協助辨識過程中商業的成長及風險。
