如何为数据科学团队使用 OKR 来改进我们的数据栈

“你能给我 X 的数据吗？”——数据科学家可能经常收到这样的问题，我们的团队也是如此。

尽管在大多数情况下，人们索要的数据并非他们真正需要的，但这却是一个信号，表明有些事情不对劲。

我们为什么为数据分析团队引入 OKR

我们意识到，收到这些问题的原因之一是我们未能为自助服务分析奠定基础。我们必须面对现实，承认眼前存在的问题：

我们在教育人们如何使用和分析数据方面做得不好；
由于不同数据源之间集成不佳，非工程师或没有数据库和 SQL 知识的人无法合并数据进行分析；
数据科学成为了数据驱动决策的瓶颈，并且由于我们的速度太慢，甚至阻碍了数据驱动决策；

我们需要一种更好的策略来使数据更易于访问——并且我们需要一个框架来统一团队并跟踪进度。那时我们转向了 OKR（目标与关键成果）。

什么是 OKR，为什么它对分析团队有用？

必须进行战略转变，以提高数据可访问性并实现自助服务分析，而且我们需要一个框架来正确地统一团队并能够衡量我们的进展。在此期间，我们的公司开始研究 OKR（目标与关键成果）。OKR 是一种面向团队的目标设定方法，可帮助您设定可衡量的目标。关键思想是，您需要定义 **宏大的目标**，每个目标由 **3-5 个关键成果** 来衡量，可以使用以下模板：

我将通过 [关键成果] 来实现 [目标]。

我们的数据科学团队希望成为先驱，并尝试使用该框架。

我们的第一个 OKR：使公司范围内的数据可访问

我们希望共同制定团队目标，以提高一致性和目标所有权；
我们希望能够以透明的方式衡量我们的进展；
我们的日常工作应与我们想要实现的目标紧密相关；

我们一起制定并分析了当前情况，以得出目标和关键成果。我们的目标是为未来的更大进步奠定基础，并开始设置数据仓库结构，其中包含预先连接和处理好的表，这些表易于我们的业务用户进行分析。因此，我们设定的一个示例目标是 **“公司中的每个人都可以访问数据”**。

在 Metabase 中跟踪 OKR 进度

为了保持目标可见且可操作，我们在 Metabase 中创建了一个仪表板来跟踪 OKR 进度。每周，我们在 OKR 检查中一起回顾仪表板。

这包括我们用来衡量成功的以下关键成果：

所有新的 Metabase 问题都使用集中的数据仓库
Metabase 中的问题遵循一致的文件夹结构
仓库中的每个表都有描述
业务用户使用的每个列都有描述

乍一看，这些听起来像是基本得不能再基本了的关键成果。然而，它们在衡量基本可访问性方面发挥了关键作用。

我们在 Metabase 中创建了一个仪表板来衡量我们的进度，并在我们每周的 OKR 进度检查中查看数据。

a screenshot from Metabase where OKR are used

我们为在 Metabase 中设置 OKR 仪表板所采取的步骤

免责声明：以下步骤针对使用 BigQuery 的仓库设置以及运行 PostgreSQL 数据库的 Metabase 实例进行了定制。

将 Metabase 连接到您的 BigQuery 项目（文档）
将 Metabase 连接到存储 Metabase 数据的 PostgreSQL 数据库（连接到 PostgreSQL 数据库的文档）
创建您想在仪表板中看到的问题（参考下面的模板查询）
将所有新创建的问题合并到一个仪表板中。

查询模板

如果您想构建类似的东西，这里有一些查询模板可以帮助您入门。为了使其适用于您，您可能需要替换以下查询中的一些变量：

<YOUR_DATA_REGION>：您的数据存储区域，例如 region-europe-west1 <YOUR_GOOGLE_PROJECT_NAME>：您的 Google Cloud 项目名称

带描述的 dbt 仓库表百分比

显示使用 dbt 创建的仓库表和视图的描述进度。

我们为此使用了这个 SQL 查询：

WITH descriptions AS (
  SELECT
    table_name,
    1 AS has_description,
  FROM `<YOUR_DATA_REGION>.INFORMATION_SCHEMA.TABLE_OPTIONS`
  WHERE
    option_name = 'description'
    AND option_value <> '""'
    AND table_schema LIKE 'dbt%'
)

SELECT
  SUM(COALESCE(has_description, 0)) / COUNT(*) AS ratio
FROM `<YOUR_DATA_REGION>.INFORMATION_SCHEMA.TABLES`
LEFT JOIN descriptions USING(table_name)
WHERE
  table_catalog = '<YOUR_GOOGLE_PROJECT_NAME>'
  AND table_schema = 'dbt_marts'

带描述的仓库列百分比

显示带有描述的仓库表列的进度。

我们为此使用了这个 SQL 查询：

SELECT
  SUM(IF(description IS NOT NULL AND description != '', 1, 0)) /
    COUNT(*) AS ratio,
FROM `<YOUR_DATA_REGION>.INFORMATION_SCHEMA.COLUMN_FIELD_PATHS`
WHERE
  table_catalog = '<YOUR_DATA_REGION>'
  AND table_schema = 'dbt_marts'

按数据源新创建的 Metabase 问题

显示每月按数据源划分的新创建问题所占的份额。不包括使用 Metabase 数据库的问题。

我们为此使用了查询生成器。

a screenshot of Metabase query interface

最终思考：为什么 OKR 对数据分析团队有效

为我们的数据分析团队实施 OKR 帮助我们从被动支持（回答无休止的临时请求）转变为主动赋能（构建赋能他人的系统）。我们朝着成为推动战略而非仅报告战略的团队迈出了更坚实的一步。

如果您的团队因一次性数据请求而不堪重负，或者在团队目标一致性方面遇到困难，那么设定 OKR 可能是您工作取得清晰度、所有权和动力的改变。

商业智能

嵌入式分析

文档

学习