在Amplitude，大数据现状，我们花了大量时间与客户交谈，帮助他们在产品分析方面取得成功。我们观察到的一件事是，那些在数据管理方面做得很好的公司，换句话说，那些保持干净数据、纠正错误、批准事件以确保其正确性以及计划事件以确保数据一致的公司，往往会从其产品分析系统中获得更多价值。在过去的几年里，我们已经深入研究了这个问题，并试图理解为什么会这样。通过这项工作，我们提出了一些原则，大数据存储技术有哪些，我们称之为数据管理的四个真理。具体如下：1分类法的目标是功能性第一个事实是功能的概念。回答问题的能力就是分类法。尽管一个组织良好且完整的分类法本身是值得的（至少对像我们这样的数据呆子来说是这样的），除非从分类法中产生直接的价值，否则大多数人不会努力维护这种分类法。分类法的最终目标是帮助回答有助于改进产品的问题（并使其更有利可图）。功能不仅仅是测量数据科学家理论上可以回答的最复杂的问题。它还可以测量你的数据对于那些对分析来说是全新的，只想计算一些简单指标的人的可用性。它不仅测量分析的深度，还测量分析的广度，或者可以用它回答问题的人数。2所有的分类法都是不完善的第二个事实是，所有的分类法都是不完美的。没有分类法可以为每个用户回答每个问题。会有一些数据你没有捕捉到，或者即使数据在那里，它的结构也可能不利于回答给定的问题。另外，低价的云服务器，在广度和深度之间通常会有一个折衷，因此您需要考虑如何构建数据结构，使其对尽可能多的人有用。另一件要记住的事是，需求会随着时间的推移而演变。即使你设计了一个分类法，可以回答今天所有可能的问题，而且它对你公司的每个人都是非常有用的，你的需求很可能在六个月或一年后发生变化。如果你的公司越来越以产品为导向，学习速度也越来越快，你很可能会有新的问题，而你目前的分类法很可能无法回答其中的一些问题。三。在当前状态和期望状态之间的差距变得清晰之前，数据投资不会发生这就引出了我们的第三个真理，也就是所谓的"哦，不！我们没有数据！"组织通常只有有限的资源来构建其分类法和检测事件数据。直到他们遇到一个关键问题，他们的分析系统无法回答，他们通常不会再投资。这是有道理的，因为每个人都想把钱花在能产生最大价值的东西上，而投资于分析往往需要时间来显示显著的价值。这样做的问题是，分类法的当前状态与所需状态之间往往存在明显的差距。当这种情况发生时，弥合这一差距的唯一方法就是在尚未显示出太多投资回报率的项目上进行更多投资。4有效的数据管理允许您修复现有数据并主动预防将来的问题前三个事实有助于我们了解数据管理世界的当前状态和期望的结果。这将引导我们找到第四个真理，或者结束所有痛苦的方法。这就是数据管理的真理。数据管理涉及两个方面：通过修复错误和删除不需要的事件和属性，并主动计划和审查传入的数据。追溯性地修复现有数据将使您能够在无需大量投资的情况下改进功能。这将为您提供所需的杠杆作用，以建立一个积极规划和批准活动的结构，从而在功能方面带来更大和更可持续的收益。因此，通过正确使用数据管理，大数据和数据分析区别，您既可以快速纠正问题，又可以建立一个防止新问题产生的结构。有效的数据管理不是灵丹妙药；解决数据问题需要不断努力。但是，通过投资于复杂的数据管理系统，您可以确保您的团队和同事无论他们的具体角色或SQL知识如何，都能够从数据中获得即时的洞察力。当然，人工智能包含哪些方面，您还需要工具来确保数据不仅是可访问的，而且是干净、安全和可管理的。这就是"从振幅控制"这样的能力的来源。使用governant，您可以在接收后操作数据，解决一些传统上限制使用深度和广度的问题。此外，government为规划和验证传入数据提供了一个简单的设置过程，从而减少了以后的数据问题。与其说数据管理是一种神奇的子弹，不如把它想象成一种神奇的蹦床，它旨在通过减少痛苦和提高结果来将您提升到下一个成熟度级别。你仍然需要做一些工作，但你会有一些工具来获得提升。正是这种推动，证明了时间和金钱投资的合理性。有了像government这样有效可靠的系统，您就有了管理分类法的主动工具。这篇关于数据管理的四个真理的帖子只是关于数据管理的三部分系列文章的第一部分。第二篇文章将解释如何为您的公司解锁功能。最后一篇文章将为数据管理制定一个成熟度模型，它将帮助您准确地确定您的组织目前的状况，并了解进入下一个成熟度级别意味着什么。