大家好！
在万圣节期间，我参加了在布达佩斯举行的会议（ Data Crunch ），并听了一些有趣的演讲。 其中一位来自Uber，他谈到了他们组织数据管理平台的方法。 这份报告不像管理和杂货那么技术性。
Uber广泛利用了与乘客和驾驶员互动后收集的数据。 他们计算旅行费用，评估人员流量，更改价格算法，并根据收集到的数据向驾驶员提供如何赚钱的建议，以及所有这些建议。 在这样的公司中，所有处理数据的工作都不能集中在一组分析师和DS的手中，因为 否则，他们将不得不雇用过多的员工，此外，他们并不总是沉浸在业务环境中。
从一开始，该公司就开始构建数据管理平台，该平台将允许相当广泛的用户使用相当先进的分析工具。 他们确定了4个主要类别：
- 普通用户-他们知道基本的SQL，基本上只需要数据表，仪表板）
- 区域经理-他们了解一些SQL，了解不同部分的数据，非常需要切片和切块
- 数据分析师-高级SQL，构建仪表板，进行研究，寻找数据见解
- 数据科学-对数据处理，构建模型，进行实验，A / B测试等的最高了解。
在场外，我还从他们那里了解到，实际上有一个第五层-高层管理人员，他们主要使用高层报告和仪表板。
有趣的是，在Uber中，以某种方式处理数据的人至少应该至少了解SQL。
作为他们基于平台创建的产品的示例，他们引用了A / B测试的自动化。 该公司花费大量的A / B并分配给每位数据科学家，以便他组织一个实验，然后对测试进行评估-再次，这不是奢侈的事情。 因此，他们希望为普通用户提供正确解释和使用A / B的机会，而不会出现错误，而无需加载Data Scientist。
他们对该产品的构建始于与数据科学家的深入合作， 如果这些人不确定是否一切都正确，那么任何Data产品都将无法正常工作。 实际上，他们开始自动化A / B测试的启动和评估，从而为Data Scientist提供了使他们的生活更轻松的工具。 之后，他们在此工具上构建了一个界面，该界面将以简单的形式显示测试结果（启动了什么，有什么区别，区别是否显着）。 同时，他们“隐藏”了A / B测试中固有的最大细微差别，因此用户无需深入研究数学和统计学。
有趣的是，与我一起喝咖啡休息的大多数人说，他们的实践中没有任何A / B测试，他们在做出决策时会使用大量定性研究和直觉。 因此，与其他地方一样，一旦您想到了，就需要削减！