提供商业洞察。企业创始人对数据分析人员的预期中，很重要的一项是风险控制和为商业机会决策提供支持。所以数据分析师往往同时要扮演企业内部高级咨询师的角色，成为创始人的“外脑”。

　　这个阶段数据团队相当于是在为公司做“保养”，让公司先实现基本的数据驱动化，然后在时机合适时再一脚踩下油门，也就是我们所说的 “Growth Hacking 黑客增长 ”。

　　二、协同挑战：高速迭代的数据源

　　创业公司环境中，新产品发布周期非常短。从上往下看是是产品的 UI、UE 在不断变化，而从下往上看，数据团队所面临的产品数据源也在一直高速迭代。面对这样的现状，我们首先要明确的态度是，去拥抱变化中的数据环境，而不是吐槽。

数据团队要主动“扑上去”，积极与产品团队沟通，保持信息同步。

元数据（Metadata) 一开始就要做自动化。

警惕数据拉链的缺失，提前做好处理。产品在开发新功能的时候往往对数据状态的变化缺乏记录敏感性，而这些变动数据在统计中是需要用到的，所以必须提前警觉。

做好研发文档管理。产品在高速迭代的时候，通常会采用敏捷开发（Scrum）、精益开发模式，而不是传统的瀑布式开发，很容易造成研发文档缺失。

合理利用外部资源解决埋点问题。快速迭代的产品往往会遇到两类“埋点之痛”：一是产品人员没时间，埋点特别少；二是埋完点产品一更新，就被全面推翻。这中间就需要有一个权衡取舍。

　　我的建议是在核心节点上进行手动埋点，同时积极利用外部工具资源，这也正是猎上网选择 GrowingIO 的原因。在产品快速迭代的环境下，利用 GrowingIO 的无埋点数据采集技术，我们只需加载一次代码就能采集全量实时用户行为数据，可以大大减少数据团队前期埋点的繁琐工作。

　　三、需求挑战：顺序和主从

　　创业公司中，数据团队需要处理来自市场、销售、产品、运营、财务等所有部门的各种数据需求，但资源永远是有限的，所以必须明确优先级，找准重点。

　　我个人的建议是：优先解决花钱的问题，然后再解决赚钱的问题。

　　何为花钱的问题？客户留存模型、AARRR 海盗模型的本质都是一个漏斗。漏斗的最上层是引流，引流的特点就是有花销，比如市场部门的 SEM、品牌活动、广告投放，客户开拓部门的大客户销售（KA）、业务拓展经理（BD）等，都属于漏斗上层花钱的部分。

　　所以数据团队需要做的第一件事情，是帮企业创始人解决花钱的问题，用数据分析让花钱透明，然后不断调优花钱性价比，最终在高性价比的花钱方式基础上进行规模化复制。没有这个“花钱透明”的基础，企业很容易出现“烧钱烧死自己”的情况。

　　具体而言，数据团队需要配合市场部门对渠道效果进行精细化分析；需要支持客户部门做好团队成员的绩效管理，以及客户的价值管理。

花钱问题 VS 赚钱问题

　　漏斗的上层引流问题解决完后，接下来才是解决赚钱的问题，因为漏斗下层的交付运营部和财务部这两个模块是不能无限扩容的，必须基于前面市场部和客户开拓部的引流。相当于一个榨汁机，你在漏斗上层扔了三个橙子就是三个橙子，但最后能榨出多少橙汁，要看漏斗下层的处理能力。

　　在漏斗下层，交付运营部门需要基于数据不断优化类目管理，提高交易撮合效率和人员效能。同时数据团队还要与财务部门配合，对财务风险进行整体评估，想方缩短收账周期，减少坏账率，保证资金健康性。

　　以这样的顺序推进整个数据部门工作，会有一个非常大的好处：你的数据团队一直在做贡献，而不是一个成本团队。这一点非常重要。

　　四、技术挑战：自研还是集成

　　技术选型是不管创业公司还是大型公司的数据团队负责人都需要持续思考的一个问题，这方面我的两个建议是：

　　第一，重视时间窗口，尽量选择主流和保守技术。你不能把公司当成小白鼠，而是应该尽量少踩坑。另外，在早期选择特别前沿和小众的技术也很难招到相应人才，这也是必须考虑到的时间成本。