1.1、数据研发效能的评估标准是什么,有哪些方法来帮助提升研发效率?
1.2、针对业务调整频繁的场景,比如维度信息经常发生变动,如何减少数据链路的调整成本(如逻辑调整、数据回刷)?
1.3、数据质量保障方面的解决方案及告警、误差情况,问题感知和定位时长情况?
2.1、仓模型的好坏有评价标准吗?有哪些评价的维度?如何持续化治理?
2.2 数据一致性问题
3.1.关于用户体验的事情如何设计和落地的?评价用户体验的指标如何设计、数据运营以及数据治理是如何组织推进的、需求发现和受理有什么原则和方法?
3.2.有哪些典型场景(最重要的场景是什么)?不同场景的策略有何异同?
3.3.产品或解决方案使用情况怎么样?如何衡量好坏效果?
4.1.团队的组织结构划分?有哪几个方向?各自规模如何?各自工作的目标是什么?
4.2.演进路径有哪些特征,即有没有什么代表性的特征事件?组织结构做过哪些调整?
5.1、数仓工程师成长的脉络图,或者说知识架构图?
5.2、发展之路上需要哪些核心能力,每个阶段需要专注提升哪些能力。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。