前言要基于DevOps构建DevOps平台体系，需要深入理解DevOps的目标，厘清DevOps体系中的能力和职责，设计适合自身实际情况的DevOps组织，这样才能让生产关系适应新的生产力的要求，促进企业生产效率的提升。开发最终依赖于运维团队的敏捷响应能力。如果运维做不到敏捷，开发的敏捷对整个应用生命周期来说，价值就没那么大。而运维通常追求的是稳定，能不变更就不变更，因为每次的改变都面临着不确定性，面临着意外异常，影响着绩效、评价和客户满意度。因此需要通过合理的组织和职责设计来平衡运维和研发的利益诉求，通过自动化的工具和自服务在保障业务稳定性的同时来提升运维的敏捷性，以匹配研发的敏捷响应需求
前言要基于DevOps构建DevOps平台体系，需要深入理解DevOps的目标，厘清DevOps体系中的能力和职责，设计适合自身实际情况的DevOps组织，这样才能让生产关系适应新的生产力的要求，促进企业生产效率的提升。开发最终依赖于运维团队的敏捷响应能力。如果运维做不到敏捷，开发的敏捷对整个应用生命周期来说，价值就没那么大。而运维通常追求的是稳定，能不变更就不变更，因为每次的改变都面临着不确定性，面临着意外异常，影响着绩效、评价和客户满意度。因此需要通过合理的组织和职责设计来平衡运维和研发的利益诉求，通过自动化的工具和自服务在保障业务稳定性的同时来提升运维的敏捷性，以匹配研发的敏捷响应需求
这篇文章，我们来聊一下对于一个支撑日活百万用户的高并系统，他的数据库架构应该如何设计？看到这个题目，很多人第一反应就是：分库分表啊！但是实际上，数据库层面的分库分表到底是用来干什么的，他的不同的作用如何应对不同的场景，我觉得很多同学可能都没搞清楚。一、用一个创业公司的发展作为背景引入假如我们现在是一个小创业公司，注册用户就20万，每天活跃用户就1万，每天单表数据量就1000，然后高峰期每秒钟并发请求最多就10。天哪！就这种系统，随便找一个有几年工作经验的高级工程师，然后带几个年轻工程师，随便干干都可以做出来。因为这样的系统，实际上主要就是在前期快速的进行业务功能的开发，搞一个单块系统部署在一台
这篇文章，我们来聊一下对于一个支撑日活百万用户的高并系统，他的数据库架构应该如何设计？看到这个题目，很多人第一反应就是：分库分表啊！但是实际上，数据库层面的分库分表到底是用来干什么的，他的不同的作用如何应对不同的场景，我觉得很多同学可能都没搞清楚。一、用一个创业公司的发展作为背景引入假如我们现在是一个小创业公司，注册用户就20万，每天活跃用户就1万，每天单表数据量就1000，然后高峰期每秒钟并发请求最多就10。天哪！就这种系统，随便找一个有几年工作经验的高级工程师，然后带几个年轻工程师，随便干干都可以做出来。因为这样的系统，实际上主要就是在前期快速的进行业务功能的开发，搞一个单块系统部署在一台
“做经营分析，要洞察业务痛点，不要只罗列指标达成数据！”，这是很多公司对数据分析师的要求。可到底怎样才算洞察到业务痛点？今天系统讲解一下。错误示范一提到“洞察痛点”很多人本能就把指标达成率给列出来了，然后写到“本月A部门销售严重不达标！”还有些人会做拆解（如下图所示）拆完了说：“因为A部门新用户不行，建议把新用户搞多！”这算是洞察到痛点了吧。这个确实是痛点，问题是这是句废话，说的好像A部门不想把新用户搞多一样。这样仅仅列举结果指标，不讨论业务过程，都是隔靴搔痒，没法触及真正的痛点。另一些人想着：既然要了解业务过程，干脆给分公司/业务部打个电话问问。然而不打电话还好，一打电话，听到了截然不同两
“做经营分析，要洞察业务痛点，不要只罗列指标达成数据！”，这是很多公司对数据分析师的要求。可到底怎样才算洞察到业务痛点？今天系统讲解一下。错误示范一提到“洞察痛点”很多人本能就把指标达成率给列出来了，然后写到“本月A部门销售严重不达标！”还有些人会做拆解（如下图所示）拆完了说：“因为A部门新用户不行，建议把新用户搞多！”这算是洞察到痛点了吧。这个确实是痛点，问题是这是句废话，说的好像A部门不想把新用户搞多一样。这样仅仅列举结果指标，不讨论业务过程，都是隔靴搔痒，没法触及真正的痛点。另一些人想着：既然要了解业务过程，干脆给分公司/业务部打个电话问问。然而不打电话还好，一打电话，听到了截然不同两
OKR工作法是很多互联网企业在使用的方法。有的同学会觉得它换汤不换药，不就是当年KPI考核换个新名字吗。有的同学觉得，这就是互联网公司崇洋媚外，反正硅谷有啥新玩意抄过来再说。有的同学觉得，反正都是走过场，最后都是听老板的，啥工作法都一样。但陈老师不这么认为。在深度参与十几个客户的OKR工作进展以后，我看到了数据驱动业务的新模式，这可能是未来的一个发展方向。为啥？听我娓娓道来。一、从KPI的弊端说起绩效考核，KPI挂帅，已经在国内企业正式执行了超过30年。领导定指标，下属追指标，数据化管理绩效，是个很常见的事（如下图）。但是，这背后隐藏着很深的问题。问题一：目标从哪里来。反问一句：你参与过多少次
OKR工作法是很多互联网企业在使用的方法。有的同学会觉得它换汤不换药，不就是当年KPI考核换个新名字吗。有的同学觉得，这就是互联网公司崇洋媚外，反正硅谷有啥新玩意抄过来再说。有的同学觉得，反正都是走过场，最后都是听老板的，啥工作法都一样。但陈老师不这么认为。在深度参与十几个客户的OKR工作进展以后，我看到了数据驱动业务的新模式，这可能是未来的一个发展方向。为啥？听我娓娓道来。一、从KPI的弊端说起绩效考核，KPI挂帅，已经在国内企业正式执行了超过30年。领导定指标，下属追指标，数据化管理绩效，是个很常见的事（如下图）。但是，这背后隐藏着很深的问题。问题一：目标从哪里来。反问一句：你参与过多少次
经常有同学问：数据分析师成长是否有轨迹可循？从我自身体验+服务过大量企业情况来看，数据分析师成长是有路线的，只不过不同的企业给到数据分析师的成长天花板不同，所以大家感受才差异明显。总的来看，可以分为五个阶段阶段1：取数阶段SQLBoy是数据分析师们必经阶段，所谓“猛将发于行伍，宰相起于州县”，正是此理。因为真正工作中取数，并不是对着一个清洗好的大宽表写sql那么简单。为了提高数据质量，确保取数正确，有很多很多繁琐的工作要做：了解数据口径，了解产生数据的业务系统&业务流程，了解数据库设计，设计合理的埋单需求，要检查数据质量，要了解人工填报错漏背后真实原因……繁琐、纠结、复杂，都是工作常态。这些
做数据的同学们，最怕被人喷：“你做的没有用！”十个“你做的没有用”，至少七个和期望值过高有关特别是越不懂数据原理的人，对数据的期望值越高悲剧就是这么来的。怎么破？问题场景：某零售企业开始互联网转型，已上线微商城，并配套建设CDP，对微信端用户信息有一点采集（仅限于用户ID+购物行为+七零八落的互动行为）。现在负责微商城的领导找到数据分析师，表示：我们啥都有了，就差一个高深莫测的分析了，希望你能做出有价值的用户画像模型来提升业务。问题1：听了以下五位领导的发言，你觉得他们“不懂数据”的程度排序是……A：我们啥都有了，就差一个高级建模了B：你要做人工智能大数据分析下用户画像模型C：我们日常的商城报
