前言
大家好，我是艦長。
前一篇文章聊了軟體圈，本文我想簡單聊聊我所看到的 Data 圈，似乎 Data User 想要的東西跟軟體圈的 User 不太一樣。
Data 圈的使用者，只關心 Data
如果非得用一句話來總結，我會說：Data 的使用者，他們真正在意的只有一件事，就是「Data」本身。
這句話聽起來像是廢話，但請讓我用一個你可能不陌生的場景，來解釋背後的涵義。
想像一下，你是公司營運部門的主管，你早上九點要跟大老闆開會，報告上一季新產品的銷售狀況。你打開 BI Dashboard，想看一下最新的「產品轉換率」與「各通路營收佔比」。
這時候，你腦袋中想的多半是：
- 「這些數字到底準不準？」
- 「資料有更新到最新嗎？」
- 「為什麼 A 通路的營收看起來怪怪的？」
（本圖片由 Gemini 生成。）
而你多半不會去想：
- 「背後處理這批資料的 Data Pipeline 是用 Airflow 還是 Dagster 處理排程任務的？」
- 「底層的資料倉儲是 BigQuery 還是 Snowflake？」
- 「這中間是不是跑了一個很複雜的 Spark 任務來做資料處理？」
對你來說，你根本不關心 Data 是怎麼來的。你不在乎 Data Team 為了產出這張報表，究竟是蓋了一條全自動化的 Data pipeline，還是一路純手工接力把 Data 做出來。你只關心，當你打開 BI Dashboard 時，可以拿到正確的數字與報表去跟老闆說明。
所以如果 BI Dashboard 上的數字有錯誤、過期或無法給出解釋，那對你來說，這批 Data 恐怕就是沒有價值的；畢竟錯誤的 Data 可能會導致老闆做出錯誤的商業決策。
然而工程師們可能會說，雖然 Data 有問題，但它們依然是 Data Team 的 Data Engineer 與 Data Analyst 在那座造價不菲的 Data infra，透過多條複雜的 Data pipeline 所產出；這也是花費了很多成本與心血，怎麼可以說是沒有價值？
可惜即便如此，錯誤的 Data 就是錯，Data User 不會因為它是一批「產製成本」很高的 Data，就改變心意說這是一批正確可用的 Data。
小結
沒錯，本文還是繼續鋪梗。我想要讓大家認識 Data 領域有趣、同時也具有挑戰性的地方。
在軟體圈，使用者是跟一個「功能性的產品」互動；但在 Data 圈，「Data 本身」就是那個產品。
（不同的 User，想要的東西不一樣。）
也因此當 Data 本身就是產品時，那 Data 的品質、可信度就成了 User 所重視的一切基礎。
而想當然的，便宜、快、品質佳，這三個難以同時實現的條件，也同樣適用於 Data 圈，Data User 也會問「請問哪裡有又便宜、又快、品質又好的 Data 呢？」
系列文連結
此系列文持續撰寫中，陸續更新連結。
