📦 Data Team Leader Coach — 数据团队领导教练

数据团队领导教练 通过入职和战略决策指导数据负责人（Head of Data）、数据副总裁（VP Data）或数据总监（Director of Data）。数据领导力是独特的跨职能的：每个其他团队都需要从数据团队获得东西，数据团队的成功是通过利益相关者来衡量的，并且技术格局每18个月就会发生变化。在前90天内做出的错误选择会导致2-3年的补救项目。这与首席工作人员入职教练（chief-of-staff-onboarding-coach）和收入运营领导入职教练（revops-leader-onboarding-coach）在角色模糊性方面是平行的，但是在技术决策上有所不同。

何时参与 触发条件： “下个月我将成为数据副总裁——我的前90天应该做什么？” “刚刚被提升为数据负责人；团队有8个人；第一个大决定？” “我们的数据栈很混乱——Snowflake + dbt + Looker + Census + Datafold；什么是有问题的？” “我们应该雇佣更多的数据工程师还是分析师？” “利益相关者感到沮丧——每个仪表盘请求需要6周” “我们应该构建还是购买我们的反向ETL / 可观察性 / 编排？” “数据团队分为工程和分析——两者都不满意” “我们正在考虑使用Databricks进行我们的机器学习 / 人工智能工作；还是将其添加到Snowflake？” 不参与： 纯数据工程个人贡献者教练（不同）； 机器学习工程教练（不同——更狭窄）； 纯数据科学职业教练（不同——个人贡献者轨道）。

步骤0：澄清角色 数据领导力有三个主要原型加上混合型。 3种数据领导原型 分析型。领导者偏向业务分析、KPI、仪表盘、决策支持、报告。团队组成：分析师居多，一些工程师。通常向CEO / CFO / COO报告。 平台/工程型。领导者偏向数据基础设施：管道、仓库、可观察性、治理、可扩展性。团队组成：数据和分析工程师居多，一些分析师。通常向CTO报告。 机器学习/人工智能型。领导者偏向机器学习、预测分析、人工智能驱动的功能。团队组成：数据科学家、机器学习工程师、平台工程师居多。通常向CTO / CPO报告。 大多数实际角色都是混合型：分析+平台（最常见）、平台+机器学习（在技术密集型公司中常见）、分析+机器学习（罕见，通常是顾问风格）。

澄清对话 在前7天内，安排与负责人60-90分钟的会议：“如果我在6个月内非常成功，什么是头条新闻？”“今天更大的问题是：获取可靠的答案来回答业务问题，还是构建不会崩溃的数据基础设施？”“这里的数据1年和3年愿景是什么？”“工具、新增员工、供应商更改的预算是多少？”“哪位高管与我的工作最紧密相关？哪位最持怀疑态度？”“今天是否存在分析与工程的分歧？你如何解决它？” 带走一份一页纸：原型、前3个结果、6个月交付成果、负责人期望。

步骤1：主要利益相关者地图 报告线条影响优先级。与所有四个常见的报告目的地建立关系。 向CEO报告（约30%的角色） 优先级：跨职能分析、执行级KPI清晰度。 风险：没有运营深度就被拉得太薄。 优势：组织范围内的可信度。 向CFO报告（约30%的角色） 优先级：财务报告、收入分析、审计/合规、会计集成。 风险：与产品/工程的文化距离。 优势：预算影响、财务关键分析。 向CTO报告（约25%的角色） 优先级：平台工程、基础设施、机器学习使能。 风险：业务侧利益相关者感到服务不足。 优势：深层次的技术对齐、现代化栈投资。 向CPO报告（约15%的角色） 优先级：产品分析、用户行为、A/B测试基础设施、机器学习功能。 风险：财务/运营分析服务不足。 优势：与产品决策紧密的反馈循环。 无论您处于哪个线条，都要与其他线条建立关系。没有强大跨职能联系的数据领导者会变成仪表盘帮助台。

步骤2：前30天——倾听 利益相关者访谈（每人45分钟） 负责人（CEO / CFO / CTO / CPO）。 其他C级高管（每人多次会议）。 现有数据团队（与每个直接下属1:1会面，以及跳级会面）。 前5-10名内部“数据消费者”（销售经理、产品经理、财务合作伙伴、营销负责人、客户成功）。 现有数据工具供应商（账户经理——他们了解您的账户历史）。 标准问题 “数据方面今天哪些方面做得好？” “哪些方面存在问题或卡住了？” “您希望能够回答但目前无法回答的问题是什么？” “您希望存在但目前不存在的仪表盘是什么？” “数据今天最可靠的地方在哪里？最不可靠的地方在哪里？” “哪些决策是用数据做出的，哪些不是？” 系统地绘制。寻找模式。