你是达莉娅吗？我们如何为Spotify的分析平台创建数据科学角色
内容提要
Spotify通过混合定性访谈和定量分析员工数据的方法，创建了六个不同的人物角色，以更好地了解他们的数据从业人员。这些人物角色帮助指导产品开发和决策，并强调了数据科学和用户研究之间的合作重要性，项目期间吸引利益相关者，并保持简单明了的方法。这些人物角色已成为设定目标和指标的基础，并用于指导未来的产品战略。
延伸解读
从“数据科学家”到“数据从业者”：角色细分的必要性
文章指出，过去十年行业趋势将多样化的数据角色统一在“数据科学家”头衔下，但他们的需求并不相同，且许多处理数据的员工甚至没有这个头衔。Spotify 曾使用“数据从业者”这一统称，但发现它过于宽泛，无法有效指导产品开发。因此，他们通过构建人物角色框架来更精准地理解用户，这反映了在数据角色日益复杂的背景下，细分用户群体的实际需求。
混合研究方法：定性与定量的迭代循环
Spotify 采用混合研究方法，将深度访谈的定性洞察与员工数据的定量分析相结合。他们强调迭代循环：用定性工作为定量工作提供信息，再用定量工作反哺定性工作，直到满意为止。例如，先通过用户访谈创建初步的定量分类规则，再通过更多访谈验证和调整规则。这种方法确保了人物角色的准确性和可解释性，避免了单一方法的局限。
利益相关者参与：从研究到行动的关键
文章强调，基础性工作常面临如何激活和行动的挑战。Spotify 通过创建专门的幻灯片，突出每个团队应关注的人物角色，并公开讨论定制化建议，将建议与产品计划联系起来。他们还建立了专门的 Slack 频道分享更新，并开放用户访谈供观察。这种全程参与减少了与研究过程脱节的风险，使人物角色从对话起点逐渐成为设定目标和指标的基础。
简单规则与持续扩展：确保长期可用性
Spotify 使用基于规则的方法对员工进行分类，例如“员工使用仪表板工具的频率超过90%的数据科学家”。这种简单方法使结果易于解释、透明且值得信赖。此外，他们构建了每日更新的数据集，将每个内部用户分类为某个人物角色，不仅有助于未来招聘，还能按角色细分关键结果并探索用户行为。与设计团队合作创建的视觉化插图增强了人物角色的记忆性和分享性，促进了长期使用。
Q&A
Spotify是如何创建数据从业人员的人物角色的？
Spotify通过混合定性访谈和定量分析员工数据的方法，创建了六个不同的人物角色，以更好地了解数据从业人员。
这些人物角色对产品开发有什么影响？
这些人物角色帮助指导产品开发和决策，并强调了数据科学与用户研究之间的合作重要性。
Spotify创建的人物角色有哪些？
六个角色包括：Paola（产品战略家）、Eli（广泛探索者）、Ivan（影响者）、Daryl（数据可视化艺术家）、Sigrid（系统工程师）、Dalia（数据涉猎者）。
在创建人物角色的过程中，Spotify如何确保利益相关者的参与？
Spotify在项目过程中保持利益相关者的参与，创建专门的Slack频道分享更新，并在用户访谈中开放观察，减少与研究过程脱节的风险。
Spotify是如何验证和完善人物角色分类的？
Spotify采用迭代循环的方法，将定性研究与定量研究相结合，通过用户访谈验证分类，并根据反馈调整规则。
为什么使用简单明了的方法对员工进行人物角色分类很重要？
使用简单明了的规则基础方法确保结果的可解释性和透明性，使利益相关者更容易理解和信任结果。
