lightdash 对于数据访问的处理
我们在 Lightdash 的使命是：
让您公司中的每个人都能使用数据回答他们自己的问题。
Lightdash 是数据团队（👷♀️ 建设者）和其他业务部门（👩🌾 消费者）聚集在一起以做出更好的数据驱动决策的地方。
对于数据构建者和数据消费者之间的这种关系应该如何运作，我们有一些非常强烈的意见。因此，我们认为解释构成 The Lightdash Way 的原则会很有用。
Lightdash 方式不仅仅是语义 (😏) - 它是关于让您公司中的每个人都能够回答他们自己的数据问题的整个体验。但是，我们将从缓慢开始，现在只了解其中一项原则：
您应该如何为想要回答自己的数据问题的人提供数据？
⚡️ Lightdash 方式：
为最终用户提供有意义的构建块来回答他们自己的数据问题。
让我解释一下我们的意思...
我们遇到了三种让人们使用数据回答问题的方法：
我希望很明显哪一个是我们的最爱😇
您让每个人都可以访问原始数据。
如果您有数据问题，您可以询问数据构建者，他们只会给您完整的答案。
⚡ The Lightdash Way:
数据构建器为您提供有意义的构建块来回答您自己的数据问题。
- 你让每个人都可以访问原始数据。🤪
如果您组织中的每个人都知道 SQL，并且每个人都有查询原始数据所需的上下文（...而且独角兽是真实的 🦄...），那么让每个人都可以访问原始数据就不会那么糟糕了。
但是，如果一个人不知道 SQL，那么他们完全依赖于帮助他们解决数据问题的人......不。
👍：非常灵活，完全自助（只要每个人都知道 SQL）
👎：每个人都必须了解sql，每个人都需要原始数据的上下文，重复工作，必然会出错 - 如果您有数据问题，请询问数据构建者，他们只会给您完整的答案。🎁
如果没有人知道 SQL 或者他们不愿意自己探索数据，那么专门的团队成员（可能是数据分析师）将完全负责探索数据。每个人都依赖数据团队来回答问题。
👍：只有分析师必须具备数据技能，错误更少（因为只有数据专家在回答数据问题）
👎：无法扩展，分析师成为瓶颈，这种工作很糟糕:( - 数据构建器为您提供有意义的构建块来回答您自己的数据问题。🧱
⚡ Lightdash 方式：我们为您的数据团队提供构建指标和维度所需的工具，其他人都可以在用户友好的界面中使用这些工具。
使用这种方法，您可以将 SQL 留给专家：您的数据团队。当他们在 SQL 中创建这些预定义的指标 + 维度时，它们变成了力量倍增器，因为业务中的任何人都可以组合、分割和过滤它们来回答他们自己的问题。
缺点是数据团队需要花费一些时间来定义和维护指标库。但是，一小部分指标可以为大量不同的分析提供动力，使团队的其他成员能够回答他们自己的数据问题。
👍：你只需要几个SQL专家，任何人都可以使用数据提出问题，错误更少，可扩展
👎：你需要一个数据团队，这个系统需要维护
当我们汇总数据时，我们会增加价值。
为数据消费者提供有用的构建块可以让他们更轻松地自助服务和回答自己的问题。
我们相信，这种分享数据见解的方式是每个人都能够回答自己的数据问题的体验的核心部分。它是数据构建者和数据消费者之间健康、快乐关系的基础👯♀️。
