feat: 产品简介和用户画像

Author: Guo-Zhang

_toc.yml

@@ -9,9 +9,13 @@ parts:
     title: 事件风暴
 - caption: 用户画像
   chapters: 
-  - file: personas/quanttide.md
+  - file: personas/README.md
+  - file: personas/engineers.md
+  - file: personas/analysts.md
+  - file: personas/managers.md
 - caption: 产品特性
   chapters:
+  - file: features/README.md
   - file: features/datasets/README.md
   - file: features/applications/README.md
   - file: features/collecting/README.md

features/README.md

@@ -0,0 +1 @@
+# 产品特性概述

index.md

@@ -1 +1,25 @@
 # 产品简介
+
+%定义产品
+
+量潮云数据工程平台，简称量潮数据云，是一站式数据工程管理协作平台。
+
+QuantTide Cloud for Data Engineering, abbreviated as QuantTide Data Cloud, is a comprehensive platform for data engineering management and collaboration.
+
+%对定义中的关键词展开解释
+
+在“数据工程”领域，我们的平台专注于构建、维护和管理数据基础设施，包括支持数据的收集、存储、处理、转换和传输，以满足数据分析、业务洞察和决策支持等需求。
+
+In the field of "data engineering," our platform focuses on constructing, maintaining, and managing data infrastructure. This involves supporting data collection, storage, processing, transformation, and transmission to meet the needs of data analysis, business insights, and decision support.
+
+“管理”指管理者和数据工程团队统一治理数据基础设施和管理数据分析团队的工作；“协作”指数据工程与分析团队内部和团队间的协同工作。
+
+"Management" refers to the unified governance of data infrastructure and the management of data analytics teams by managers and data engineering teams. "Collaboration" refers to the collaborative work within data engineering and analysis teams, both within teams and across teams.
+
+作为一个“平台”，我们以平台即服务（PaaS）的形式为客户提供云端服务，通过云原生架构降低边际使用成本并提高可用性，从而帮助客户减轻基础设施管理负担；此外，我们还提供一系列开源库和开发者工具，帮助客户降低使用门槛。
+
+As a "platform," we offer cloud services in the form of Platform as a Service (PaaS) to our customers. This helps alleviate the burden of infrastructure management and reduces marginal usage costs while improving availability through cloud-native architecture. Additionally, we provide a range of open-source libraries and developer tools to help our customers reduce the learning curve and facilitate their usage of the platform.
+
+“一站式”意味着我们的平台可以满足数据工程领域的所有管理和协作需求；通过提供一套完整的工具和功能，我们致力于简化数据工程流程的每个环节，帮助客户优化数据工程任务的执行。
+
+Being a "comprehensive" solution means that our platform addresses all the management and collaboration needs in the field of data engineering. By providing a comprehensive set of tools and functionalities, we aim to streamline and simplify the entire data engineering process.

personas/README.md

@@ -0,0 +1,29 @@
+# 用户画像概述
+
+我们将用户分为三类角色：数据工程师、数据分析师和管理者。
+
+We classify users into three roles: Data Engineers, Data Analysts, and Managers.
+
+数据工程师是数据工程领域的专业人士，他们在组织内负责设计和实施数据架构、数据流水线以及数据处理系统。他们致力于确保数据在组织内部的高效、安全和可靠的流动和使用。
+
+Data Engineers are professionals in the field of data engineering. They are responsible for designing and implementing data architecture, data pipelines, and data processing systems within an organization. They strive to ensure efficient, secure, and reliable flow and utilization of data within the organization.
+
+数据分析师是负责进行数据分析和挖掘的专业人士，他们通过对数据的深度分析和解读，为组织提供决策支持和业务洞察。数据分析师利用统计和分析技术，结合业务知识，从数据中发现趋势、模式和关联，并将其转化为可理解的报告和可视化结果。
+
+Data Analysts are professionals responsible for data analysis and mining. They provide decision support and business insights to organizations through in-depth analysis and interpretation of data. Data Analysts utilize statistical and analytical techniques, combined with business knowledge, to discover trends, patterns, and correlations in data and present them in understandable reports and visualizations.
+
+管理者是组织中负责数据工程和数据分析团队的领导者，他们负责整体的数据工程和分析策略规划以及团队管理。管理者需要协调和管理数据工程师和数据分析师之间的协作，确保数据基础设施和数据分析工作的高效运作。
+
+Managers are leaders responsible for data engineering and data analysis teams within an organization. They oversee the overall data engineering and analysis strategy and team management. Managers coordinate and manage the collaboration between data engineers and data analysts to ensure efficient operation of data infrastructure and analysis work.
+
+我们计划从以下角度刻画用户画像：
+
+- 职务：指在组织中担任的具体职位或角色，如数据工程师、数据架构师等。
+- 职责：指在特定职务或角色下需要承担的任务和责任，涵盖工作范围和职能。
+- 技能：指在特定职务或角色下需要具备的专业知识、技术能力和技能，用于有效地履行职责和完成工作。
+- 信息需求：指在特定职务或角色下需要获取的相关信息和知识，用于不断学习和适应行业的发展和变化。
+- 教育和背景：相关学历、专业背景、培训经历等
+- 工作经验：在数据工程和分析领域的工作经验和项目经历
+- 工作环境：所在组织的规模、行业、数据规模和复杂性等情况
+- 工具和技术：常用的数据工程和分析工具、编程语言和开发环境
+- 挑战和需求：当前面临的挑战、需求和期望，以及对工具和平台的期待

personas/analysts.md

@@ -0,0 +1,29 @@
+# 数据分析师
+
+## 概述
+
+- 职务：数据分析师、业务分析师等
+- 职责：负责进行数据分析和挖掘，通过对数据的深入分析和解读，为组织提供决策支持和业务洞察。他们使用各种统计和分析技术，结合业务知识，从数据中发现趋势、模式和关联，并将其转化为可理解的报告和可视化结果。
+- 技能：熟悉统计学、数据分析方法和工具，熟练使用数据可视化工具，具备良好的问题解决能力和业务洞察力。
+- 信息需求：对数据分析方法和技术的了解，数据可视化最佳实践，以及领域内的业务洞察和决策支持案例等。
+- 教育和背景：通常拥有相关的学士或硕士学位，如统计学、数学、计算机科学等，也可能有相关行业的背景和培训经历。
+- 工作经验：在数据分析领域有一定的工作经验和项目经历，熟悉数据分析过程和常用的数据分析工具和技术。
+- 工作环境：所在组织的规模、行业、数据规模和复杂性等情况，以及与其他团队成员（如数据工程师）的协作情况。
+- 工具和技术：熟练使用常见的数据分析工具和编程语言，如Python、R、Tableau等，具备基本的数据处理和数据清洗能力。
+- 挑战和需求：面临的挑战包括数据的质量和准确性、数据的复杂性和多样性、数据分析的速度和效率等，对于工具和平台的需求包括易用性、协作性和可扩展性等。
+
+## 职责
+
+- 数据分析和挖掘：使用统计和分析技术，对数据进行分析和挖掘，发现数据中的模式、趋势和洞察。
+- 数据可视化和报告：将分析结果可视化，设计和生成数据可视化报告和仪表盘，以便其他团队和管理层理解和使用数据。
+- 决策支持：为业务决策提供数据驱动的洞察和建议，评估业务策略和行动的效果，并提供优化建议。
+- 数据需求和沟通：与数据工程师和其他利益相关者合作，了解数据需求，确保数据的准确性和一致性。
+
+## 技能
+
+- 熟悉统计学和数据分析方法，掌握常用的数据分析工具和编程语言，如Python、R、SQL等；
+- 具备良好的问题解决能力和逻辑思维能力，能够从复杂的数据中提炼出有意义的信息；
+- 具备良好的沟通和表达能力，能够将分析结果清晰地传达给非技术人员；
+- 具备业务理解和领域知识，能够将数据分析与业务目标结合起来；
+- 敏锐的洞察力和好奇心，能够发现数据中的潜在价值和趋势；
+- 学士或硕士学位，如统计学、数学、经济学等相关领域。

personas/engineers.md

@@ -0,0 +1,92 @@
+# 数据工程师
+
+作为数据工程师，他的职责是设计和实施数据架构、数据流水线和数据处理系统。他致力于确保数据在组织内部的高效、安全和可靠的流动和使用。
+
+As a data engineer, his role involves designing and implementing data architectures, data pipelines, and data processing systems. He is responsible for ensuring efficient, secure, and reliable flow and utilization of data within an organization.
+
+为了在这个角色中表现出色，他需要具备数据建模、ETL工具、数据库管理、编程和脚本语言等方面的技能。了解最新的数据处理技术、数据架构设计指南以及数据质量和性能优化技巧是非常重要的。
+
+To excel in this role, he should possess skills in data modeling, ETL tools, database management, programming, and scripting languages. Staying updated on the latest data processing technologies, data architecture design guidelines, and techniques for data quality and performance optimization is important for him.
+
+通常情况下，数据工程师通常具备计算机科学、数据科学或相关领域的学士或硕士学位。此外，具备相关的数据工程和架构培训或认证也会被视为加分项。
+
+Typically, a data engineer holds a bachelor's or master's degree in Computer Science, Data Science, or a related field. Additionally, having relevant training or certifications in data engineering and architecture is considered a plus.
+
+他通常需要具备数年的数据工程经验，参与过数据架构和处理系统的设计和实施。具备处理大规模数据和数据流水线的经验会被优先考虑。
+
+He should have several years of experience in data engineering, with involvement in the design and implementation of data architectures and processing systems. Experience in handling large-scale data processing and data pipelines is highly valued.
+
+数据工程师可以在各种规模和行业的组织中工作，包括但不限于科技、金融、零售和制造业。他的工作环境可能涉及与多个团队和部门的合作，需要良好的沟通和协调能力。
+
+Data engineers can work in organizations of various sizes and industries, including but not limited to technology, finance, retail, and manufacturing. The work environment may involve collaboration with multiple teams and departments, requiring excellent communication and coordination skills.
+
+他需要熟练使用数据建模工具（如Erwin、PowerDesigner）、ETL工具（如Informatica、Talend）、数据库管理系统（如Oracle、SQL Server、MySQL）以及编程和脚本语言（如Python、Java、Shell）。
+
+Proficiency in data modeling tools (such as Erwin, PowerDesigner), ETL tools (such as Informatica, Talend), database management systems (such as Oracle, SQL Server, MySQL), and programming and scripting languages (such as Python, Java, Shell) is essential for him.
+
+在这个角色中，他可能面临处理大规模和多样化数据、确保数据质量和一致性、提高数据处理和查询性能等挑战。为了满足这些挑战，他需要掌握最新的数据处理技术、数据架构设计的最佳实践以及数据质量和性能优化的技巧。
+
+In this role, he may face challenges such as handling large-scale and diverse datasets, ensuring data quality and consistency, and improving data processing and query performance. To meet these challenges, staying updated on the latest data processing technologies, best practices in data architecture design, and techniques for data quality and performance optimization is crucial.
+
+## 职责
+
+作为数据工程师，他们需要具备数据管理和处理的技术和经验，熟悉各种数据存储和处理技术，以及编程和脚本语言。他们需要与其他团队紧密合作，包括数据分析团队、管理团队等，以确保数据工程的顺利进行，并为组织提供高效的数据支持。
+
+具体包括：
+
+- 设计和构建数据架构：数据工程师负责设计和构建数据架构，包括数据库、数据仓库、数据湖等。他们需要根据组织的需求和数据特性，选择合适的数据存储和处理技术，并设计相应的数据模型和架构。
+- 构建数据流水线：数据工程师负责构建数据流水线，用于收集、处理和转换数据。他们需要了解数据来源和目标，设计和实现数据传输和转换的流程，确保数据能够按时、准确地流动和转换。
+- 开发和维护数据处理系统：数据工程师负责开发和维护数据处理系统，包括ETL（提取、转换和加载）工具、数据处理脚本和作业调度系统等。他们需要编写代码、配置和管理工具，确保数据能够按照预定的规则进行处理和转换。
+- 监控和优化数据流程：数据工程师需要监控数据流程的运行情况，及时发现和解决问题。他们还需要优化数据流程，提高数据处理和传输的效率和性能。
+
+## 技能
+
+数据工程师需要具备数据处理、编程、数据库管理、大数据技术、数据可视化、数据安全、问题解决、沟通和团队合作等方面的技能。
+
+具体包括：
+
+- 数据处理和转换：熟练使用SQL和其他数据处理工具，能够进行数据清洗、转换和整合，处理各种数据格式和结构。
+- 编程和脚本语言：熟悉至少一种编程语言，如Python、Java或Scala，能够编写自动化脚本和数据处理程序。
+- 数据库管理：熟悉关系型数据库和非关系型数据库，理解数据库设计和优化原则，能够管理和维护数据库系统。
+- 大数据技术：了解大数据技术栈，如Hadoop、Spark、Hive等，能够处理大规模数据和进行分布式计算。
+- 数据可视化：熟悉数据可视化工具，如Tableau、Power BI等，能够将数据结果可视化呈现。
+- 数据安全和隐私：了解数据安全和隐私保护的基本原则和方法，能够保护数据的机密性和完整性。
+- 问题解决和调试能力：具备良好的问题解决和调试能力，能够快速定位和解决数据工程中的问题。
+- 沟通和团队合作：良好的沟通能力和团队合作精神，能够与其他团队成员、业务方和管理层进行有效的沟通和协作。
+- 持续学习和自我提升：对新技术和工具持续保持学习和探索的态度，不断提升自己的技能和知识。
+
+## 信息需求
+
+- 需要及时了解和掌握数据工程领域的最新技术和趋势
+- 需要获取相关案例和实践经验，以便应用到实际工作中
+- 需要学习和了解数据工程相关的最佳实践和方法论
+
+## 教育和背景
+
+- 学士或硕士学位，专业背景可以是计算机科学、数据科学、统计学等相关领域
+- 相关培训经历或认证，如数据工程师认证、数据库管理员认证等
+
+## 工作经验
+
+- 在数据工程和分析领域有一定的工作经验，参与过数据工程项目的规划、设计和执行
+- 有数据清洗、转换和整合的经验，熟悉ETL流程的开发和维护
+- 有数据库管理和优化的经验，能够处理大规模数据和进行性能优化
+
+## 工作环境
+
+- 所在组织的规模可以是中小型企业或大型企业
+- 行业可以是金融、零售、制造等各种行业
+- 数据规模和复杂性可以因组织规模和行业特点而有所不同
+
+## 工具和技术
+
+- 常用的数据工程工具可以是SQL工具、Python编程环境、Hadoop生态系统等
+- 常用的数据分析工具可以是Tableau、Power BI等
+- 编程语言可以是SQL、Python、Java等
+- 数据库可以是MySQL、PostgreSQL、MongoDB等
+
+## 挑战和需求
+
+- 面临的挑战可以是处理大规模数据的性能和效率问题
+- 需求可以是提高数据处理和查询效率，优化数据管道和数据仓库的架构
+- 对工具和平台的期待可以是提供稳定、可靠、易用的数据工程管理和协作平台，降低数据工程的开发和维护成本

personas/managers.md

@@ -0,0 +1,28 @@
+# 管理者
+
+## 概述
+
+- 职务：管理层、团队领导人等
+- 职责：负责整个数据工程团队和数据基础设施的管理，包括人员招聘和团队建设、数据治理和合规性管理、数据战略和业务战略规划等。他们需要确保数据工程团队的高效运作，同时也需要与其他部门和高层管理层进行沟通和协调，以支持组织的数据驱动决策和业务目标。
+- 技能：具备领导力和团队管理能力，熟悉数据战略和数据治理的概念和实践，了解业务需求和数据驱动决策的价值。
+- 信息需求：对数据驱动的洞察、业务指标和报告、数据治理和合规性管理的信息等。
+- 教育和背景：通常拥有相关的学士或硕士学位，如管理学、信息管理等，也可能有相关行业的背景和培训经历。
+- 工作经验：具备在数据工程和分析领域的一定工作经验和项目经历，熟悉数据工程和分析的流程和方法。
+- 工作环境：所在组织的规模、行业、数据规模和复杂性等情况，以及与数据工程团队和其他部门的协作情况。
+- 工具和技术：对常见的数据工程和分析工具有领导力和团队管理能力的管理者，负责整个数据工程团队和数据基础设施的管理。他们需要招募和建设团队，进行数据治理和合规性管理，制定数据战略和业务规划。管理者需要确保数据工程团队的高效协作，并与其他部门和高层管理层进行沟通和协调，以支持组织的数据驱动决策和实现业务目标。
+
+## 职责
+
+- 管理数据工程团队：负责领导和管理数据工程团队，包括招聘、培训和绩效评估等方面的工作。
+- 数据基础设施管理：负责规划、建设和维护数据基础设施，确保数据的安全性、可靠性和可扩展性。
+- 数据治理和合规性：制定数据管理策略和规范，确保数据的合规性和隐私保护，同时推动数据治理实践和流程的落地。
+- 协调与决策支持：与其他部门和团队合作，了解业务需求，提供数据工程和分析方面的支持，为组织的决策提供数据驱动的洞察和建议。
+
+## 技能
+
+- 强大的领导力和团队管理能力，能够激励团队成员，推动工作进展；
+- 熟悉数据工程和分析的概念和实践，了解数据架构和数据治理的最佳实践；
+- 具备业务理解和战略规划能力，能够将数据工程和分析与业务目标结合起来；
+- 良好的沟通和协调能力，能够与不同部门和团队进行有效的合作；
+- 熟悉数据技术和工具，了解云计算和大数据技术的应用；
+- 学士或硕士学位，如数据科学、计算机科学、管理学等相关领域。