跳转至

Ch 53 致谢与团队

面包屑

本书主页 › Part VIII 治理与复盘 › Ch 53

项目全程 · 四年沉淀——致敬每一位同行者

本章你将学到

  • 这座平台背后是怎样一支团队
  • 写这本书的初衷与感谢

一座企业级数据平台不可能靠一个人建起来，这本书也是。合上书之前，我想把光从架构身上移开，照到"人"身上——因为少了这些人的协作，再好的设计也只是图纸。

53.1 团队结构

Aurora CDP 项目是一支跨组织、跨职能的协作团队。NorthPeak Consulting 负责架构设计与交付，Aurora Pharma 提供业务知识、数据与需求，AWS 提供云基础设施支持。三方各司其职，缺一不可：

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#edf5ff','primaryTextColor':'#161616','primaryBorderColor':'#0f62fe','lineColor':'#697077','secondaryColor':'#d9fbfb','tertiaryColor':'#f2f4f8','fontSize':'14px'}}}%%
flowchart TB
 subgraph 三方协作["三方协作结构"]
 NP@{ icon: "codicon:organization", form: "rounded", label: "NorthPeak Consulting<br/>架构设计与交付<br/>首席架构师 + 数据工程师 + IaC 工程师", pos: "b", h: 40 }
 AU@{ icon: "codicon:person", form: "rounded", label: "Aurora Pharma<br/>业务知识与数据<br/>业务负责人 + 数据团队 + 合规", pos: "b", h: 40 }
 AWS_AWS@{ icon: "logos:aws", form: "rounded", label: "AWS<br/>云基础设施支持<br/>解决方案架构师 + 技术客户经理", pos: "b", h: 40 }
 end
 NP <-->|需求/验收/数据|AU
 NP <-->|技术支持/配额|AWS_AWS
 AU <-->|合规/账号|AWS_AWS
classDef bpProcess  fill:#edf5ff,stroke:#0f62fe,stroke-width:2px,color:#161616
classDef bpData     fill:#d9fbfb,stroke:#007d79,stroke-width:2px,color:#161616
classDef bpInfo     fill:#f6f2ff,stroke:#8a3ffc,stroke-width:2px,color:#161616

class NP bpProcess
class AU bpData
class AWS_AWS bpInfo
linkStyle default stroke:#697077,stroke-width:2px

图 53-1 团队结构

角色 职责 关键贡献
首席解决方案架构师（我） 整体架构、技术选型、关键决策 五层模型、配置驱动、Agentic BI 引入
数据工程师 连接器、ETL、三层开发 Ch 13-20 的工程实现
IaC 工程师 Terraform、CI/CD、模块库 Ch 21-30 的基础设施治理
业务负责人（Aurora） 业务需求、口径定义、验收 把"业务语言"翻译成"技术需求"
数据团队（Aurora） 数据权限、源系统协调、迁移配合 SQL Server 迁移（Ch 31）的关键协助
合规（Aurora） GxP/PIPL 合规约束 脱敏决策表（Ch 18）的业务依据

表 53-1 团队结构

53.2 协作模式

这个项目最值得讲的其实不是技术本身，是协作方式——咨询式交付（Ch 2）。NorthPeak 不是那种"接了需求回去干"的外包，而是"驻场共建"的伙伴：我作为架构师常驻在 Aurora，跟业务团队在同一个白板上画、一起走数据、一起抠口径。这种模式让每一个架构决策都贴着业务的真实痛点在跑，不是关起门来画完再丢过去的。

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#edf5ff','primaryTextColor':'#161616','primaryBorderColor':'#0f62fe','lineColor':'#697077','secondaryColor':'#d9fbfb','tertiaryColor':'#f2f4f8','fontSize':'14px'}}}%%
flowchart LR
 subgraph 协作节奏["迭代协作节奏"]
 W1[每周需求对齐<br/>业务+架构师白板] --> W2[每两周交付验收<br/>业务跑数据验证]
 W2 --> W3[每月回顾<br/>调整优先级]
 W3 --> W1
 end
classDef bpProcess fill:#edf5ff,stroke:#0f62fe,stroke-width:2px,color:#161616
classDef bpData fill:#d9fbfb,stroke:#007d79,stroke-width:2px,color:#161616
classDef bpDecision fill:#fcf4d6,stroke:#f1c21b,stroke-width:2px,color:#161616
classDef bpSuccess fill:#defbe6,stroke:#198038,stroke-width:2px,color:#161616
classDef bpError fill:#fff1f1,stroke:#da1e28,stroke-width:2px,color:#161616
classDef bpExternal fill:#f2f4f8,stroke:#697077,stroke-width:2px,color:#161616
classDef bpInfo fill:#f6f2ff,stroke:#8a3ffc,stroke-width:2px,color:#161616
classDef bpGroup fill:#ffffff,stroke:#0f62fe,stroke-width:2px,color:#161616
class W1 bpProcess
class W2 bpSuccess
class W3 bpProcess
class 协作节奏 bpGroup
linkStyle default stroke:#697077,stroke-width:2px

图 53-2 协作模式

这种节奏带来的意外收获是"知识转移"。四年走下来，Aurora 的数据团队从"离了 NorthPeak 转不了"变成了"能自己上手维护和扩展平台"。这才是咨询交付真正该达到的终点：把自己交付到不需要自己。

53.3 感谢

我要感谢的人很多，无法一一列举，但有几类必须提名：

  • Aurora Pharma 的业务与技术团队：你们提供的真实业务场景、严格合规要求和耐心验收，是这本书所有"诚实复盘"的来源。没有你们的"较真"，很多设计缺陷不会被暴露。
  • NorthPeak 的同事：四年并肩作战的数据工程师和 IaC 工程师，你们把架构图纸变成了可运行的平台。书里的每一个"已实现"背后都有你们的代码。
  • AWS 团队：在 China 区域服务子集有限、特性滞后的约束下，你们的技术支持和配额协调让很多设计得以落地。
  • 我之前两段经历的同事：专利数据的文本处理与图建模、企业征信的多源融合与实体解析——书里反复出现的"跨行业经验迁移"（前言）都源于你们给我的训练。
  • 本书的读者：你们愿意花时间读一本不教具体工具用法的"架构手记"，本身就是对"工程思想"价值的认可。你们的反馈会让这本书的下一版更好。

53.4 学习资源

如果你想继续深入，除了本书引用的 附录 D 参考文献，我再推荐三类资源：

类别 推荐 为什么
数据工程基础 《Fundamentals of Data Engineering》《数据仓库工具箱》 补齐本书假设的前置知识
架构思想 《Building Evolutionary Architectures》《Team Topologies》 理解"可演进架构"与"组织与架构的镜像"
Agentic BI 前沿 ReAct / Plan-and-Execute / Reflexion 论文 + LangGraph 文档 本书 Part VII 的理论源头与工程框架

表 53-2 学习资源

本章小结

  • 平台是跨组织协作的产物：NorthPeak 架构交付 + Aurora 业务知识与数据 + AWS 基础设施支持，三方缺一不可
  • 协作模式是"咨询式驻场共建"——架构师常驻、和业务一起开白板走数据，终极目标是知识转移、把自己交付到不需要自己
  • 感谢 Aurora/NorthPeak/AWS/前序经历同事/读者——这本书的所有"诚实复盘"都来自真实协作中的较真
  • 继续深入推荐数据工程基础/架构思想/Agentic BI 前沿三类资源

结语

这本书写到这里就结束了。但数据平台的故事不会结束——它在持续生长。如果你正在建自己的数据平台，希望书里的"为什么这么设计"和"如果重来"能帮你少走一些弯路。期待在数据到智能的路上，与你同行。

评论