最近和技术同学有比较深的协作，其中一个环节是在做市场活动时有数据埋点，需要后端的数据进行监测。
在数据监测制作报表的过程中，有一些数据口径和技术实现上的问题不断去跟技术的同学拉齐。
但是出现的挑战是每次技术同学的回复比较长，且有一些技术维度的术语我并不理解，需要辅助gpt去理清其中的定义。
在反复的沟通中会有大量不必要的工作时间和效率的浪费，而这出现的问题的根源以及后续解决的方案是本文想要去探讨的，针对此，我觉得可以从三个方面做优化。
第一，在市场活动的数据埋点前，我们给到数据技术同学的需求不应仅仅是文字（因为这里他们需要另外花时间去理解我们业务的背景、需求以及逻辑等），更是要给出一个明确的数据框架，最好是直接做好一个报表，对于技术同学只是通过自动化脚本的方式填充数据。此外，每一个数据口径的定义需要拉齐和明确。
第二，对市场同学来讲，因为大部分不是技术背景出身，需要额外“补课”去理解一些基础的技术知识和定义，这样可以提升沟通效率，并让别人因为“专业”而产生信任。
第三，对于技术同学来讲，或许在沟通中可以降低工程性思维，用简单的方式去回复非技术人员提出的问题，可以提升沟通的效率。
未来希望有更多低代码软件的出现，可以让市场同学自行完成数据的监测和自动化报表的制作。其中notion作为一个协作文档，甚至可以用作数据库去使用。但是这个软件的问题是前期的学习成本比较高，且操作较为复杂，相比于字节旗下的飞书文档，notion在用户的交互体感上可以有进一步的提升。
在埋点上有制作短链的bitly，批量打链的utm.io，以及PC端口进行监测的Google Analytics等低代码平台。除了学会操作上的使用，更需要去理解其实现的技术逻辑。
综上所述，有技巧的沟通和工作流程的梳理，可以提升市场同学和数据人员的协作效率，但是长期希望有更多更好的低代码软件平台出现。