打造世界级的数据组织 | Jessica Lachs（DoorDash 分析与数据科学副总裁）

Jess Lachs 2024-07-14

打造世界级的数据组织 | Jessica Lachs（DoorDash 分析与数据科学副总裁）

文字记录

Lenny Rachitsky： 你打造了科技界规模最大、最受尊敬的数据团队之一。

Jessica Lachs： 对我来说，分析是一个驱动业务影响力的职能，而非纯粹的服务职能。不只是回答”为什么”，而是回答”既然知道了这些，我们接下来该怎么做？”

Lenny Rachitsky： 你的一位同事告诉我，你在定义指标方面极其出色。

Jessica Lachs： 留存率（Retention）是一个糟糕的目标指标。在短期内几乎不可能以有意义的方式去推动它。最终，你需要找到一个可测量的短期指标，用它来驱动长期结果。

Lenny Rachitsky： 你提到了早期团队。我感受到了极强的主人翁意识（extreme ownership）。

Jessica Lachs： 是的，你是数据科学家，但你的目标是弄清楚到底发生了什么。如果这意味着你要拿起电话给客户打电话，那就去做，挽起袖子干。

嘉宾介绍

Lenny Rachitsky： 今天的嘉宾是 Jessica Lachs。Jessica 是 DoorDash 的分析与数据科学副总裁，在那里她打造了科技界规模最大、影响力最强的数据团队之一。她在 DoorDash 已经工作了超过十年，是 DoorDash 的首位总经理，负责开拓新市场。在此之前，Jessica 创办了 GiftSimple——一家社交礼品创业公司，并在雷曼兄弟（Lehman Brothers）开启了她的职业生涯，从事投资银行业务。

在这次对话中，我们深入探讨了如何打造和扩展数据组织，包括为什么集中式组织模式如此有效、招聘数据人才时应该看重什么、如何为团队选择正确的指标以对齐激励并驱动正确的成果，以及 DoorDash 的数据团队如何帮助业务做出更好决策的实际案例，还有大量关于 DoorDash 早期的精彩故事。如果你喜欢这档播客，别忘了在你喜欢的播客应用或 YouTube 上订阅和关注，这是避免错过后续节目的最佳方式，也对播客帮助极大。

那么，让我请出 Jessica Lachs。Jessica，非常感谢你来做客，欢迎来到播客。

Jessica Lachs： 非常感谢你的邀请。我很高兴来到这里。

如何构建数据团队

Lenny Rachitsky： 你打造了科技界规模最大、最受尊敬的数据团队之一。我听不少人说过，他们在打造和扩展自己的数据团队时会向你寻求建议。DoorDash 本身也是一个极其复杂的业务——市场有三方甚至四方参与，还有运营层面的要素。从外面看就觉得极其复杂和疯狂，我猜想从内部看可能更加疯狂。我们来聊聊你在打造和扩展团队方面学到的一些东西吧。你在数据团队的结构搭建上有一个相当反主流的视角。之前 Elizabeth Stone 上播客的时候也提到了这一点。她对待数据的方式和你一样。所以我很想听听你对公司内部数据团队应该如何搭建的看法。

集中式 vs 嵌入式：数据分析团队的架构选择

Jessica Lachs： 在搭建团队时，我认为有两件主要的事情很重要。第一，我认为分析应该像工程、产品和业务方——运营人员一样，在决策桌上占有一席之地。对我来说，分析是一个驱动业务影响力的职能，而非纯粹的服务职能。我知道其他一些公司的分析团队是通过 Jira 工单来回答人们的问题，或者搭建仪表盘（dashboard）。这从来不是我感兴趣的方向，也不是我想打造的团队。

对我而言，分析的核心在于发现机会，在于对我们应该做的决策有自己的观点，不只是回答”为什么”，而是回答”所以呢”——“既然知道了这些，我们接下来该怎么做？“这是我对建设数据团队的一个核心理念。

第二点可能更有些反主流：我知道有些人认为分析应该嵌入到各个业务单元中去。我强烈反对。我认为集中模式（central model），即卓越中心（center of excellence）的模式更优。我很乐意谈谈原因，但这是我非常坚定的一点。我们过去尝试过——或者说我们试验过另一种方式，即把分析放入业务单元，结果问题要多得多。而且我认为集中模式带来的价值远远超过你可能因此失去的一些东西。

Lenny Rachitsky： 好，我们一定要聊聊这个。不过先确保大家理解，当你说集中式与嵌入式时，指的是汇报线的归属，还是目标的设定？

Jessica Lachs： 这个问题问得好。主要是指汇报线的归属。因为就目标而言，我们的目标和合作伙伴团队的目标是一致的，而且我认为这其实是一个成功的集中模式的重要组成部分。所以当我说集中模式时，意思就是——比如营销分析，营销分析是整个分析团队的一部分，它并不隶属于营销部门内部并向营销汇报。澄清一下。

Lenny Rachitsky： 明白了。也就是说，在某些公司，营销负责人或者营销负责人的搭档手下会有数据分析师、业务运营人员或数据科学家直接向他们汇报，就这样。他们与核心团队、与数据分析团队的其他部分联系不那么紧密，而——

Jessica Lachs： 完全正确，是的。

Lenny Rachitsky： 嗯。

嵌入式小组与集中式组织的折中

Jessica Lachs： 所以你会有一批较小的数据团队，嵌入到各个职能部门中。我理解为什么业务负责人喜欢这种模式。你嵌入在职能部门里，你就是团队的一部分，那种归属感和团队凝聚力随之而来，我认为这些是可以解决的。但我确实理解这是一个好处。另一个好处当然是业务负责人掌控路线图，由他们来决定工作内容。他们知道需要时有帮助和资源可用。那种确定性和掌控感，我完全理解其价值。但我认为，如果你知道这些是集中式团队最大的问题，这两点都是可以解决的。所以我们有一个集中的分析团队，但我们被分成了若干小组（pod），与产品、工程、运营、营销的组织结构一一对应。

因此，我们的团队事实上已经嵌入到了合作伙伴团队中，尽管汇报关系是通过集中式组织向上到我这里。这让团队感觉他们是一个整体——既让分析团队觉得自己是一个团队，也以营销为例，让营销人员觉得自己是一个团队。因为分析团队与营销负责人共享相同的目标，大家的激励是一致的，都会去攻克最重要的问题，你的成功就是他们的成功，反之亦然。所以我认为这真的是一个很好的折中方案，同时仍然保留了集中式组织的所有好处。而好处确实很多。

Lenny Rachitsky： 我很想听听这些好处，不过我觉得有些人听到你说集中式组织时，可能会联想到一个孤岛式的数据团队，坐在那里，有点像公司内部的服务部门——“嘿，我需要一些数据方面的帮助”，然后你得去说服他们：“嘿，我这有个事需要帮忙。“但这不是你说的那种模式。

不是服务部门，而是业务伙伴

Jessica Lachs： 哦不，完全不是。那个工作听起来太糟糕了，我可不想做。不，回到前面说的，我们在桌前有一席之地。我们是业务伙伴，是思维伙伴——与产品方、工程方、运营方都是如此。我们同样共享他们的目标，推进相同的倡议，只是我们的职责是从数据驱动的角度切入。我们带到桌面上的是我们观察到的洞察、所做的深入分析，帮助更好地理解要解决的问题。如果需要增长，最高效的增长方式是什么？需要做哪些权衡？机会的切入点在哪里？这就是我期望我的团队能够带来的东西——所谓的桌面上——我们要看到这些。而为了赢得这个席位，这就是交换条件：我们在桌前有一席之地，但需要通过提供大家可以一起追逐的机会来赢得它。

Lenny Rachitsky： 太棒了。所以某种意义上，确实是嵌入式的——他们嵌入到跨职能团队中，遍布整个组织，但最终向你汇报，向集中式组织汇报？

Jessica Lachs： 对。

集中模式的四大优势

Lenny Rachitsky： 很好。这种做法有哪些好处？

Jessica Lachs： 哦，太多了。好的，第一点是统一且高水平的人才标准。我以前看到一些分散嵌入的分析人员时就有这个感受——在人才方面拥有统一的标准，包括我们看重什么、技术技能要求是什么、软技能要求是什么，并且能够用同样的标准、同样的评分表来评估候选人，在我看来你会得到更一致、更高质量的人才，这是第一点。第二点是成长机会。如果你被隔离在某个部门里，你可能是……我又拿营销举例了。但你可能是营销团队里最资深的数据科学家，然后你往哪里发展？当有一个集中式组织时，你就能看到公司其他领域是否有成长机会。

这确实帮助人们保持投入感，因为他们可以接触新的问题——如果手头做了好几年的问题开始变得无聊，想要新鲜感，就有机会从营销转到商户分析。同样，如果没有晋升或成长空间，比如你想做人员管理者但职能领域内没有这样的岗位，你还有十个其他选择可以看，也许机会就在那里。所以我认为这有助于为团队提供成长机会，从而帮助留住人才，这是第二点。第三点是方法论和指标的一致性。这样就不会出现一个团队定义的销售指标和另一个团队定义的销售指标各不相同的情况。你只有一种销售定义，每个人都使用相同的指标、相同的方法论，而且能够汇集更多人的输入来改进方法论。

与其在六个不同团队重复造轮子、分别构建相同的流失预测模型，不如构建一个，汇集六个不同团队的输入。这绝对是又一个好处。同时也帮助你更好地扩展规模，因为你开始在不同团队间看到相同的问题，于是你会说：“哦，这是一个我们需要提前应对的问题，需要自动化的东西，“或者”这是一个我们需要改进的地方，“又或者”一个随着业务和团队扩展而会增长的问题。“所以我认为这帮助你看得更远一些。

最后一点是团队文化品牌。我认为这非常重要，不仅仅是对外招募顶尖人才，团队成员本身也很自豪能成为分析团队的一员。我们有独特的学习和分享文化。你有可以倾诉挑战的对象，有人可以同行评审你的工作。拥有这样的团队文化非常重要，而当你有各自孤立的团队时，这要难得多——特别是在早期阶段团队较小的时候，身边没有那么多人。每个人都想在工作中有朋友，我们正在创造一个环境，让他们找到志同道合的数据极客。

A-Team 的传承

Lenny Rachitsky： 这让我想到 Airbnb 的第一个数据团队。不知道你是否熟悉 Riley Newman，他组建了 Airbnb 的第一个数据团队，实际上就是一个分析团队。他们自称”A-Team”，从文化的角度来说，那种感觉很有趣，他们很享受成为那个团队的一员。

Jessica Lachs： 对，我们也是一样的。但我现在觉得自己没那么特别了，因为我们起了同样的名字。

Lenny Rachitsky： 哦，你们也叫 A-Team？

Jessica Lachs： 对，我们就是 A-Team。

Lenny Rachitsky： 后来我记得他们放弃了这个名字，当时有一股风潮——“我们是数据科学家，不是分析师。“那大概是十年前的事了，数据科学热的时候，“我们是数据科学家。”

Jessica Lachs： 我们永远是 A-Team。

平衡探索性工作与响应需求

Lenny Rachitsky： 这里有很多条线索我想展开。其中一个是有点偏题的话题，但我觉得很多人都在为此苦恼——你谈到希望你的数据团队、分析团队能够主动出击，发现机会，提出想法，帮助你们决定该构建什么，而不仅仅是回答问题。但与此同时，团队也有许多问题需要得到回答。对于如何搭建一个既能腾出时间去探索、深挖、展示机会、提出大想法，又能回答”嘿，我们得搞清楚这个漏斗的转化率”或者”嘿，你觉得中国那边现在是什么情况？“这类问题的团队，你有什么建议吗？

Jessica Lachs： 这个问题问得太好了。我觉得这件事永远不会变得更容易。你必须非常刻意地为探索性工作、深度分析腾出时间。因为正如你所说，问题和待做的工作永远比一天中的小时数要多。所以我认为，要刻意安排这件事，并围绕通过自主工作来发现洞察为团队设定目标，这是一个重要的机制，让我们对此目标保持负责。因为当你收到大量需求时，这类工作往往最先被挤掉——你会想：“好吧，让我去深挖一个我不确定是不是真有价值的东西，它可能是高回报，也可能是低回报，我不知道。“所以它的期望值低于那个我能明确交付、让别人满意的已知任务。

所以我认为，为了防止这段时间就这样悄然流失，你必须非常刻意地去安排。我们会为团队举办黑客马拉松，专门腾出几天时间让大家去研究那些真正有趣的事情、发现机会。而且我觉得我们得到了业务合作伙伴的支持，因为如此多很棒的洞察都来自这些深度分析，这些工作真正驱动了未来的路线图。所以他们一直很乐意让我们拥有这段时间，实际上还经常鼓励我们留出时间做一些自主工作，去发现下一个大的机会。

推荐渠道的深度分析案例

Lenny Rachitsky： 如果一时想不到也没关系。但你能否举一个例子，说明数据团队的某个人通过这种方式发现了某个洞察，最终为 DoorDash 带来了重大成果，而且是你可以分享的？

Jessica Lachs： 一个很有意思的例子来自我们几年前做的一次黑客马拉松。当时我们在研究推荐（referral）作为用户获取渠道的效果。当你把这个渠道和其他渠道做比较时，从通过该渠道进来的用户参与度以及回收周期来看，它是低于平均水平的。但我们没有简单地削减推荐渠道的投入就了事，而是想真正搞清楚到底发生了什么。所以在黑客马拉松期间，我们对推荐渠道做了一次深度分析。我们真的互相推荐，尝试进行推荐欺诈，创建新账户来绕过规则。通过这次深度分析，我们揭露了大量欺诈行为。我们往办公室点了超多纸杯蛋糕——我记得是用了推荐优惠券，因为你要下一单才能拿到推荐奖励。所以我们创建账户、下单，然后就一直不停地点纸杯蛋糕。

我们注意到，当你看推荐渠道的平均回收周期时，这个指标其实有点误导性。它实际上是一个双峰分布——有一群非常好的用户，他们推荐了其他同样优质的用户，这些用户的回收周期非常强劲。事实上，如果你只看到这部分数据，你会在这个渠道上投入更多。

而另一边发生的情况是，还有另一群质量不那么好的用户，他们把推荐码发到网上，吸引来的都是冲着免费折扣和优惠券而来的人。而我们在当时，欺诈规则相当宽松，也没有设置上限。所有这些问题都是通过这次深度分析发现的——我们发现这群用户确实拖累了这个营销渠道的效率。所以我觉得这个例子体现了我们在 DoorDash 喜欢做的几件事：一是做深度分析，花时间真正理解问题，然后最终给出一系列关于我们应该怎么做的建议，包括更好的欺诈检测、推荐上限等等。同时也体现了平均值可能会产生多大的误导，所以要去观察分布，尝试把所见的数据拆解开来，找到可以优化的方式，找到可以提升效率的空间。

学会说”不”

Lenny Rachitsky： 这个故事太精彩了，能想起这个例子真好。这是一个非常好的例子，展示了如何为数据团队腾出时间来思考长期、寻找机会、发现大想法。黑客马拉松是一个方法。我想很多数据从业者在面对”哦，我们需要知道这个，我们只需要这一个东西，这里有一个问题，回答一下就好”这类需求时，往往很难拒绝。对于数据人员更好地学会拒绝，你有什么建议吗？听起来这有点文化层面的因素——“我们需要时间来做这些更大的事情。“但不管是数据管理者还是数据个人贡献者，对于如何为这类工作争取时间，你有什么建议吗？

Jessica Lachs： 对别人说”不”从来都不是一件容易的事。作为一个自称的讨好型人格，你不想说”不”，尤其当那是你能做到的事情，而且你知道也许只需要一个小时的工作就能让别人开心。我认为建立一种文化、由领导层真正确立工作规则和运营模式非常重要，这样一些初级同事就不会总是被迫去当那个说”不”的人。我觉得我们做到这一点的方式之一就是通过目标设定。因为我们的目标和业务合作伙伴是一致的，所以我们能够比较容易地说：“嘿，我们的时间有限。这些是我们的目标。为了让我们双方都能达成目标，这周或这个月我们要做的最重要的事情是什么？”

所以当新的事情冒出来时，你可以说：“嘿，你要我做的这个数据查询，比我原计划要做的另外三件事更重要吗？是还是不是？“我觉得有时候大家并不一定意识到存在取舍，当你把这些取舍摆出来、放在显眼的位置时，他们就会意识到：“哦，其实你知道吗？那个东西没那么重要，可以等等。“所以这绝对是我会推荐的做法——永远把取舍亮出来。不要默默忍受”我到底怎么才能把这四件事都做完”的煎熬。把它摆出来说：“嘿，这是我原计划要做的事情。如果你要我做这个额外的新任务，那这些事情中就得有一项被搁置。”

Jessica Lachs： 我个人并不认为你的需求比这三件事更重要，但也许有新的信息，也许有我不了解的背景，所以我们来讨论一下。“而不是直接说”不，我不做。“这也不是什么好方法。我觉得与业务合作伙伴保持这种对话、不断重新评估优先级，确保你或你的团队正在做最重要的事情，这真的是非常好的工作习惯。有些团队通过每周站会来做这件事，比如”这是这周我们要做的事情。这个优先级排序我们满意吗？不满意？“有些团队做得没那么正式。我觉得你要找到适合自己的方式。但回到之前的观点，这是与你的工程合作伙伴、产品合作伙伴、运营合作伙伴之间的对话，你们都在同一个团队里，都在努力实现同样的目标，你们的激励机制都是让分析团队专注于最有影响力的事情。

Lenny Rachitsky： 这个建议基本上适用于任何角色。如果让我用几个词来概括，就是确定优先级、沟通你的优先级，然后在调整优先级的取舍上达成一致。

Jessica Lachs： 偶尔你也可以通融一下，说”你知道吗？这个很快，我来做吧。“至少我是这样的。我觉得有时候就把事情做了，积累一些好感，这也很重要。但通常来说能在五分钟内搞定的事情很少，那种情况下就确实需要果断的优先级取舍了。

Lenny Rachitsky： 然后还有你提到的另一面，就是要展示你在做这些长期事情时能提供的价值，证明自己的价值——“嘿，看看我为团队发现的这些机会，我应该继续花时间在这些其他领域”，而不是只做救火的事情。

Jessica Lachs： 没错。

招聘中看重的特质

Lenny Rachitsky： 当你为团队招人的时候，我很好奇你看重什么，以及你认为有哪些非常重要的东西可能是其他人没有足够重视的。你在招聘时关注什么？

Jessica Lachs： 是的。每个人都必须具备一定的技术技能，我觉得这是基本门槛。我们有技术标准，会做技术筛选。所以我觉得这是最基本的。在我观察团队中一些顶尖人才时，我注意到他们有一些非常独特的特质。第一个就是好奇心。好奇心是教不会的，至少我还没找到方法。如果有人知道怎么做，请告诉我。就是那种自我驱动、在发现线索时会主动去深挖的人。他们不只是回答一个问题就完了，他们会想：“嗯，这个东西看起来有点奇怪，我要深入看看。即使我已经可以说我完成了，我回答了问题，我做了该做的事情。“那种拥有好奇心、觉得有什么不对劲、有什么不太合理就会主动去调查到底是什么的人，真的非常有价值。所以我非常看重这种好奇心和这种不需要别人告诉就去做的自我驱动力。

Lenny Rachitsky： 你怎么测试这一点？面试中你怎么判断他们是否擅长这个？

Jessica Lachs： 一种方式是通过你提出的问题——在你呈现的案例中设置一些不太对劲的地方，看看人们首先能不能注意到。即使他们没注意到，你指出来之后，看他们会怎么处理。我觉得这是可以测试的。你也可以让人们举例，这类人通常会主动提到这些，他们会说”我注意到了这个东西，所以我们决定去调查。“所以我觉得通过面试过程是可以获得这个信号的，但这确实很难。测试硬技能比测试软技能容易得多。我们有些问题，提问时的意图实际上是在评估与问题表面不直接相关的东西。我觉得这就是一个很好的例子。

案例面试的方法

Lenny Rachitsky： 你说你给他们一个案例。具体是什么样的？你做这种面试的实际方法是什么？

Jessica Lachs： 我们的面试流程在早期阶段有一个编程练习。所以我们做技术筛选和一个简化版的商业案例，也就是真实世界的问题解决。通常这是 DoorDash 历史上真实发生的事情，一个我们实际遇到过的问题，看看人们如何即兴应对。我觉得这是一项很重要的能力——如何面对一个问题、拆解它、阐述思路。有点像你听说的那些咨询案例面试，但基于真实问题。我觉得你可以从这类案例中学到很多——是的，你可以看到人们如何处理模糊性和结构化的问题解决，但最终大多数人都会有弄错的地方。他们会做出错误的假设，因为——嗯，我希望面试官比面试者更了解这个业务。看到人们被告知错了之后的反应，我觉得这是一个非常重要的信号。看他们如何回应，如何接受新信息并调整方向，如何做出决策。所以这是我在案例面试中喜欢看到的另一面——你可能不知道真正正确的决定是什么。你可能会说：“我觉得可能是这样，也可能是那样。“但我总是会推动人们：“如果你现在必须做一个判断，你会怎么选？“看人们能否在信息不完整的情况下持有自己的观点，因为这就是现实生活。有时候你就是得选一个方向、做一个决定，即使你没有完美的信息。所以我喜欢在案例面试中观察这些软技能是如何体现的，即使那不是我在案例中具体提出的那个问题本身。

非传统背景

Lenny Rachitsky： 顺着这个话题，但换个方向。你在进入这个领域之前，实际上并没有深厚的数据科学或数据背景。我知道你有艺术背景，上学时还有艺术作品集，我想很多人不会想到 DoorDash 这样的公司的分析负责人会有这样的背景。我也不确定具体想问什么，但我猜这方面有没有什么是你觉得大家可能会感兴趣知道的？

Jessica Lachs： 是的，这挺有趣的。我开玩笑说我做了一份永远不会被录用的工作，因为我没有传统的数据科学背景。我知道 Elizabeth Stone 在你的播客中谈到了很多她作为 CTO 的非传统背景。所以嘿，也许这有点道理。但我成为数据科学家是出于必要。SQL 和 Python 完全是自学的，我之所以去学是因为 DoorDash 有这个需求——需要有人来搞清楚正确的目标是什么、如何设定这些目标、不同市场的表现如何，那是在 DoorDash 故事的早期，也就是十年前。我觉得我就是自然而然地被这类工作吸引，而 Tony 在我身上看到了这个超能力，尽管我没有受过正式的训练。所以我算是一个爱好上的艺术家，但职业上或者说实践中，是一个数据科学家。

Jessica Lachs： 但我觉得这种非传统背景其实是一件好事，因为我能招到拥有我所不具备的技术能力的人——那些统计学博士、数据科学家、机器学习等领域的专家。我能够招到这些人，同时让他们真正专注于推动业务影响，因为我的背景在财务方面，所以我一向是一个务实主义者。对我来说，我们团队的使命就是推动业务影响。所以我招来的那些比我更聪明的人的技术能力，加上我在推动业务影响方面的根基，形成了一种非常好的合作关系。

Lenny Rachitsky： 对于一个刚起步、在数据领域没有太多经验的人来说，这是一个很鼓舞人的故事，而且不仅仅是数据领域。我觉得这是一个很棒的例子——你可以在一个没有深厚背景的领域取得成功。我很好奇，你觉得你身上是什么让你能够在这个领域取得成功、走到今天的位置？你觉得你做对了什么，或者说有哪些习惯或思维方式帮助你走到了这一步？

Jessica Lachs： 首先，我和所有人一样有冒名顶替综合征。所以我并没有那种”我什么都能做”的疯狂自信。我确实和其他人一样有自我怀疑。我觉得部分原因可能是我当时甚至没有意识到自己在做什么。当你在一家创业公司，事情进展很快，你看到一个问题，而我一直喜欢解决问题，所以我就想，“好，我怎么解决这个问题？“然后就是，“哦，我需要拿到数据。我没有数据权限。好吧，我去找个工程师帮我拉数据。但这样不可持续，我不能总去打扰工程师，那我怎么自己获取数据呢？好，来学 Python 吧。“所以我觉得这一切是自然而然发生的，我当时甚至没意识到自己在做什么。

如果你从第一性原理出发思考，为了解除自己的阻碍或解决眼前的问题，你现在需要什么，然后把注意力集中在那上面，而不是去想你要搭建一个什么样的全球性组织——我觉得这很有帮助。对我来说，一直是用最好的方式去解决面前的问题。如果那意味着我需要在财务组织下招聘一个工程师向我汇报，那我们就这么做，没有人能告诉我不能这样做。所以我觉得这是一种对自己的信念，而归根结底，就是我解决问题的欲望，搞清楚需要完成什么——我觉得这就是最终的原因。

Lenny Rachitsky： 我太喜欢这段话了。里面有很多很多人可以学到的东西。我感觉到这背后还有一条暗线，就是你发自内心地希望这件事能成。你希望 DoorDash 成功，所以你就想，“为了做成这件事，我需要做什么就做什么。我需要解决这些问题。我不会去过度思考我有没有这些技能——”

Jessica Lachs： 对，我觉得我很好胜。我觉得这是你在很多早期 DoorDash 人身上都能看到的特质，说实话现在的 DoorDash 人身上也有，就是想赢，愿意为赢而做任何需要做的事。卷起袖子，做一些不是你本职工作的事情。我回想早期的时候，周六晚上去倒垃圾，因为那需要有人去做。我觉得这是从 Tony Xu、我们的创始人兼 CEO 那里深深植根在我们文化中的东西，我觉得这和我产生了很强的共鸣，我觉得我一直以来也是这样做事的。我认为这在我职业生涯中帮助了我，让我能够在没有太多思虑的情况下做到今天这些。

Lenny Rachitsky： 还有什么关于 DoorDash 早期的回忆或故事可以分享的吗？有没有什么让你印象深刻，觉得”天哪，真不敢相信那时候是这样的”？

Jessica Lachs： 天哪，太多了，包括我们犯过的很多错误。但我觉得让我印象特别深刻的一件事是，在我转到分析领域之前，我其实是一个 GM（城市总经理）。我是 DoorDash 的第一个 GM，2014 年我在波士顿负责启动波士顿这座城市，那时候根本没人知道我们是谁。我们会早上五点起床出去，那是 2014 年的冬天。我们出去给波士顿地铁站外面的消费者发优惠码，这些优惠卡片会绑在 KIND 坚果棒上，这样人们才会拿。整个团队——当时是个小团队，就我们四个人——早上会一起出去做这件事。我回想起我们的销售哥们， shout out to Joey G。Joe Graccio 是我们在波士顿的销售——

Lenny Rachitsky： 传奇的 Joey G。

Jessica Lachs： 他在签约商家入驻平台方面简直是金牌。

这就是他的强项，他的薪酬也是和这个挂钩的。但早上我们出去的时候，他跟我们一起发优惠码，因为他是团队的一份子，因为他想赢。我们想做大业务。我觉得这就是 Tony 和早期员工，还有 Stanley 和 Andy——其他联创——在那些早期日子里在我们所有人身上植入的那种文化的一个绝佳例子。所以我觉得那种主人翁意识，那种对结果的主人翁意识，绝对是其中之一。

另外一个就是真正以客户为先。我说的客户，是指消费者、骑手（dashers）和商家，他们都是我们的客户。我第一次去帕洛阿尔托的总部办公室——那时候总部还在一家动物医院里。我第一次去的那天，出现了大规模宕机，整个公司——当时大概 20 个人——所有人都上线做客户支持，接电话，确保那些没成功的订单得到退款，确保已经发出的订单能送到，放下手头一切去做客服。

我当时是新人，还不太会用那些工具，所以就想，“我能帮上什么忙？“那时候我们会用 DoorDash 给办公室订晚餐。为了不让大约三个骑手专门给我们送餐，我就说，“我出去跑一单，给大家拿披萨回来，这样就能让正在处理退款和积分、努力为客户服务的人有饭吃。“我记得那天晚上我们给出了占银行账户百分比最高的退款之一。我记得 Tony 谈到过两个例子，就是我们给客户退了很多钱，因为那是正确的事，因为我们的服务出了问题，我们想对他们负责。

所以我觉得这两个故事在我脑海中特别突出，真正体现了 DoorDash 在文化上与众不同之处，也是我认为我们成功中非常重要的一部分。

Lenny Rachitsky： 这让我想起 Tony 和所有早期员工的故事，我猜你也参与了吧，就像”我们去当骑手”——大家轮换去做一段时间骑手。这是文化的一部分吗？

WeDash 项目与主人翁意识

Jessica Lachs： 对，我们有一个项目，叫 WeDash 项目。我们的首席商务官 Keith Yandell 去年上过你的播客，也谈到过这个。每年四次，所有员工都会出去跑单或做客户支持。这是我们的文化，我个人非常喜欢。我其实是结对跑单，就是和一个同事一起出去。我们已经这样做很多年了，每年四次，变成了一件我们一起做的趣事。实际上通常还不止四次。这很重要，因为你可以亲身体验产品，与所有用户群体建立共情。我想我们所有人都会经常用 DoorDash 下单，所以对消费者已经有了共情。但能走出去，了解出去跑单是什么体验，在餐厅里和商户交谈，从他们的视角看整个体验，我觉得这极其重要。当然，我们也会发现很多 bug，比如”嗯，这个功能不是按预期工作的，我去报告一下。“所以我觉得这对发现产品中的 bug 也非常有帮助。

Lenny Rachitsky： 我想回到之前提到的一条线索——你说过你和很多早期团队成员都对公司有着强烈的主人翁意识，所以很多事情才会发生。对于每一个创始人、每一个产品团队来说，他们都会想，“对，我们需要这个。让我们确保团队里每个人都有这种主人翁意识。“你认为早期团队做了什么来营造这种氛围吗？是招聘时就挑选本身就有这种感觉的人，还是文化层面的塑造？

Jessica Lachs： 我觉得两者兼有。文化肯定是有的。我觉得这种意识是自上而下的，Tony 本身就展现了这种主人翁意识，并且在他人身上寻找这种品质。所以我认为这有帮助。但我觉得即使在今天，我对团队也有同样的期望——对结果承担主人翁意识。所以我更关心的是团队能想办法解决问题，而不是某个人被框在什么角色里，比如”我是数据科学家，所以我只做这些事情。“对吧？而是，“不，没错，你是数据科学家，但你的目标是搞清楚发生了什么，如果这意味着你要拿起电话打给客户，那这就是你要做的事。“我认为设定这种期望，把它作为团队的常态——对结果的主人翁意识——是我们一直在 DoorDash 坚持做的事情，无论你是早期员工还是上个月刚加入的。

Lenny Rachitsky： 有没有什么具体的例子？比如有人践行主人翁意识，一个数据科学家打电话之类的？

Jessica Lachs： 有，我昨天早上刚和一个团队开了会，他们在做我们的一些可负担性相关项目。我们上线了一个预期会有效的功能，结果没有。当然，团队做了数据分析，去了解哪些消费者群体预期会有效、哪些不会。但最终发现，“我们还是不知道为什么。“这时候定性研究就优于定量研究了——去询问上下文，真正和人交谈，了解他们的动机是什么、什么有效、什么不行。所以这个团队，包括数据科学家，就坐下来打电话。他们在会上分享了从这些电话中发现的洞见，这些将指导后续的决策。我觉得不是去说”那是定性研究团队该做的事”，而是”不不不，这就是我们团队——任何团队——该做的事，因为这是推进我们下一个测试所必需的，我们需要知道到底在测什么。”

所以我觉得这种事每天都在发生。我真的很高兴看到团队成员跳出数据科学角色的传统边界，去做一些产品管理的工作、做一些工程的工作。我觉得这也是让工作保持有趣的原因之一。我觉得这也是我们团队特别的地方——这不仅是被允许的，而且是受到鼓励的。大概这也是为什么我们有团队成员从我的团队转到了产品团队、运营团队、财务团队——因为他们有机会接触并体验那些工作的内容，对那些岗位有了真切的了解，然后发现自己真正热爱那方面的工作。所以我觉得这绝对是我们在 DoorDash 鼓励的。

指标选择的艺术

Lenny Rachitsky： 我很喜欢这个。我想换个稍微不同的方向。你的一个同事跟我说，你在定义指标方面非常出色，这对一个企业来说至关重要，尤其是像 DoorDash 这样复杂的业务。我听说你特别擅长在业务非常混乱的情况下，找到正确的指标来驱动正确的激励。所以我很好奇，关于如何选择好的指标和有效对齐激励，你学到了什么？

Jessica Lachs： 关于指标我学到了很多东西，主要是从错误的指标中学的。我确实认为从选错指标中学到很多。归根结底，你想找到一个可以短期测量的指标，它能驱动一个长期产出。所以大家总说，“哦，我们想提升留存率。“留存率是一个很糟糕的目标指标，因为在短期内几乎不可能以有意义的方式驱动它，而你又希望能够快速实验和迭代。那么驱动留存率的是什么？输入变量是什么？所以我觉得找到正确的输入变量非常重要，然后通过实验测试这些短期输入是否真的在驱动你所期望的长期产出。这是一点。

另一点我多年来学到的，就是保持简单。也许这是数据科学家的通病，他们总喜欢那种带系数的复合指标。“我们要把这个输入加权为 X，那个输入加权为 X+2。“然后你得到一个没人真正理解的指标，实际上没有任何意义。你会想，“0.1 的增长是多是少？是好事还是坏事？“这种指标就是很难用。

所以我总是鼓励大家，就选一个简单的指标，哪怕它不完美，哪怕你的复合指标会更完美。如果大家能理解它、对它有直觉、能全公司一起讨论，那它在驱动真实结果方面会比你那个没人能看懂的自造复合分数好得多。所以保持简单也非常重要。最后一点我想说的是，理解公司各部门的指标之间如何相互关联也很重要。

共同货币：统一指标体系

Jessica Lachs： 因此我们花了大量时间，用一种共同货币来量化各种事物。比如，如果我降价一美元，能换来多少——比如说——单量？那如果我把配送时间缩短一分钟，又能换来多少单量？这样一来，你就可以在不同的团队之间做权衡取舍，比如市场团队和物流团队之间，因为你们有了一个所有人都能讨论的共同货币。

我们就是这么做的。我们尝试用统一的度量来量化业务中的所有杠杆——价格、品类选择、质量——这样如果我们有一美元要花，我们就知道根据投向哪里、在什么时间范围内，能得到什么回报。我认为这帮助我们更快地做出决策，因为我们清楚自己的选项是什么。我们知道自己手头有哪些可做的事——短期的、长期的——以及每件事能带来什么。所以这确实帮助我们更快地做决策，也希望是更好的决策。

Lenny Rachitsky： 这些太棒了。我真的很想就其中一些继续深入聊，太好了。也许就最后这一点——我们在 Airbnb 也做过类似的事情——每一件事如何转化为间夜量和预订量？我们做的每个决策，实际的间夜量影响是什么？我猜在你的情况中——我不知道你是否方便谈这些——我猜是交易量，或者购买量，或者 GMV 之类的，所以我猜最终的指标是那个。我不知道。这是你可以谈的吗，还是不方便谈？

Jessica Lachs： 我们用 GOV（总订单价值，Gross Order Value）以及单量来衡量。

Lenny Rachitsky： 明白了。[听不清]。好的，所以基本上每个团队被考核的其他指标，都尽可能转化为 GOV 和单量？有一个模型来做这种转换？太棒了。所以当一个团队说”嘿，我们要改注册流程，影响转化率”——我不知道——你能不能举一些其他团队指标的例子，看看它们是怎么转化为 GOV 和单量的，让它更具体一些？

全业务视角的指标转化

Jessica Lachs： 可以。从你刚才提到的例子开始——改善登录流程，能让更多消费者进入 app 并最终下单。这当然可以转化为订单和 GOV。但更有意思的例子，比如在萨克拉门托上了一家泰国餐厅，我们也能说出来：“这家泰国餐厅上线后，从消费者端能为我们带来多少 GOV？“所以这覆盖了业务的方方面面——让更多骑手上路，这对我们的配送时间等质量指标有什么影响？怎么转化？正因为如此，我们才能判断：我们是想花这一美元、或者花团队的时间去改善转化率，还是投入更多营销费用，或者引入更多骑手，或者签约更多餐厅，或者增加更多杂货店。我们能够纵览整个业务，找出实现目标的正确行动组合。

Lenny Rachitsky： 听你讲这些，我能理解为什么这在平台型业务中如此重要，尤其是一个多边平台，在供给投入、需求增长、骑手增长之间总是要做权衡取舍。我都不敢想，想这些事情脑子会炸掉，所以我完全理解为什么这对业务如此关键。

好的。然后关于”保持简单”这个建议，我觉得当人们听到”对，保持简单”，他们都会说”对对，我们会保持简单的”。但有哪些迹象表明”这不简单”——能让你看出来”不行，这太复杂了，你应该试着简化这个指标，哪怕它不完美、不是最理想的指标，但它需要更简单”？

简化指标的实践：商家健康度

Jessica Lachs： 对。我们曾经有一个商家健康度评分，我们试过用这个指标。它是多个因素的综合——我们发现了哪些因素能让一个商家在平台上活跃并获得订单。我们希望确保商家在平台上有活跃的营业时间，有图片，有完整准确的菜单，等等，很多不同的输入变量。我们创建了一个复合指标，给所有这些输入加权。然后我们问：“我们的商家健康度评分是多少？“答案是 0.35。不是 35%，就是 0.35。那这个 0.35 是什么意思？没人知道。

所以我们换了个思路。我们说：“最重要的因素是什么？首先，让我们测量有多少新商家在入驻平台后的——比如说——前七天内获得了第一个订单。然后看看我们的商家中有多少在做那些我们知道重要的事情，也就是这些输入变量。那我们就用提升商家图片覆盖率来考核团队，用确保营业时间准确来考核团队。”

是的，有人可能会说有一个复合指标更简单，但它太难理解了，也不知道怎么去推动它，结果就变得毫无意义。最终，转向更简单易懂的东西——哪怕这意味着用三个指标代替一个——对团队来说反而更好，因为大家知道自己要推动的是什么。也许我们错过了第四、第五、第六重要的事情，但前三件你做了，那就是 95% 了。等我们在那 95% 上取得成功之后，再来讨论剩下那 5%。

Lenny Rachitsky： 太有意思了，因为我们在 Airbnb 经历了完全一样的事情。我们管它叫”健康房东”。我之前负责过房东质量团队一段时间，我们搞出了这个健康房东指标，包含房东的六个因素——取消率、评价率、回复率之类的。然后我们就说：“好，让我们推动这个指标，让更多房东变得健康。“结果你就会发现：“好吧，我们重点推哪个？“然后，“那其他那些怎么办？“最终我们基本上就是一次聚焦一个。那就先把这个作为目标，然后在不同最大的机会之间轮换推进。

Jessica Lachs： 完全正确。我觉得事后来看，在你举的这个例子中，那六个因素里哪些实际上最重要？如果你能量化哪个因素影响最大，你就先做那个，实实在在地推动那个指标，然后再做下一个。你当然想把所有指标都推动起来。但能够排出优先级，知道取消率提升 20% 能换来什么——这就是分析能发挥巨大价值的地方。因为是的，最终你都会做到所有这些，但你做事的顺序和时间安排会对增长产生重大影响。如果你能优先解决最关键的问题，你的投入产出比更高，而且会随着时间复合增长。所以先做最重要的事情、最快地做——在我看来这就是竞争优势。

团队专注与指标轮换

Lenny Rachitsky： 在同样这条线上，我们还发现，在不同指标之间轮换是非常低效的。因为你的团队会变得很擅长：“好，我们要推动这个指标。“你的团队会说：“太好了，我们完全理解这个杠杆了。“比如取消率，我们变成了取消率方面的专家。然后三个月后，你需要转向回复率，他们又得学习一套全新的思维范式。效率太低了。所以我们发现，基本上就让一个团队守着一个指标，直到没有更多空间了，然后给另一个团队分配其他的指标。

Jessica Lachs： 对。

代理指标与长期结果

Lenny Rachitsky： 太多经验了。好的。你一开始提到如何选择好指标，讲了那些具有长期影响的短期指标这个思路。你当时怎么说的来着？

Jessica Lachs： 对，我们会为长期结果寻找代理指标。

Lenny Rachitsky： 很好。这和”简单指标”的思路类似，归根结底还是——指标应该是你能推动的、你能理解的，足够接近那个理想的完美指标，但不一定就是那个完整的理想指标。好的，太棒了。关于选择指标、使用指标，还有什么其他经验值得分享的吗？

关注边缘案例与失败状态

Jessica Lachs： 在指标方面，我们经常看平均值，我觉得我们之前也稍微谈到过这一点，但确保你同时关注边缘案例和失败状态也非常重要。所以我们实际上经常围绕那些边缘案例设定目标、创建指标。比如灾难性的配送——那些出了严重问题的订单。我们有一个概念叫 Never Delivered（从未送达），就是那些从未被送达的订单。DoorDash 在命名方面真的很擅长，而且这种情况非常罕见。所以如果你只看平均效果或消费者的平均体验，它根本不会出现。如果你只根据配送时间和延迟的平均值来衡量质量，这些也不会显现出来，因为它们太稀少了，但它们是灾难性的。对消费者来说是极其糟糕的体验，会导致流失。

它们代价极高，因为你要退款整个订单，或者重新购买食物，还得再派一个骑手去配送那份重新购买的食物。所以成本很高，从消费者体验的角度来说代价也很大。我觉得如果你不去关注这些失败状态，它们往往会被忽略。所以在选择指标的时候，是的，你想提升参与度，想提升转化率，有很多基于整体平均值的指标你想去推动，但找到这些边缘案例和失败状态，并围绕消除它们设定具体目标，这非常重要，因为效果会非常显著。

Lenny Rachitsky： 所以这里的建议是，真的把它变成一个目标——比如某个团队专门负责”从未送达”，持续降低这个数字？

Jessica Lachs： 没错。我们有一个质量分析团队，里面也有产品工程师和运营人员。他们的目标就是消灭 Never Delivered。要做到这一点，你得先弄清楚它们为什么会发生。有时候是人为失误，有时候是欺诈。然后想办法预防，在发生时进行补救，最终从系统中消除它们。你永远不可能完全消除，但你可以做出显著改善，让它们变得比一个百分点的零头还要稀少。

为什么关注极端负面体验

Lenny Rachitsky： 是的。我觉得有人听到这个可能会想，“当然啦，为什么不去关注那些糟糕的工作体验呢？“但我认为在大多数公司，他们看的是大数字，看的是平均值，就像你说的，“哦，这几乎不会发生，我们为什么要在上面花时间？“而你的观点是，你确实应该在这些真正糟糕的体验上花时间，即使它只占你业务的一小部分。也许可以分享一下为什么这很重要？是因为它对品牌有连锁影响吗？

Jessica Lachs： 对，我觉得有几个方面。首先，某件事不常发生并不意味着它不重要。Never Delivered 就是一个很好的例子——它直接导致流失，而且花费远超其发生频率所暗示的代价。我认为事实是，当有些事情导致流失时，你失去的是那个消费者后续所有的订单，而这些并不一定能被观察到。你只是看到了一次糟糕的体验，你看不到那些因为流失而失去的订单，因为它们已经消失了。所以我觉得有时候数据并不能展现全貌。如果你能够量化对参与度、对盈利能力的影响，它就会凸显出来，成为你如果不特意寻找就可能会忽略的东西。

数据看不到的盲区

然后我觉得另一件事是，像登录错误这种情况，有时候你在数据中看不到，因为人们根本无法进入系统。如果你无法登录，你就不会产生任何购买，不会下单，所以你可能在你查看的数据中根本看不到它。所以我觉得这也是数据从业者需要思考的问题：我们没有哪些数据？我们可能缺失了哪些数据？哪些地方可能存在我们实际上需要识别和修复但我们看不到的机会和问题？因为在登录失败这个例子中，用户无法登录，他们不在分母中，所以从数据集中我们完全遗漏了他们。

管理全球数据组织

Lenny Rachitsky： 再问几个问题。有一个我之前跳过的问题，现在想回过头来聊聊。话题转换比较突然，但我觉得可能会很有趣——关于全球数据组织。你运营着一个全球数据组织，你的数据科学家、分析师和业务运营人员遍布世界各地，不只是在美國。我很好奇，管理不同国家的数据人员和管理美国的数据人员有什么不同？最大的区别是什么？

Jessica Lachs： 大家总是问有什么不同。让我感到惊讶的反而是相似之处——人有多么相似，数据科学家本身相似，消费者、骑手，以及我们在 Volt 所称的 couriers（配送员）也很相似。相似之处远多于差异。不过我确实认为，当你在美国建立了业务，然后引入新的国家时，不同的货币和不同的语言会带来你之前不一定熟悉的复杂性。类似地，在欧洲，EU 国家与非 EU 国家之间有不同的监管要求，这又增加了一层有趣的复杂性。所以我认为它确实增加了问题集的复杂性，但最终很多问题是一样的。感觉有点像看了答案钥匙之后再去考试。所以对我来说，有时候在 Volt 通过 Volt 分析遇到问题时，我会觉得，“哦，我们遇到过类似的问题。我有一种直觉知道答案可能是什么。但我们还是要测试，因为可能存在文化或其他方面的差异，不过我感觉我知道最终会走到哪里。“然后有时候确实会出现因为某种原因而全新的问题，这就令人兴奋了，因为你可以说，“好，让我们看看这里是不是不同。“看看在 Volt 所在国有效的方案在 DoorDash 所在国是否无效，反之亦然。所以我倾向于更多地关注相同之处，然后当我发现不同之处时会感到惊喜，因为那能让你保持警觉，让事情保持趣味性。

AI 工具的应用

Lenny Rachitsky： 接下来我们进入 AI Corner（AI 问答环节）。这是我们播客中的一个环节，我试图了解人们在日常工作和业务中如何使用 AI。我很好奇你是否发现了一些非常有趣的 AI 使用方式——你可以从这两个方向来谈：你和你的团队在日常工作中如何使用 AI 工具来提高效率，或者如何将 AI 整合到产品中，让 DoorDash 变得更好。

Jessica Lachs： 是的，我认为两个方向都有机会。不过让我真正兴奋的其实是前者——帮助团队提高生产力。DoorDash 的分析团队有一项叫做 Office Hours（办公时间）的活动，这是我们八年前就开始做的，最初是为了给那些我们当时没有带宽去支持的团队提供帮助。早期我们会坐在一个房间里，说”欢迎过来，我们帮你解决任何需要帮助的问题。我们可以教你 SQL，帮你看看你的工作成果，做你的思考伙伴，你也可以来看看我们在做什么。“什么都可以。我们每周会在不同时段做两个小时的 Office Hours，方便不同时区的人参加。

让我感到兴奋的是，我们可以真正赋能那些仍然因为各种原因来参加 Office Hours 的同事，让他们能够用 AI 自己编辑查询语句。比如可以说：“这是一个查询，我想把它改成适用于我们的生鲜杂货业务，这样就能看到生鲜杂货的 GOV（总订单价值）。“所以我们在构建这些工具，不仅仅是帮我们自己的团队节省时间——说实话，我们自己团队的人也会用——而是真正赋能非技术用户，让他们能自己完成一些事情，不必占用分析团队的带宽。

Lenny Rachitsky： 所以本质上它是一个聊天机器人，公司里任何人都可以向它请教如何编写 SQL 查询、查询数据之类的问题？

Jessica Lachs： 是的。

Lenny Rachitsky： 这个聊天机器人有没有一个巧妙的名字？

Jessica Lachs： 其实并不巧妙。它叫 Ask Data AI，这个名字来源于我们内部原来的 Slack 频道，那个频道之前就是供大家提问数据相关问题的开放问答区。所以一点也不巧妙。

Lenny Rachitsky： 但很清楚。

Jessica Lachs： 不过这也符合 DoorDash 的命名传统——非常、非常具体直白，比如 Never Delivered（从未送达）和 Ask Data AI。

Lenny Rachitsky： 我很喜欢。清晰高于一切。这是我从一个与我合作的编辑那里学到的。Jess，你还有什么想分享的，或者想留给听众的吗？对于那些正在搭建数据团队、想让数据团队更高效的人，你有什么最后的智慧锦囊想要分享吗？

不拘一格的团队人才观

Jessica Lachs： 我唯一想重申的是，你并不一定需要在所构建的领域受过正式训练。我认为这也适用于你招聘到团队里的人。我之前提到过我们团队有很多人转去做产品或运营，但我没提到的是，实际上有很多人是从合作团队加入分析团队的——不管是来自工程团队、运营团队，还是市场或财务团队。我们是人才的净输入方，而不是净输出方。我觉得这和我自己的经历有关——我从运营转过来，从做 GM（城市总经理）转型到分析领域，所以我天然会被那些想做出类似转型的人所吸引。

当然，你需要具备技术能力。这些人中的大多数是在 DoorDash 岗位上逐步习得这些技能的——无论他们在转型到分析团队之前做的是什么工作——或者他们在学校时可能接受过一些正式训练。但我很喜欢看到那些主动转型、想加入分析团队的人，即使他们不是职业数据科学家。我认为这创造了一个非常独特的环境——团队里的人背景不同、专长不同，可以互相学习。我可以教你如何在 Excel 里搭建折现现金流模型，我可以从有咨询背景的人那里学到如何做出精彩的演示文稿，我可以从拥有统计学硕士或博士学位的同事那里了解统计学中常见的陷阱，我们还有计量经济学专家和经济学家。我们就是一群背景各异的人，可以互相学习，让彼此变得更好。我们不是彼此的复制品。

Lenny Rachitsky： 我听下来，你几乎是在优化团队中互补技能的多样性和截然不同的背景。

Jessica Lachs： 没错。还有就是在不同规模公司有经验的人。我喜欢来自初创公司的人，他们有那种拼劲和韧性，但我也喜欢见过规模化是什么样子的人，他们能帮我们预判业务增长过程中会遇到什么问题。所以不仅仅是技能的多样性和背景的多样性，还包括此前所在公司和阶段的多样性。这可以成为一种非常独特的团队构建思路，让你兼得两者的优势。

闪电问答环节

Lenny Rachitsky： 太棒了。就在你以为我们要结束的时候，我们迎来了非常精彩的闪电问答环节。准备好了吗？

Jessica Lachs： 准备好了，来吧。

Lenny Rachitsky： 来吧。好，第一个问题：你最常向别人推荐的两三本书是什么？

Jessica Lachs： 我倾向于读小说，尤其是历史小说，而且我很爱间谍小说。我觉得我的大脑即使在阅读时也总是处于解决问题模式。我最近读了一本很喜欢的书，是 Kate Quinn 的《The Rose Code》，讲的是二战时期的女性密码破译员，我非常喜欢。但与其再推荐一本书……虽然我刚才确实推荐了一本，但我想推荐的是 Libby 这个应用，以及支持你当地的公共图书馆，因为我爱图书馆，也爱 Libby，所以我就把这个作为我的另一个推荐。

Lenny Rachitsky： 太好了。很符合共享经济、公司的风格。Libby。好的，下一个问题。最喜欢的近期电影或电视剧？

Jessica Lachs： 又是一个我答不好的问题。我其实不太看电视，电影更不怎么看了。事实上，一些经典大片我都没看过。我朋友经常为此冲我喊：“你竟然没看过那部！“我倾向于反复重看以前的作品，一遍又一遍。我觉得这就是我让大脑关机的方式。我最近又重看了《白宫风云》（The West Wing），这是我有史以来最喜欢的剧之一，大概已经是第五十遍了吧。

Lenny Rachitsky： 天哪。

Jessica Lachs： 还有《Alias》，那是 Jennifer Garner 2000 年代初的一部剧集。也是间谍题材。所以我发现了一个规律——我真的很爱间谍类型。不过这两部都很棒，但完全不算是新剧。

Lenny Rachitsky： 完全可以。完全可以接受。你最近有没有发现一个特别喜欢的产品？

Jessica Lachs： 这个回答有点出乎意料。韩国防晒霜。我很容易晒伤，所以必须涂防晒霜，而我非常喜欢韩国防晒霜。是一个朋友介绍给我的，它们确实远远优于我们在美国能买到的产品。所以我强烈建议大家试试韩国防晒霜，特别推荐一个品牌叫 Beauty of Joseon 的防晒霜，非常棒，用起来也很舒适——这一点很重要，毕竟你每天都得涂。

Lenny Rachitsky： 随着年龄增长我也在尝试多涂防晒霜，所以这个建议很好。你刚才推荐的是什么品牌？

Jessica Lachs： 是的，品牌叫 Beauty of Joseon。

Lenny Rachitsky： Beauty of Joseon。

韩国防晒霜推荐

Jessica Lachs： 还有一个品牌叫 Isntree，防晒霜也很不错。不过说实话，我试过的韩国防晒霜几乎都很好用。

Lenny Rachitsky： 好的，我一结束就去搜索。你有没有最喜欢的人生座右铭，经常回到它、或者会分享给家人朋友的那种？

人生座右铭

Jessica Lachs： 有的。有一句 John Steinbeck 的话——我其实不太喜欢引用名言，但这句我很喜欢——他说：“一个常见的经验是，夜晚难以解决的问题，在睡眠委员会处理之后，到了早晨就迎刃而解了。“我发现这确实是我生活中一直践行的原则。首先，我热爱睡眠，尽量多睡。另一方面，如果我在某个问题上卡住了，或者正在写一份回应，比如一个紧张或情绪化的问题，通常我发现如果先把想法写下来，去睡一觉，第二天早上再检查，结果会好很多。突然之间，你对之前卡住的问题有了新的视角和清晰度，或者你意识到自己表达想法时不够清晰，因为当时情绪上头了，然后你就能组织出一个更好的回复——不管是邮件还是其他任何你在处理的问题。所以睡眠可以解决很多问题。

Lenny Rachitsky： 我也很爱睡觉。我总是跟我妻子说”我们去睡觉吧”，她说”好的，我马上来”。我很喜欢这个建议。好的，还有两个问题。谁对你的职业生涯影响最大？有没有一个人浮现在脑海里？

职业生涯中的影响者

Jessica Lachs： 我觉得有两个答案，一个多部分的答案。首先，我的职业生涯一直在男性主导的行业中，我跟一些非常优秀的女性共事过，她们对我影响很大。当我是银行家的时候，在我工作的雷曼兄弟，有两位资深银行家——Vanessa Roberts 和 Gina Tarone。她们非常出色，工作能力极强，我觉得那真的很鼓舞人心。

然后在 DoorDash，我们的 GC Tia Sherringham，以及负责传播的 Liz Jarvis-Shean，在各自领域都是顶尖的。我觉得这非常 empowering，对我影响很大——看到强大、有力的女性大放异彩，让我相信自己也能做到同样的事情。这是一个答案。

另一个答案有点老套，但就是我的父母。我妈妈在结婚之前是联合国的统计学家，后来她选择留在家里抚养三个孩子，我是最小的。我记得大概是在我上小学的时候，她决定重返学校、转行成为一名护士。她在做了 15 年全职妈妈之后，四十多岁时踏上了一条全新的职业道路，而我父亲也全力支持。我觉得这对我影响非常大，可能是第一次让我看到，无论你的年龄、无论你的处境，只要下定决心就可以做到任何事情。所以这对我影响很深，我想我从来没有跟她说过这些。所以，嗨，妈妈。

Lenny Rachitsky： 嗨，妈妈。谢谢你，妈妈。

Jessica Lachs： 是的，我觉得这对我的职业生涯影响很大。绝对是。

Lenny Rachitsky： 这个回答真美好。说个趣事，我跟 Liz 在 Airbnb 共事过。就是你刚才提到的负责传播的那位。

Jessica Lachs： 她非常棒。

Lenny Rachitsky： 她确实很厉害。最后一个问题。你加入 DoorDash 的时候，我想当时并不能确定它会成功。我猜当时还是那种”这是个疯狂的想法，也许行得通，也许不行”的状态。你有没有回忆起某个时刻，心想”我觉得这会是一个巨大的成功？我觉得这真的能成？“

意识到 DoorDash 会成功的时刻

Jessica Lachs： 说实话，我加入 DoorDash 是因为我想学习，为了这段经历。我觉得它很有趣——有趣的问题，有趣的人。我从来没有太多地去想它是否会成功。我当然希望它成功，我也非常好胜、想赢。我觉得有两个时刻比较突出。一个是当第三方市场份额数据显示我们已经成为第一名的时候——我想我们最初是第四或第五名。看到这个增长轨迹和品类份额的提升，真的非常激动人心。不过我可能是在它发生好几个月之后才看到的，因为我们不会花太多时间关注这些数据。但我确实记得有人想在某个演示、某个销售材料中放入那张图表，然后我们发现，“哦，我们是第一名了。太不可思议了。我们以前是第五名。“这是其中一个。

另一个让我印象深刻的时刻是，早年在波士顿的很多创业分享会上，我第一次做演讲时问观众：“你们中有多少人用过 DoorDash？“大概只有三个人举手。然后几年后，大概是 2018、2019 年，我在做一次演讲，问观众：“你们中有多少人用过 DoorDash？“几乎所有人都举手了。那一刻对我来说相当难忘，因为在我心中，我们仍然是那个没人听说过的小创业公司，我还需要故意把 DoorDash 里的 D 音发得很清晰，以免人们以为我在 Jordash 工作——就是那家 90 年代的牛仔品牌。所以当那么多人用过我们的产品、成为 DoorDash 的消费者时，这对我来说非常有意义。我现在还是会为此激动。最近我在读一本书的时候看到里面提到了 DoorDash，就像”我们上书了！“那些你成为文化用语一部分的时刻，我觉得真的、真的很特别。

结语

Lenny Rachitsky： 我是 DoorDash 非常满意的客户。我从来没有遇到过 Never Delivered。东西总在，有时候会晚一点，但通常都很完美。感谢你所做的一切。DoorDash 团队加油。

最后两个问题。如果有人想关注你做的事情，在网上哪里可以找到你？我知道你最近在 LinkedIn 上写了更多内容，请告诉大家去哪里找到你，以及听众怎样才能帮到你？

Jessica Lachs： 好的，正如你所说，可以在 LinkedIn 上找到我。我没有很大的社交媒体存在感，但我在 LinkedIn 上，目前正在写一系列博文，分享我在 DoorDash 建设全球分析组织的经验，以及过去 10 年学到的一些教训。欢迎大家去看看。

至于你的第二个问题，听众怎样才能帮到我，我想说请去 LinkedIn 上读那些文章，我很想听听大家的想法，无论你是否同意我的观点。不过请友善一些。我想要诚实的反馈，但也希望保持善意。所以，去和内容互动吧，让我知道你们的想法。我确实还有一个更广泛的请求，就是鼓励听众们追求真相（TruthSeek）——这是我在 DoorDash 非常认真对待的事情，也是公司的一个价值观。现在外面有大量错误信息，而辨别事实与虚构往往是我们每个人自己的责任。所以我恳请大家尽最大努力去寻找真相、说出真相，我认为我们都会因此变得更好。当然，还有使用 DoorDash。

Lenny Rachitsky： 当然。

Jessica Lachs： 是的，听众可以做这三件事。

Lenny Rachitsky： 你的网址是 DoorDash.com。这次对话太棒了。除了使用 DoorDash 之外，我也很喜欢你最后那一点。Jessica，非常感谢你来参加节目。

Jessica Lachs： 谢谢你的邀请。非常有趣。

Lenny Rachitsky： 我也是。大家再见。

结语

Lenny Rachitsky： 非常感谢你的收听。如果你觉得这期节目有价值，可以在 Apple Podcast、Spotify 或你最喜欢的播客应用上订阅本节目。也请考虑给我们评分或留下评价，这真的能帮助更多听众发现这个播客。你可以在 lennyspodcast.com 找到所有往期节目或了解更多关于本节目的信息。下期再见。

术语表

原文中文
affordability initiatives可负担性项目
AI CornerAI Corner（AI 问答环节）
Alias《Alias》
AndyAndy
Ask Data AIAsk Data AI
Beauty of JoseonBeauty of Joseon
case interview案例面试
center of excellence卓越中心
central model集中模式
churn prediction model流失预测模型
common currency共同货币
composite metric复合指标
courierscouriers（配送员）
dashboard仪表盘
dashers骑手（dashers）
data nerd数据极客
data org数据组织
discounted cash flow model折现现金流模型
Elizabeth StoneElizabeth Stone
embedded嵌入式
extreme ownership主人翁意识
first principles第一性原理
GCGC（首席法务官）
Gina TaroneGina Tarone
GMGM（城市总经理）
GOV (Gross Order Value)GOV（总订单价值）
healthy host健康房东
imposter syndrome冒名顶替综合征
IsntreeIsntree
Jira ticketsJira 工单
Joe GraccioJoe Graccio
Joey GJoey G
John Steinbeck约翰·斯坦贝克
JordashJordash
Keith YandellKeith Yandell
Lehman Brothers雷曼兄弟
Lenny RachitskyLenny Rachitsky
LibbyLibby
Liz Jarvis-SheanLiz Jarvis-Shean
merchant health商家健康度
Never DeliveredNever Delivered（从未送达）
Office HoursOffice Hours（办公时间）
people manager人员管理者
pod小组（pod）
Retention留存率
soft skills软技能
standup站会
StanleyStanley
table stakes基本门槛
The Rose Code《The Rose Code》
The West Wing《白宫风云》（The West Wing）
Tia SherringhamTia Sherringham
TonyTony
TruthSeekTruthSeek（追求真相）
Vanessa RobertsVanessa Roberts
VoltVolt
VP of Analytics and Data Science分析与数据科学副总裁
WeDashWeDash

此文档由 AI 分片翻译（translate_long_document）