 |
VOOZH | about |
|
VOOZH | about |
有效的數據分析可以為企業帶來巨大的競爭優勢，因為業務經理可以獲得對趨勢和客戶行為的新見解，否則這些行為是不可能的。
為了充分利用信息資源，企業需要有一個強大的分析團隊。組建和維護一個頂尖的團隊需要做什麼？這些團隊應該怎樣做才能使自己取得成功？
這些不是微不足道的問題。在這個高度數據驅動的環境中，企業如何構建和運營分析專家團隊，可能會對未來幾年的業務產生重大影響。
但在組建數據分析團隊之前，您需要制定團隊的使命和章程，客戶生命周期管理營銷公司Zeta Global的CIO Jeffry Nimeroff說。
Nimeroff說：「在太多的組織中，數據分析被嵌入到更為傳統和平淡的」報告和分析「的概念中，在這些配置中，被動報告往往是優先的。為了制定更有意義的報告，這可能會成為一個永無止境的循環，數據分析的真正力量永遠無法實現。
[及時了解當今最熱門的10個數據分析趨勢（和5個變冷）。| 通過我們的大數據認證指南來支持您的職業生涯，這將會帶來回報。
數據的成功始於多元化
在組建團隊時，不要只將注意力集中在尋找分析專業人員上。專家說，多樣性對成功至關重要。
湯姆·達文波特（Tom Davenport）說：「把不僅僅包括具有分析能力的人，還包括那些具有商業和關係技能的人，能夠幫助解決問題，然後在分析結束時有效地傳達結果，這一點非常重要。 Deloitte Analytics高級顧問，「 競爭分析：勝利的新科學 」一書的作者。
跨國集團GE對其分析團隊的多種能力進行評估。該公司首席數據官克里斯蒂娜•克拉克（Christina Clark）表示：「當世界級的技術技能與強大的功能領域知識配合使用時，數據和分析是最有效的。
這可以通過建立一個擁有各種商業背景的團隊來實現。克拉克說，這是IT和功能技能的結合。她說：「我們在開發創新解決方案以支持我們的財務職能方面取得了巨大的進步。「支持這項工作的數據團隊由長期IT專業人員組成，但也包括財務分析師，前審計師和財務經理。」
對於任何分析團隊來說，深入的數據科學知識當然是至關重要的，團隊中應該有統計學家，數學家和機器學習專家，他們了解算法，以及如何將這些算法應用於數據.Incedo執行長TP Miglani補充說。技術服務公司。
「你也需要技術人員 - 數據工程師誰可以建立管道獲取數據，以完成所有的分析，」米格拉尼說。「而且您還需要了解您正在解決問題的領域的複雜性的業務專家。例如，如果手頭的問題是建立數據驅動的藥物，那麼你需要定量的藥理學家和生物學家。「
從技術上講，數據科學家應該是一個可以同時完成所有這些工作的「獨角獸」，Miglani說。他說：「但獨角獸並不存在。「成功的數據科學團隊是多元化的，個人將這些能力帶到需要團結的地方。」
改變管理和IT的價值
Davenport說，如果一個分析項目涉及規定性或操作性分析（例如，如果結果將被捆綁到一個業務流程或一組工作中），那麼也需要有人來管理變更流程。他指出：「UPS的ORION項目導致了駕駛員路線的巨大變化，投入了大量的時間和精力來改變管理。
鑑於團隊將大量依賴大數據工具等技術基礎設施，IT部門以某種身份代表分析團隊也很重要。達文波特說：「即使分析團隊沒有向IT部門報告，在團隊中部署IT功能通常也是一個好主意。
強調經驗 - 數據和工具
Nimeroff說，分析團隊中的任何人都應該具有豐富的經驗。
他說：「數據分析既是一門藝術，也是一門科學，而且更有經驗的個人比新手更有能力以創造性和有效的方式利用工具。「我還發現，新手依靠工具來舉重，以至於他們可能會或可能不會完全適應自己。另一方面，我遇到了大量的數據科學家，他們都是親手做的。他們不會擴大或幫助團隊加速。尋找能夠無需工具就可以執行的人員，理解並接受現代工具的價值，是我所關注的。「
外部專長和嵌入式團隊
許多公司轉向外部專業知識來幫助分析項目。這很好，但確保項目的努力實際上滿足組織需求是非常重要的。
Davenport說：「如果團隊中有一些員工是外包工人，那麼就要確保每個項目至少有一名[內部]員工，他們可以幫助確保分析的結果得到採用。
只要有可能，分析團隊就應該是正在進行分析的業務的正式組成部分，或者至少在項目期間嵌入其中。消費品公司寶潔公司曾經通過「嵌入式」分析師來做到這一點，達文波特說，但現在已經把他們報告給相關業務部門的負責人。
「冷酷優先」
Nimeroff說，一旦你的團隊就位，找到一個每個人都可以工作的運營模式。
「公司正在變得越來越敏捷，就像軟體開發一樣，為工作劃分優先級，將執行分解成可消化的塊，為每項工作努力制定具體的成功標準，為持續的溝通提供一個框架往往是成功失敗「，他說。
而且，如果Miglani能夠證明它所具有的商業價值，他們將更有可能取得成功。
「與數據科學建議的利益相關方和消費者交流，可以幫助他們展示這個價值，並且更深入地理解他們應該關注的關鍵痛點。」Miglani說。「早日分享成果，建立組織結構，將數據科學目標與所加標籤的（業務部門）結合起來，是創造價值的好方法。」
通用電氣公司通過其分析工作實踐「無情優先」。Clark表示：「明確定義業務優先級的承諾將使數據和分析團隊取得最大的成功。「當團隊能夠在目標領域展現出影響力時，他們更有可能保持動力，激發業務合作夥伴的參與。」
該公司已經看到了「數字聯盟」在其航空業務方面的重大生產力結果，一個跨職能團隊聚集在一起確定重點，然後在兩周的衝刺中提供見解。
強調實驗和創新
保持團隊的實驗思維也很重要。
「這些項目的商業案例並不容易，你必須邁向未知的一步，「米格拉尼說。「不同於技術項目，從頭到尾都有明確的範圍，數據科學項目從一個問題和一套需要測試的假設開始。這些項目的前後處理過程沒有清晰的地圖，對於數據科學而言，新興的團隊需要了解並熟悉這些。
克拉克說，沿著這條路線，應該有創新的渠道。她說：「這個領域有大量的新興技術。「員工們希望知道自己有時間和資金來繼續發展自己的技能並嘗試新的方法。我們利用我們的全球數字中心作為孵化新技術和自組織團隊試點工作的場所; 創新氣氛讓團隊激勵。「
與一般的科學和學習一樣，好奇心是分析的一個關鍵要素。Paytronix Systems公司的數據科學家兼分析團隊負責人Stuart Wilson說：「好奇的人有自己的分析需求，無論客戶是否要求這樣做。」餐廳和零售商獎勵計劃服務提供商Paytronix Systems的數據科學家兼分析團隊負責人。
威爾遜說：「我們的一位分析師決定檢查六個月前的營銷活動。「因此，我們能夠發現這場運動的一個意想不到的結果，否則這是不確定的。」
另一個好的做法是學習問正確的問題，解決正確的業務問題。
「每個數據科學項目都應該以諮詢活動為出發點 - 了解」什麼「和」為什麼「，」Miglani說。「另外，任何分析工作的目標都不能實現一個工具或平台。我們的目標應該始終是為了正確的業務成果而設計的，您可以通過提出正確的問題來達到目標。「
數據：成功的基礎
Clark說，如果組織創建「數據基礎」，那麼數據分析團隊就更有可能取得成功。她說：「數據領域的技術專家將希望看到從組織到數據基礎的真正承諾。「在我們的財務部門，我們執行了一個協調的計劃，在兩年內簡化和改善數據質量和可訪問性。我們看到了員工生產力的提高，技術成本的降低以及廣泛的數位化員工群體。「
確保高質量的數據應該成為任何數據基礎的基石。
Wilson說：「了解和管理數據對於成功至關重要。「你的分析只會和你的數據一樣準確。當我們通過自己的分析看到成功的時候，我們經常被要求將這種分析結果用於報告或儀錶板，因此業務用戶可以每天利用這些調查結果。如果你的數據處理不可靠，或者數據不完整，你的結果就會有缺陷，對它們採取的任何行動都將是錯誤的。「
不斷訓練
Nimeroff說，要保持分析的快速變化的發展，持續的教育和個人發展對維持一個充滿活力和成功的團隊非常重要。「數據分析是其中發展最快的領域之一，儘管領先技術並不適用於所有情況或組織，但這並不意味著能夠保持現狀並不重要，」他說。
Paytronix強調對分析人員的持續培訓以及溝通結果的能力。
Wilson說：「你的團隊需要了解數據的細節，知道分析可能會出現統計上的偏差，並理解如何有效地提取和交流可操作的結果。
威爾遜說：「我經常告訴我的團隊，如果沒有清楚地理解和採取行動，世界上最好的分析將是一個浪費的努力。「為此，在解決問題時要記住：業務用戶如何根據這些信息來改變行為？這應該可以幫助您量身定製您的方法，並對您提供的結論進行歸納。「
來自CIO網
數據之王
（ID：shujuzhiwang）
——貢獻中國數據智慧，釋放全球數據價值
公眾號運營：大中華大數據協會