建立企业数据分析的高性能团队
建立企业数据分析的高性能团队
Prashanth Southekal和Santhosh Raju
介绍
高绩效团队是任何公司成功表现的关键。无论您有数千名员工还是只有五名员工，高绩效团队都是实现最佳业务绩效所必需的。成功的分析计划也不例外，并且也取决于高绩效团队。但是，当今的大多数数据分析团队都是旧的MIS / BI团队结构的阴影，并且通常向CFO功能报告。这些团队是围绕特定的IT技能组织的，这些技能通常是ETL（提取，转换，加载）开发人员的组合，他们开发和维护数据集市和数据仓库，业务分析师则捕获业务用户对运营和BI的需求报告以及运行查询和构建报告的报告构建器。此外，当前大多数数据分析团队已向财务职能部门报告，财务职能部门通常是大多数公司的成本控制和监管职能部门，通常不愿进行创新和变革。在每个公司都是数据公司的新环境中，需要的是一种专注于创新，规模和价值创造的运营模式。反过来，这种环境将使业务中的知识工作者拥有正确的工具和技术，以实现其目标。
建立分析团队
不幸的是，没有一种标准的方法可以组建一个高性能的分析团队。组建强大的分析团队因组织而异，通常是上下文相关的。有效团队的一些特征，例如沟通，信任，明确的目标感，相互支持等，也适用于数据分析团队。但是有一些特定于Google Analytics（分析）团队的特征。从根本上说，当今的Analytics（分析）团队需要一个对业务，数据驱动过程和组织中的决策机制有扎实了解的结构。在这种情况下，以下是针对高性能企业数据分析团队的五个关键要素或特征。
1.数据素养为基础
企业数据分析团队的成功很大程度上取决于在整个组织中建立数据素养文化。从本质上讲，可以通过创建一个环境来实现数据素养，在这种环境中，组织中的每个人都可以利用数据中的洞察力来获得直觉，从而扩大他们的决策过程。在高层管理人员的支持下，可以通过了解由于组织中缺乏数据分析产品和解决方案而造成的商机损失和合规风险，来提高数据素养。换句话说，在组织结构中，Analytics团队应靠近销售，运营或创新等创收职能部门，因为这些团队的需求本质上是价值创造和创收，而关注客户而不是维持或合规。
2.强大的分析领导者
一旦形成了数据素养文化，我们就需要一个强大的领导者来应对。分析团队应由对数据，技术和业务有扎实了解的人员领导，以便将业务利益相关者的愿景和需求转化为具有可衡量结果的清晰战略。Mckinsey Consulting称Google Analytics（分析）的领导者为催化剂，他拥护领导风格以解决当前的需求和障碍，并大规模部署Analytics（分析）解决方案。如今的企业数据分析基本上是业务通信的新语言。Analytics（分析）负责人不仅应具有技能和经验，以建立数据素养的文化，还应在整个组织中教育和推动见解的实施。
3.在整个DLC中为团队配备人员
如前所述，传统的企业数据分析团队专注于技术功能，例如ETL（提取，转换，加载数据）和报表构建。但是，分析团队的当前需求是在数据治理团队的支持下，在整个数据生命周期（DLC）上建立一支多学科的分析团队，尤其是在数据捕获，数据工程，数据科学和数据可视化方面。来自这些不同群体的团队成员应该通过谈论业务和数据的语言而不是技术来与业务利益相关者无缝集成。
4.基于假设的方法论
一旦我们建立了数据文化，领导者和团队，就必须有一种方法来大规模提供Google Analytics（分析）解决方案。基于假设的方法论将把Analytics解决方案实施方法论从项目转移到产品。假设基本上是对解释的一种有根据的猜测。在这种背景下，基于假设的思考将为Analytics（分析）团队提供早期和快速的见解，并为迭代和增量分析过程奠定基础。尽管有许多技巧可以发展基于假设的思维，但麦肯锡的思维过程之一是称为MECE的思维过程，MECE是互斥，集体穷举的首字母缩写，它将问题分为明显的，不重叠的问题，同时确保没有与之相关的问题这个问题被忽略了。
5.执行机制
那么，有了正确的理念，组织结构和授权，Analytics团队将如何执行？交付或执行企业数据分析解决方案包含3个关键要素。首先，Analytics团队应与相信利用数据来提高业务绩效的业务利益相关者密切合作。其次，Analytics（分析）团队应该从小处着手，并专注于建立对业务的信任和信誉。“小型”可能是少数用例，需要大量业务利益相关者参与，使用样本数据和较小的时间范围，较小的预算，较小的项目（例如概念验证（PoC））来处理较小的数据集等。第三，专注于“足够好”的分析解决方案。首次部署分析方案以应对众多挑战时，分析方案几乎无法满足利益相关者的所有需求。分析解决方案以迭代和增量的方式进行优化。正如他们所说-完美与完成工作相反。分析团队应努力快速展示一些小而重大的胜利，以便他们可以在企业中取得更大的成功。
结论
如今，建立高效的企业数据分析团队已不仅仅是为拥有ETL和报告构建技能的人员提供服务，而是专注于合规性和历史绩效报告。如果企业认真利用数据来提高业务价值，那么今天的企业数据分析就是一种价值创造功能和新的业务沟通语言。在这方面，Analytics团队应努力确保数据和洞察力掌握在经理和一线工人手中，他们将定期使用数据来获得更好的业务成果。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！