5月24日,CDMC(中国数据分析于数据挖掘俱乐部)周末线下聚会实录
主题:中小企业数据分析团队的建设
不知道CDMC是啥的童鞋请往这里看→_→ https://bbs.pinggu.org/thread-2250292-1-1.html
如果有人想加入俱乐部,请看这里 →_→ https://bbs.pinggu.org/thread-2250292-1-1.html
夏日伊始,有幸迎来北京数月难逢的大晴天,周末的人大出版社大楼,人影稀疏,为本次聚会创造了良好的环境。
在中、小型公司里,数据的意识可能才刚起步,或者数据新人如何培养,迅速带动业务发展,还是个大问题。
在招聘数据分析人才的过程中,除了数学、统计学、编程这些能力要求外,一些特殊的潜质如创造力、商业头脑、沟通技巧、业务理解力等,怎么去发现?
企业如何打造一个高级分析团队,并使其发挥最优效果?把他们放在企业的什么位置最合适?这些团队如何运转?谁来创建高级分析?
以上这些都是在座13名会员一一去探讨的问题。下面为部分聚会提纲,在此,也欢迎广大坛友各抒己见:
如何打造优秀的数据分析团队
背景:许多公司里都有各种数据分析人员,他们在为不同的部门工作,他们解决问题的环境,使用的方法,甚至需要参加的各类培训都有很大的不同。
比如,运营支撑部门和采购部门对分析的要求就很不一样,风险团队关注的事情和市场营销部门关心的事情也很不一样。
这就出现了一些问题。怎样组建分析团队?分析团队要怎样才能融入到公司的大环境中?
中小型公司甚至面临着分析部门的组建、人才招聘、自己培养等问题
招聘数据分析人员的要求:技术?教育背景?专业?创造力?商业头脑?直觉?
各个行业并非生而平等
一些行业的分析师嵌入在决策流程中的,包括银行业、金融业和物流业等。
风险管理领域:分析驱动(信用卡审核发卡)
有些行业是混合型的,有的公司搞的不错,有的公司则没有任何分析
如零售业和制造业,有的制造商精于分析之道,而有的制造商因为本身是区域性的,连做个电子表格报表分析都很困难。
各个部门情况也不一样
电信 可能在防止客户流失的营销上做的好,但不擅长建立产品定价影响的预测模型。
团队组织架构
分析人员要怎样分配,才能使有分析需求的各个事业部既能得到他们想要的东西,还能在企业层面保持一致?
主流的组织架构类型:分布式、集中式、混合式
向谁负责?
分布式(公司初期往往使用):分析人员要通过特定的职能部门向上汇报工作,分析团队要向它所支持的组织汇报工作,运营分析—首席运营官(COO),营销分析—首席营销官(CMO)
优缺点:与业务靠近,缺点是最后会遍布公司各个地方,不属于同一部门,分析人员缺少职业晋升通道。
集中式组织架构:只有一支分析团队,支撑所有业务部门和分析需求
优缺点:按需分配,分析人员获得跨部门经理,接触到多种类型的分析,可能会早就一批通才,不精。成本谁来承担?可前期由公司出资,后期显现价值后由业务部门出资分摊。
混合式
团队技能更新(培训)
矩阵式方法:对于给定的项目,制定分析组长,并非头衔或职级,由项目需要产生。A跟B的角色在两个项目中可能相互颠倒。
交叉培训
分析管理人员自身的技能水平
谁来从事高级数据分析工作?
如何帮助刚刚从事数据分析工作的新手茁壮成长?
易用的工具本身并没有魔力,也不可能让没有分析经验的人做出优质分析。相反,工具的存在让那些没有分析经验的人更容易犯错。
IT人员和分析人员的矛盾
分析团队要做的事情 | IT团队要做的事情 |
大量使用系统资源 | 严格管理系统资源的使用 |
创建表格并使用大量的空间 | 限制创建表格和空间的使用 |
运行复杂的即席查询 | 使复杂的即席查询保持在最低水平 |
打破常规 | 让用户守规矩 |
使用新方法做试验 | 坚持使用正式批准的方法 |
在规章和约束下工作 | 执行规章和约束 |
分析团队 to 业务部门
IT人员 to CIO
分析文化?