发帖
雷达卡
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？
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
