高效的數據分析工作可以為公司帶來巨大的競爭優勢，因為業務經理可以獲得對市場趨勢和客戶行為的新見解，否則可能無法了解。
為了充分利用他們的信息資源，企業需要擁有一支強大的分析團隊。建立和管理一流的團隊需要什么，這些團隊應該做些什么工作才能取得成功?
這些并非都是微不足道的問題。在這個高度需要數據驅動的環境中，企業如何建立和管理一支數據分析專家團隊，這可能會對未來幾年的業務發展產生重大影響。
Zeta Global公司(一家客戶生命周期管理營銷公司)的首席信息官Jeffry Nimeroff表示，在您組建數據分析團隊之前，您需要為這個團隊制定任務和章程。
Nimeroff說：“在太多的組織中，數據分析工作嵌入了更為傳統和簡單的‘報告和分析’概念。在這種情況下，反應性報告通常是占優的，因為總是有另一種方式可提供更有意義的報告，這可能成為一個無限的循環，而數據分析的真實能力將永遠不會體現。”
數據團隊的成功始于團隊成員的多樣性
在組建團隊時，不要將重點局限于只尋找數據分析專業人才。專家說，多樣性人才對于數據分析團隊的成功至關重要。
“非常重要的是，團隊不僅要吸收具有數據分析能力的人才，還要吸收那些具有商業及人際關系技能的人才，后者可以首先幫助團隊構建問題，然后在分析工作結束時有效地將分析結果進行傳達，”湯姆•達文波特(Tom Davenport)說道，他是德勤分析公司(Deloitte Analytics)的高級顧問，以及《數據分析競爭法:企業贏之道》一書的作者。
跨國集團美國通用電氣公司(GE)很重視其分析團隊的多樣化技能。公司首席數據官克里斯蒂娜·克拉克(Christina Clark)表示：“當世界級技術技能與扎實的職能領域知識相結合時，數據和分析才是最高效的。”
克拉克說，這可以通過組建一支擁有各種業務背景的團隊來實現，團隊中既包含IT技能人才，也包含其他技能人才。她說：“我們在開發支持財務功能的創新解決方案方面取得了巨大的進展。支持這一工作的數據團隊包括了經驗豐富的IT專業人士，還包括財務分析師、前審計師和財務經理。”
對任何分析團隊來說，豐富的數據科學知識都是至關重要的，但團隊中還應該有統計師、數學專家和機器學習專家，他們了解算法以及清楚這些算法如何應用于數據，(一家技術服務公司)Incedo公司的首席執行官TP Miglani補充說道。
Miglani說：“您也需要技術專家，即數據工程師，他們可以建立管道來獲取數據，以完成所有的數據分析工作。同時您還需要業務專家，他們了解您解決難題所處的領域，并清楚該領域的復雜性。例如，如果現在面臨的問題是開發數據驅動的藥物，那么您的團隊需要吸收一些定量藥理學家和生物學家。
Miglani說，從技術上講，數據專家應該是一個可以同時做到這些工作的“獨角獸”。“但獨角獸并不存在，”他說。“成功的數據科學團隊應該包含多樣化的人才，每個人都帶來了團隊所需要的這些技能。”
變更管理和IT價值
達文波特(Davenport)說，如果數據分析項目涉及規范性或運營性分析(例如，如果分析結果將與業務流程或一些工作緊密相關)，那么還需要有人來管理變更流程。他說：“聯合包裹服務公司(UPS)的獵戶座項目(ORION)導致了司機行駛路線產生巨大變化，他們投入了大量的時間和精力來變更管理。”
鑒于分析團隊將嚴重依賴于像大型數據工具等技術基礎設施，讓IT部門在某種程度上代表分析團隊，這也很重要。達文波特說：“即使分析團隊沒有向IT部門匯報工作，通常情況下，讓分析團隊中表現出一些IT職能，這也是個好主意。”
利用數據和工具，注重經驗
Nimeroff說，分析團隊中的任何人都應該有很多的角色經驗。
他說：“數據分析工作既是一門藝術，也是一門科學，有更多經驗的人可以比新手更能以創新和有效的方式利用工具。我還發現，新手依靠工具來完成繁重的工作，他們可能擅長或可能完全不擅長獨立做這些工作。另一方面，我還遇到過優秀的數據專家，他們都是手工完成一切工作。他們不會提升或幫助團隊加速推進工作。尋找那些可以不用工具進行工作，但能夠理解和接受現代工具價值的人才，這是我所看重的。”
外部專家和嵌入式團隊
許多公司求助于外部專家來幫助開展分析項目。沒關系，但一定要確保項目的工作實際上能夠滿足組織的需求，這很??重要。
達文波特說：“如果團隊中有一些成員是外包人員，那么要確保每個項目至少有一名內部員工，他們有助于確保分析結果能夠得到采納。”
盡可能讓分析團隊成為正在進行的分析業務的正式成員，或至少在項目實施期間嵌入其中。達文波特表示，日用消費品公司--寶潔公司過去就是通過“嵌入式”分析師來完成這一工作，但現在他們會向相關業務職能部門負責人匯報。
“無情的優先排序”
一旦你的團隊已組建完成，接下來的工作就是找到一個運作模式，讓每個人都能正常工作，Nimeroff說。
“公司正變得越來越靈活(類似于軟件敏捷式開發)，尋找一種對工作進行優先排序的方法，將需要完成的工作分解成可操作的單元，為每項工作內容制定具體的成功標準，并為持續的溝通提供框架，這往往就是成敗之間的差別，”他說。
此外，如果團隊能夠證明其所做工作的商業價值，那么它將更有可能取得成功，Miglani說。
Miglani說：“與提出數據科學建議的利益相關者和消費者進行接觸，這有助于展示團隊工作的價值，并且可以更深入地了解團隊應該關注的關鍵痛點。盡早分享工作成果，構建組織結構，在該組織結構中的數據科學目標要與業務部門的目標保持一致，這是創造價值的好方法。”
美國通用電氣公司通過分析工作來實行“無情的優先排序”。克拉克說：“致力于明確界定業務優先級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發揮作用時，他們更有可能保持積極性，激發業務合作伙伴進行參與。”
該公司已經看到其航空業務中“數字聯盟(Digital League)”所取得的顯著生產力成果，在這一業務領域組建跨職能團隊來確定工作優先級，然后在兩周內提出他們的見解。
注重實驗與創新
在團隊中保持實驗心態也很重要。
Miglani 說，“這些項目的商業案例并不簡單，你必須向未知領域走進一步。不同于在開始時就設想一個明確范圍的技術項目，數據科學項目是以一個和一組需要測試的假設和問題開始的。這些項目沒有明確的前后處理流程圖，而數據科學的新團隊需要理解并適應這種情況。”
按照這些方式，應該有創新的渠道，克拉克說。她說：“這個領域有很多新興技術。員工們想知道他們有時間和資金來繼續發展自己的技能，并嘗試新的方法。我們利用‘全球數字中心’，在自主組織團隊中孵化新技術和試點工作，創新氣氛使團隊保持積極性。”
與一般科學和學習過程一樣，好奇心也是數據分析的關鍵要素。一家餐飲和零售商獎勵計劃服務提供商--Paytronix Systems公司的數據專家和分析團隊負責人斯圖亞特·威爾遜(Stuart Wilson)表示：“擁有好奇心的人想要繼續自己的分析工作，而不管客戶是否要求這樣做。”
威爾遜說：“我們的一名分析師決定檢驗在六個月前進行的一次市場營銷活動的數據。正因為如此，我們能夠發現此次活動的一個意想不到的結果，否則我們將沒有收獲。”
另一個好的做法是學會提問并解決正確的業務問題。
“每個數據科學項目都應該從咨詢工作開始，即了解“項目內容”和“原因”，Miglani說。“此外，任何分析工作的目的不是為了實施某個工具或平臺。其目的應該始終是為了獲得正確的業務成果而設計的，要做到這一點需要問正確的問題。”
數據是成功的基礎
如果組織創建了“數據基礎”，那么數據分析團隊就更有可能取得工作成功，克拉克說。她說：“數據領域的技術專家希望看到從組織到數據基礎的真正承諾的工作。在我們的財務部門，開展了一個協作計劃，以在兩年內簡化流程和提高數據質量及訪問能力。我們已經看到員工生產力得以提高，技術成本降低，以及擁有數字技能員工群體擴大。”
保證高質量的數據應是任何數據基礎的基石。
“對您數據的了解和管理是成功的關鍵，”威爾遜說。“您的分析工作只能與您的數據一樣準確。當我們通過自己的分析工作而取得成功時，我們經常被要求將此分析工作制作成報告或表格，這樣業務用戶可以每天使用這些分析結果。如果您的數據流程不可靠或您的數據不完整，那么您的分析結果將會有缺陷，而且由此采取的任何舉措都將是錯誤的。”
不斷地訓練
Nimeroff說，在快速變化發展的分析領域、持續教育和個人發展方面保持優勢，這對于管理一個充滿活力和成功的團隊至關重要。“數據分析是發展最快的領域之一，盡管前沿技術不適用于所有情況或所有組織，但并不意味著與時俱進不重要，”他說。
Paytronix公司很注重對分析人員的持續培訓，以及對分析結果的溝通能力。
威爾遜說：“您的團隊需要了解您數據的更多細節，了解統計偏差會使分析工作可能出錯，并了解如何有效地提取數據，然后傳達可行的分析結果。”
“我經常告訴我的團隊，如果沒有清楚理解分析工作而開始工作，那么世界上最好的分析也將是浪費，”威爾遜說。“為此，在解決問題時要牢記目標：商業用戶將如何根據這些信息改變其行為?這應該有助于您調整分析方法并關注您給出的結論。”
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號