数据分析团队的需要完成六项任务

在过去的30年里，许多公司增加了新的管理层来应对不可预测的商业环境。20世纪80年代中期，首席财务官对大多数公司来说仍然是一个陌生的职位。然而，随着价值管理和企业与投资者关系的日益透明，越来越多的公司拥有首席财务官。随着品牌建设和客户管理对公司的重要性日益增加，首席营销官变得越来越重要。此外，许多公司还设立了首席战略官，以帮助公司应对来自市场的挑战。现在，数据分析的力量对商业模式产生了深远的影响。抓住数据开发带来的机遇，增加利润，提高生产力，甚至建立新的业务单位，已成为企业的新需求——这不仅需要信息基础设施领域的人才和投资，还需要改变思想，组织一线培训，提高团队的执行力。如果没有强大的执行力，就很难充分控制数据分析的巨大浪潮。大数据对公司的影响非常广泛，涉及营销、风险、运营等，高级管理层可以以不同的方式参与。在某些情况下，任务可以委托给首席信息官、首席营销官、首席战略官等。其他公司可能需要建立一流的数据分析中心团队，如首席数据官、首席技术官或首席分析师。制定和实施大数据和先进的分析策略，数据分析团队的六项任务不仅需要向外部服务提供商提供数据挖掘，还需要让公司以日常业务的方式应对变化。不可预测的环境对高管团队提出了严格的要求。经验丰富的高管是不可替代的。他们可以将理论应用到实践中，引导企业渡过难关，做出艰难的平衡，在决策不同时表现出权威立场。新的数据分析文化将成为企业领导的新焦点，这是必然的发展趋势。经验表明，数据分析团队需要完成六项任务。企业领导在分配任务和增加新职位时，需要对这六项任务进行充分评估。1.创新思维已经开始创新思维。创新理念的高级团队需要获得数据分析知识，以了解大数据的作用。同时，他们也需要接受数据已经成为业务核心的事实。只有当公司高级管理人员的思维和观念发生变化时，持久的行为变化才能辐射到整个公司。在早期阶段，一个非常重要的问题是“如何帮助企业实现数据分析的跨越式发展”，通常发生在企业的每个重要业务和职能部门，由有影响力的高级主管领导。一家大型运输公司的领导人要求其首席战略官负责数据分析。首席战略官安排高管访问一些有数据头脑的大公司，以便在公司高管中传播新的思想和知识。随后，他要求各业务部门将数据分析作为明年战略规划的重点之一。这种做法非常成功。一方面，大数据融入了各部门的战略目标；另一方面，它鼓励各部门的管理者*大数据。不久之后，他们开始分享自己的想法，不断探索新的分析机会——这为公司注入了新的活力。2.由于缺乏明确的战略、计划和标准，制定数据分析策略与其他新兴商业机会相同，数据分析的潜力尚未得到充分探索。许多公司在这一领域感到沮丧，有些是因为高管没有明确负责数据分析或制定相关计划；另一个是因为他们没有进行足够的讨论或投入必要的时间来区分大数据分析的优先级。一家电信公司的首席执行官致力于开发数据分析，特别是利用数据分析来优化客户关系和定价。尽管该公司聘请了一名高级分析师，但发展迅速陷入停滞。的确，分析团队付出了深入探索模型和分析技术的努力。然而，企业部门的同事没有及时培训中级管理人员，如何使用这些模型：他们不了解这些分析和模型的潜力，因为这些不是他们的战略重点。正如前面提到的，要充分实现数据分析的潜力，需要制定明确的计划。该计划需要划分重点和明确路径，以实现预期的业务业绩，这类似于战略规划的过程。需要团队的支持才能制定这样的计划。在一家北美公司，首席执行官要求在线数字运营负责人(他有丰富的数据知识)制定企业发展战略。首席执行官还要求，在制定发展战略时，负责人必须与其他不熟悉大数据的业务部门负责人合作。这种合作——将数据与分析技术专家和经验丰富的一线运营商相结合——确保计划中列出的分析目标注重实际和有影响力的商业决策。此外，这种合作模式在高管相互分享过程后，成为其他业务部门规划实践的蓝图。其他重要的决策也需要由权威和经验丰富的高级领导人负责。这些决策涉及数据集成，构建先进的分析模型和工具，以改善运营状况，从而提出了巨大的资源需求。如今，越来越多的外部供应商有能力提供核心数据、模型和工具。因此，企业需要高管的经验来权衡是“独立开发还是购买服务”是否需要内部独立开发这些模型和分析工具，并完全拥有这些自主分析技术的知识产权，以满足迫切需要的发展战略需求和预期的运营改进或规模扩张，以便借用外部供应商的经验和人力创造强大的数据资产也需要高级领导的参与。企业与客户、供应商或其他价值链中的第三方建立高级合作伙伴关系，限制关键外部数据的访问。不同的零售商选择了完全不同的道路，这让企业领导了解了必须权衡的一系列因素。一些零售商与数据分析公司签订了长期合同，涵盖了广泛的数据分析需求。包括传统企业和在线企业在内的其他方也对内部数据和分析技术进行了深入的投资。每一个选择都反映了战略、金融和组织需求的动态集，这些都应该由高级管理人员决定，而不是中级管理人员。3.在任何战略方案中，企业都需要分析专家来确保数据分析技术的专业优势，以帮助快速稳定发展。当今时代的数据分析游戏是基于开放和云基础设施的，因此所有内外数据都可以很容易地以用户友好的方式集成。新环境还需要新的管理技能来动员更多的资深数据专家。这些专家可以开发预测或优化模型，以确保开发的可靠性。目前，在世界上最受欢迎的市场上，许多公司已经努力寻找这些先进的技术人才，获得这些宝贵的人力，让他们真正与企业领导互动，改变公司的发展是高级管理人员未来的真正任务，这通常需要创造性的解决方案。一家主流消费品企业的大数据领导决定在远离公司总部的地区投资建立一个数据分析中心。该地区拥有丰富的优秀人才和文化环境，受到数据科学家和数据工程师的青睐。接下来，公司领导完成最后一步，让每个分析团队与总部的业务团队直接联系。4.调用资源在不同职能部门之间调用人力资本，创建新的决策支持工具，帮助一线管理者利用先进的分析模型，通常会让企业管理层感到惊讶。赋予高管更多的权力是非常重要的，这有助于高管突破制度限制。这些复杂的制度通常会影响数据分析对决策执行的支持。要取得成功，有必要让各部门管理人员配合合作，积极应对变化——鼓励IT、业务部门和分析团队相互合作，培训专家负责协调和领导。缺乏领导能力的公司往往容易失败。例如，在一家运输公司中，产品领域中层管理者的职责是寻找数据分析的机会，然后继续前进。但数据团队无法按时提交数据或提交的数据格式不尽如人意，往往让分析团队烦恼不已。当将分析结果嵌入到自定义工具中时，管理者变得更加沮丧，因为他只能处理常规预算和计划过程中的紧急要求。随后，公司要求一名高级营销总监优化数据分析过程。该主管将包括数据库管理人员、分析师和程序员在内的不同职能的团队组合起来。他们致力于探索数据分析的机会，从头到尾分析项目的着陆周期为六到八周。通过敏捷的资源调用，营销总监上位仅几个月后，公司就成功找到了几个分析重点。5.复杂的数据分析解决方案，由一线功能数据专家设计，必须嵌入在一线工具中。只有这样，管理者和一线员工才愿意每天使用这些工具。推广工具应用的努力不容忽视，包括正式培训、在职培训等。经验表明，许多公司90%的投资是为了创建模型，而只有10%的投资是一线应用。事实上，前线应用的投资应该不少于50%。6.大多数公司会承认，他们确实需要增加新的职位。然而，一个重要的问题是，如何设计新的权利和责任制的经验表明，公司有足够的理由强调数据分析策略和人才，甚至建立一个传统的数据分析中心。但业务职能部门也需要一线活动(资源调用、能力建设)的支持。有两个原因：一是利用数据分析增加收入，提高生产力，不同的业务部门有不同的重点；其次，当公司将一线业务与核心运营管理重点相结合时，积极鼓励前线进行适当的调整也同样重要。