最全方法論:如何從0-1搭建一支數據團隊?

1 評論 3711 瀏覽 30 收藏 22 分鐘

編輯導語:近國家大力倡導數字化轉型的聲音高漲,毋庸置疑數據會是企業未來經營發展的一個中樞。企業發展數據需要人和團隊,試想如果讓你在公司從0-1組建一支數據團隊,你會怎么做?可能大家已經開始盤算著要招多少人,需要什么人才,什么平臺技術,要做哪些IT規劃,梳理哪些指標…那本文用最全的方法論教你如何搭建一支數據團隊。

我曾經見過一家公司,從原先的IT部拉了幾個人成立了數據團隊,新團隊想快速找到自己的價值,于是就承擔了公司的報表分析工作。

一做就是大半年,過程中發現數據采集不全、數據口徑不一等底層問題,開始著手規劃數據治理和數倉搭建工作,但適逢行業經濟下行,公司要降本,高層以“看不到產出和價值”為由直接縮編,盡管據理力爭但高層怎么也等不及了。

大家可能會覺得這是很現實的問題,數據這個新興團隊高出不勝寒,沒有幾個公司的高層能真正理解數據的價值,數據的產出又很無形,組建團隊采購技術又需要很大成本。

所以說初創數據團隊不是件容易的事,沒有策略的推進很容陷入被動。那么如何從0-1搭建一支數據團隊,本文以自身經驗分享。

需要4個階段:

  1. 明確團隊定位
  2. 設定階段性目標
  3. 團隊搭建
  4. 著手IT數據規劃

一、明確團隊地位

1. 確定數據團隊的短、中、長期價值定位

數據團隊可能就是一個純粹的知識部門,他們的業務支持就是提供報表,通稱“表哥表姐”,他們只需要給管理層和業務提供報表和報告就好了,這時候數據團隊的定位就是扮演支持的角色。

很多leader覺得報表的工作平平無奇,報表要做但不能長時間只做這件事,因為這不是一個公司的“必要”職能,沒人做分析公司業務照常運行。

隨著業務的發展與專業性的提升,數據團隊變成了顧問的角色,他們更多要提供建議和想法,幫助業務團隊做思考。

數據會驅動業務,我們從數據角度、行業角度、競爭分析角度提供解決方案,提供及時準確的預測來推動業務發生變革。

此時,在某種程度上說,數據和業務已經是戰友共贏的關系。

當公司發展到更高級的階段,數據團隊的地位就從一個成本中心變成一個利潤中心。

無論對內還是對外,數據團隊會去最大化實現公司數據資產的變現。

這時候數據團隊的定位是:一個盈利的業務部門。

當然,這里我這么寫但不代表初創數據團隊就一定是按這個順序去做,只是說數據團隊在建立之初就要有成為支撐公司戰略有力支撐部門的愿景。

比如:數據團隊掛靠在集團經營部或者利潤中心,做的事就直接和企業經營事務掛鉤,和數據團隊掛靠在IT下屬部門,僅做報表支撐,哪個有前途不用多說。

2. 走好第一步很重要

我們對人的第一印象往往是最深刻的,甚至這個印象如果后面沒有深入了解的機會,一段時間內都很難改變。

一個團隊組織也是一樣,設想如何讓其他部門知道你們是干什么的,有什么價值,有什么背景,那么對于初創團隊來講,第一步很重要。

1)把握機遇,樹立自己的旗幟

舉個案例,老K(數據團隊leader)所在集團有一子公司銷售業績和盈利能力一直都很差,但該子公司是集團戰略的一個重要環節,高層下達命令要對公司進行業務改進。老K從財務復盤會上聽到這個問題主動請纓對該子公司的財務和銷售數據做全面診斷。
分析后發現:49個產品中只有不到30個產品是賺錢的;給子公司帶來利潤的下游公司,只有不到20%;為公司創造較多利潤的銷售人員,也只有57%。

問題引起了總經理和財務總監的重視,依據數據結果盤查業務。

在后續的業務改革喪砍掉了20%的低毛利產品,對利潤貢獻度不同的客戶采取不同的銷售投入,調整銷售利潤分配方式。

在這套數據驅動的管理方法下,銷量增加,利潤上升,直接帶來了166萬的利潤。

這一場開門紅勝仗直接引得了高層的重視和表揚,奠定了數據部門的地位,嘗到甜頭后老K一段時間內和財務聯合,做出不少成績。

最重要的一點,是把握住了機遇,從公司問題嚴重的弱勢環節著手,和企業核心痛點掛鉤,比如降本、增效、幫助尋找業務發展機遇、預判經營風險。

2)搞定高層

數據分析團隊要想在公司被其他部門認可,一定少不了業務部門的配合,那是不是搞好和業務領導的關系就好了?

Too young too simple ! 再好的關系也不要忘了利益是等價交換的,初創數據團隊除了人力基本沒啥優勢,在沒有任何籌碼的前提下去“舔”,到頭來多半是“給我提個數,做兩個報表,幫我做點分析怎么體現活動價值…”;

數據驅動戰略一般都是自上而下的設計模式,不要期望借助業務的積極性來驅動公司轉型,這是不現實的。

我之前當初很樂意加入一個團隊的原因是因為公司管理層很支持建立一支數據團隊;即使在細節和執行方式還處于模糊階段,CEO和CFO都明白數據團隊能帶來的效益,這點難能可貴。

如果公司管理層沒有人能夠明白描述性和預測性分析的價值,你就會處于一個艱難的位置。

數據素質是一種企業文化,如果高層不想推動,這種素質是不太可能發展起來的。

在一定程度上,你要有超出團隊經理所需的數據領導力,你需要一個主管級別以上的人在公司內部推數據。

二、設定階段性目標

明確定位之后就是著手工作計劃和目標制定——帶著一幫人要做什么,年底拿出什么成績呢?

很重要的一點,基于明確的業務需求或公司需求再制定數據驅動戰略!

將數據分析內化為公司或業務決策流程的一部分,并對決策起關鍵作用。

思考:公司業務的發展計劃和目標是什么?

數據團隊如何助力公司業務的目標達成,其價值如何量化。

剛入行的時候,一直以為基礎建設是最重要的,大家做數據就應該先搞基礎建設:從數據平臺——數據倉庫——數據管理平臺——數據分析平臺,要穩扎穩打把各種底子都搞好才是真的好。

從現在角度來看,這個觀點依舊不能算是錯的。

但是,我們更應該換位思考,數據最終還是要服務于業務的,千萬不要等你的數據基礎設施都建設完成了,最終發現團隊沒有一個可以產生價值的業務,只能無奈地變成一個被邊緣的服務方。

最怕的就是,當你把基礎全部做好后發現,黃花菜都涼了。

一個可取的思路應該是:

  • 以業務價值為核心,先做出幾件讓高層和滿意的事,來奠定基礎
  • 抽出少量的人力,完成最基本的基礎設施
  • 等有業務成果了,再投入一定的人力逐步完善

這里分享幾個技巧:

1. 起步階段,一定要先做管理者重視與支持的數據項目

總結起來就是3個點:

  1. 有沒有抓住領導感興趣的業務價值點
  2. 能不能展開感興趣的方式
  3. 能不能抓出他的痛點,并且有所展開的情況下,不斷更新工作進度

領導關注什么你要留心觀察,一般從公司戰略目標、重大戰略會議上能看出個大概。

還有從你的直屬領導中,大部門領導的工作報告中了解。

基本上企業的核心痛點離不開都離不開提升營收、降本、增效、幫助尋找業務發展機遇、預判經營風險。

但是,很多有時候你匯報給領導工作進展他也并不一定會關注,如何讓管理者重視也是一門藝術。

這時候就要充分發揮數據和技術的技能,比如能否優化改進領導看報表的習慣,將領導關注點報告做成駕駛艙大屏,甚至開發自動化流程,將的告推送到他郵箱甚至手機端,這些都是目前可以實現的。

這時候一定不要謙虛,注意在工作成果中留下部門和署名。(還有其他大家也可以留言)當然,最好的辦法一定是互相成就,一起把事情做好,甚至是目標綁定,在關鍵問題上保持態度一致。

制定了計劃:按環節反饋、持續反饋、定期匯報,將向上反饋的品質發揮到極致。

2. 打好群眾基礎,找到業務盟友

雖然業務難搞,但是山頭還是要啃下來的,領導對一個人/部門的評價,除了自己的認知外,很大一部分來自于其他人/部門的評價。

比如我通過十幾張模板解決了財務部門一年幾百張報表的重復開發工作,還通過技術手段解決了發票、票據打印,得到了很好的認同。

后續也進一步幫助開發財務分析模型,恰好部門一個懂財務分析的前輩,一起推動著梳理了一部分財務指標,開發了杜邦分析等自動析模型。

每各月末出表的時候,大家再也不用焦頭爛額加班加點。

有了這樣的基礎,也幫助我打開了在其它部門獲取數據的通路。

最后,記住所有的數據分析的日常工作一定是一個閉環,否則它對公司會是一種內耗。

在沒有建立高層和足夠業務團隊的信任和認可之前,任何一個項目的戰線都不要拖太長,小步迭代有閉環,這個可以參考《增長黑客》。

如果數據分析的基礎服務滿足不了管理層和業務,他們就會跳起來挑戰數據分析團隊。

這時候再高大上漂亮的報表都沒有用,而是需要數據團隊和業務團隊達成一致的認知:數據分析團隊提供什么對他們是最有價值的。

三、團隊搭建

注意幾個要點:

  1. 小團隊的前期發展,以經驗豐富的老司機快速搭建框架是最為穩妥的,要盡可能地減少試錯成本。有了經驗豐富的老司機把底子都搞好了,后面再慢慢招一些應屆生就可以。
  2. 巧從業務團隊借人或挖人,前期數據工作,業務經驗比技術對團隊更有利。
  3. 即使是技術選型,盡量也用現成的開源產品或者技術框架,切忌自己造輪子。尤其像從業務系統中提取數據時,千萬別自己寫腳本來完成,花點錢讓第三方公司幫你完成即可。不要把大量時間花費在不能為公司帶來效益的事情上,還可能有無盡的后續麻煩。
  4. 高效性是數據團隊組建的標準!其最終的價值閉環是如何高效響應、有效實現需求?;谶@一原則,在不同公司(業務)、不同驅動戰略的大背景下,搭建針對性的數據團隊。

數據團隊的核心是團隊領袖,其承接了驅動戰略理解和量化、團隊如何設計與實現等內容。

最后,一個優秀的數據團隊領袖必須是公司驅動戰略的策劃與執行者、團隊的組建與管理者,不僅要促進公司的業務發展,還要兼顧團隊成員的個人發展。

在具體團隊規劃上,可以為金字塔型、矩陣型、金字塔與矩陣融合型,其各有優點,需要適應公司需求進行設計。

四、著手IT數據規劃

看到這,想必大家也都了解為什么這塊工作對于數據初創團隊不那么優先級。以上三步之后,就可以全局的對企業數據進行梳理。

數據從業務端進行采集,存儲在業務系統中,需要對其清洗之后才能用來做報表做分析。

這一條鏈路涉及:數據采集、元數據管理、數據倉庫搭建、數據存儲、數據集市、ETL清洗、主數據管理、數據平臺搭建、報表平臺、決策分析平臺、業務端應用分析等事務。

這里簡單梳理一下分類:

  1. 企業目前的數據現狀分析;
  2. 構建完善的數據環境:主數據管理、數據分析;
  3. 開展業務分析:梳理指標、建立指標體系、建立報表體系、建立分析體系。

1. 企業目前的數據現狀分析

對于企業數據問題要做一個全面的診斷

比如業務系統很多,系統之間的數據不連通,造成信息壁壘。這樣的問題要著重主數據管理,制定標準規則。

比如數據不統一不完整不開放數據來源渠道多,責任不明確,數據填報缺失這些都是質量差的問題。這樣的問題要著重數據治理,性能優化上可以采取分布式數據庫。

以業務流程為導向梳理數據走向,這背后暗藏的現實可能是:指標零散、業務和IT都不知道分析什么;報表不成體系,有些報表冗余。

2. 構建完善的數據環境

基于hadoop大數據平臺,先拋架構!

主數據管理

1)定標準所需標準有編碼規則,命名原則、劃分原則、共享原則;

  • 標準規劃:根據企業實際情況確定實施范圍,并根據優先級和難易度制定計劃??梢酝ㄟ^調查問卷、現場訪談、收集文檔等手段進行調研標準的內容:數據分布、數據流向、服務規則等,形成調研報告。
  • 標準設計:在方法論的指導下,完成數據標準設計和定義工作,如數據業務描述定義、類型長度定義、其他信息定義。
  • 實施映射:將已定義的數據標準與業務系統、業務應用進行映射,注明兩者的關系及影響的應用。
  • 標準執行:借助專業的工具實現標準落地檢查。
  • 維護增強:隨著業務發展,數據標準需要不斷的修訂和完善,并有效的持續維護改進。

2)搭平臺將各業務中可能流通共享的主數據的名稱和標準統一起來;

3)控制關鍵環節流轉包括主數據管理的關鍵環節、合理排布關鍵環節處理順序、安排責任崗位或部門對應關鍵環節。

數據質量

3. 開展業務分析

指標梳理

分析什么數據,如何反饋給業務,這些都已轉化成指標來解決指標梳理需要和業務部門一同進行。

可以通過訪談和調研梳理各業務層級關注的指標,從基層到高層。

也可以將企業已有的SCOR、計分卡等績效體系或者已有的業務分析體系,轉化成可說明情況的指標。

建立全指標體系指標梳理清楚后,從每一條業務線出發。

這塊業務對企業目標負責的關鍵成果是什么(KPA)——每一個KPA又可以用什么維度來衡量(KRA)——最后落實到基層的關鍵行動指標是什么(KPI)最后所有業務匯總,形成一個全指標體系。

梳理報表體系梳理完指標體系后,大致也就知道每個業務部門需要分析什么數據了。數據通常以報表的形式呈現,報表就都相當與數據落地的產品,有主題有規劃的分析。

基礎查詢類報表:來自于基層業務和日常工作,功能作用于某一項具體的工作,比如:銷售業績查詢、商品庫存查詢、在途庫存查詢、采購訂單查詢等。

經營報表:用于日常管理,其功能不單作用于某項具體的工作,而是覆蓋相關部門或某部門管理的一個工作模塊,例如:店長業績管理看板、庫存管理、異常店鋪管理等。

戰略報表:這個就用于高層集團事物的管理,比如boss們關注的每日盈利狀況,項目進度監控等等;這類報表通常以駕駛艙的形式展現,用于企業全局監控。

建立分析體系不同于日常管理經營類報表單方面的展現,這里更注重某一塊業務問題,比如通過分析數據來縮減供應鏈成本、通過分析市場環境制定市場策略等。

通常在傳統企業的應用有智能制造、大數據營銷、供應鏈優化、市場活動ROI分析、新零售業務提升、用戶畫像和客戶標簽等等。

最后,本文只是給出了一個大體的思路框架,很多細節都沒有覆蓋的很細致,多數也都是個人經驗之談,如有不足之處,大家多擔待。

 

作者:miao君,專注企業數據化運營和數字化轉型,公眾號:商業智能研究,分享有關企業數據建設的一切知識!

本文由 @miao君 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

給作者打賞,鼓勵TA抓緊創作!
1人打賞
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 不錯

    回復