如何组建一支高效的分析团队

导语

高效的数据分析可以成为当今的竞争优势,使企业能够深入了解客户偏好、产品开发和使用趋势,以及其他企业无法看到的市场动态。为了从分析工作中获得最大收益,企业需要组建一支高素质的团队,理解来自多个来源的全部数据,并将分析结果转化为企业的实际价值。

正确的技能组合、强有力的领导和具有延展性的目标,这只是组建一支能够从您的数据中获取持久价值的顶尖分析团队的几个秘诀。

高效的数据分析可以成为当今的竞争优势,使企业能够深入了解客户偏好、产品开发和使用趋势,以及其他企业无法看到的市场动态。

为了从分析工作中获得最大收益,企业需要组建一支高素质的团队,理解来自多个来源的全部数据,并将分析结果转化为企业的实际价值。

如何来组建一个强有力的分析团队?以下是专家提供的一些关键的和最佳的做法。

专业技能的恰当组合

一般来说,一个高效的分析团队需要具备三个基本技能:技术数据技能使团队具有工作能力,分析技能可推动工作本身发展,业务技能可确保所做的工作正确无误,并推动业务价值,咨询公司West Monroe的高级分析资深经理Dan Magestro说。

“很少有人具备所有这些技能,”Magestro说。“其实我刚才所描述的内容就是一种理想状态。但是拥有这三种技能的团队可以更高效地工作。”

那些了解如何组织数据的人员可以提供技术数据技能。Magestro说:“这些人可能更像传统的IT员工,将他们纳入到分析团队中,则会成为团队成功的强大因素。”

数据科学家将有效性或“科学”带入分析团队,Magestro说。“数据科学家的硬性技能是非常重要的。我们还发现,可靠的解决问题技能和批判性思维技能也是非常重要的,在某个平台上这往往比丰富的经验更重要,”他说道。

Magestro说,团队中拥有一个专门的业务专家是至关重要的,他可以确保所分析的信息与业务相关。这个人会有效地将这些见解传达给更大的组织。他说:“该业务专家弥合了分析工作和业务需求之间时常出现的沟通缺口。”

在更细化的层面上,一流分析团队的人员应具备以下领域的知识,比如关系表、维度模型、数据库、JavaScript对象表示法(JSON)、可扩展标记语言(XML)和逗号分隔值(CSV)等,“耶稣基督后期圣徒教会”数据管理人员主管兼首席架构师麦克·鲍尔斯(Mike Bowers)说。

鲍尔斯说:“至少有一位专家需要了解表述性状态转移(REST)以及如何通过REST有效地检索数据。并且,至少还有一位专家需要了解关系数据库以及如何使用抽取、转换和加载(ETL)工具和文件导出来获取数据。团队中每个类型的数据库(包括SQL数据库、NoSQL文档数据库和NoSQL宽列数据库)至少需要一名专家。”

让强有力的领导来负责

也许最重要的是保证团队由一个领导来负责,他不仅要了解分析工作的重要性而且了解如何工作,同时还能够敏锐地掌握组织的需求和目标。

“需要领导来有效地整合、协调和安排所有这些需求以及团队的共同协作,来创建一个能够初步工作的顶级分析团队,然后进行相应的工作扩展,以满足目前的分析需求”,咨询公司ISG的IT采购和数字咨询服务主管詹姆斯·布尔克(James Burke)说。

布尔克说:“在中高层配备具有创业精神的商业和技术领导者,他们能够(借助资金后盾)不断尝试创新并在发现失败后尽快放弃,这是必要的。”

当罗克韦尔自动化公司(Rockwell Automation)的商业智能总监Sangeeta Edwin被任命为公司分析团队的负责人时,她的第一步是明确团队的目的和目标,然后协调利益相关者。

Edwin说:“为了建立我的分析团队,我与我们的高管领导团队合作,调整战略,确定团队工作范围、目标和时间表。如果调整工作不放在最前面,那么分析团队就容易出现不稳定。在罗克韦尔自动化公司,数据分析工作存在于各个层面。无论是从生产车间到企业层面,还是从软硬件的产品开发以及服务。我需要在全公司进行协调。”

分析团队的负责人应该牢牢把握公司文化,并将其纳入团队。“例如,你的公司是否正处于快速发展,还是利益相关者在工作向前推进之前是否需要了解决策的含义?”Edwin说。“你应该组建一支可符合更大范围公司文化和特点的团队。”

Edwin说,许多公司要求分析团队将技术语言分解成业务术语。她说:“然而,在罗克韦尔自动化公司,我的大多数同事都有工程专业背景,所以技术细节会激发他们的工作积极性,唤起他们对分析工作的兴趣。”

获得数据存储访问权限

鲍尔斯说,世界级的分析团队需要安全可靠地访问一些数据资源,比如数据中心、数据湖和数据仓库等。

鲍尔斯说,数据中心“将数据原封不动地导入,以进行无偏分析和未过滤分析”。“它对已导入的数据进行索引,以便在亚秒级时间内在万亿字节数据中返回查询,用于快速实现数据发现、分析和数据整理。”

数据中心同时以多种方式为搜索、分层查询、平面查询、图形查询和语义分析来索引数据。鲍尔斯说:“它可以跟踪数据沿袭,保证数据管理,加强安全性,转换数据,清理数据和过滤共享数据。”

数据湖(如Hadoop所提供的数据湖)是面向批处理的,使数据分析人员能够运行作业来发现数据。鲍尔斯说:“周转时间对于数据发现来说并不理想,但批处理作业可以使用包括机器学习在内的任何算法来处理数据。这对数据进行批量转换非常有益,因此可以将其加载到数据仓库中。”

鲍尔斯说,数据仓库非常适合于从数据中心和数据湖中获取结果,然后将信息提供给业务用户,以便在预定义的上下文中回答问题。

打破数据孤岛,将数据与商业价值相关联

这是一个老生常谈的问题,但要充分发挥分析团队的能力,组织就需要打破部门之间的隔阂,消除那些阻碍团队间以及与数据分析团队分享有价值信息的数据“孤岛”。

麦格劳希尔教育集团(McGraw-Hill Education)的工程、分析和报告高级主管马特·霍根(Matt Hogan)表示:“一支成功的分析团队,关键在于打破组织内部的障碍,建立一个数据驱动的文化。”

霍根说:“当今许多组织的数据、流程和报告都保存在数据孤岛中。麦格劳希尔教育集团的分析小组承担了三个主要角色,“他们在我们的组织内敞开了令人难以置信的大门”,他说。

其中一些角色包括充当数据科学家,他们本来就担负着公司的研发职能。他们开发出新的模型和可视化功能,并将其应用到麦格劳希尔教育集团的产品线中。霍根说:“他们是开发新流程,提出新见解,深入研究我们基础设施方面的中坚力量,使我们的工作具有可扩展性和保持高效性。”

另一些角色包括充当数据工程师,他们帮助我们通过数据推动商业价值。霍根说:“他们所有的见解和报告通常都是从一个以业务为导向的问题开始,基于这个问题他们进行分析,来找到答案。然后,他们会建立一些关联和模型,即在组织内的哪些不同领域可以应用这些见解,或者在何时某些问题和答案会出现。我们的数据工程师必须以敏捷方式进行操作,以提取数据,构建可视化功能,并随时根据需要进行调整。”

第三个角色包括充当前端工程师,其主要目标是基于对数据的洞察力为公司产品提供有价值信息。霍根说:“他们将我们发现的分析内容与最适合产品的部分联系起来。”

Edwin说,从一开始就定期与业务团队沟通也很重要。她说:“你身边的每个人都需要清楚分析策略。最后,他们将必须使用这一策略。让他人参与的最好方式是了解如何来激励他们,然后以这些方式来呈现分析的价值。问问自己:‘为什么该业务团队会放弃旧系统而使用现代的分析平台?他们会从这种变化中获得什么价值?’一旦他们明白了其中的价值,他们就有动力去改变平台。”

保持团队成员的积极性

Edwin说,通过制定具有挑战性的目标来保持团队成员的专注度和兴奋度,这是一种很好的做法。“向他们展示创新、培训、持续改进,并且发展是你团队的组成部分。”

在罗克韦尔自动化公司,分析团队是从数据报告分析工作开始的。“然后,设定一些扩展性的目标,我们投入到机器数据分析中。然后,我们创建了一个完整的数据中心和一个物联网平台。每次我的团队创造出一些东西,他们都必须是一种创新和发展。不要让你的团队处于舒适状态。”

保持团队积极性的最佳途径之一是为组织提供有价值的东西。Edwin说:“即使是最好的团队,如果他们没有提供可行的分析解决方案,也会失败。即使是以递增方式来证明你分析解决方案的价值,也将有助于激励更多的员工留在你的团队。毕竟,你的工作应该使每个人的工作更有效率,并改善收入来源。证明你可以做到这一点。”

一旦团队交付了解决方案,就该将其推向市场。“你必须花时间展示你团队的成果,”Edwin说。“我的团队不断地展现我们的成果和重要知识。这已帮助我们壮大了我们的团队网络,并激励了罗克韦尔自动化公司的同事们。将我们的成果推向市场,这使我们团队和公司更大范围感到自豪,并会激发未来取得更多成果。”

壮大组织以外的团队

“处在这样一个市场成熟度和所具备人才/专业知识的阶段,一个顶尖的分析团队就是几个组织中最优秀人才的组合。”ISG公司的布克尔说道。

布克尔说:“这是因为(如果有的话)只有极少数的组织拥有这样的人才宽度、深度或规模,并且有这样的数据和技术资源来实现这一目标。这需要一个技术、团队和组织的‘价值链’才能实现有效的分析,或者才能为组织‘轻松地提供一些信息’”。

这包括一些支持团队,他们来负责摄取数据,托管软件和处理数据的各种平台或服务;和一些开发人员,他们根据分析工作的需要来编写软件和算法。

“分析团队能力价值链的一部分角色包括平台供应商、平台支持专家、敏捷式/ DevOps团队、分析专家、数据库专家及数据科学专家、业务流程和产品/信息所有者以及市场和终端用户体验专家,”布克尔说道。

版权声明:本文为企业网D1Net编译,转载需注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。

(来源:企业网D1Net)

企业网D1net已推出企业应用商店(www.enappstore.com),面向企业级软件,SaaS等提供商,提供陈列,点评功能,不参与交易和交付。现可免费入驻,入驻后,可获得在企业网D1net 相应公众号推荐的机会。欢迎入驻。

本文来自企鹅号 - CIO信息主管D1net媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏腾讯大讲堂的专栏

张小龙发布2018微信全新计划(内附演讲全文)

2018 年我们希望能做一些新的尝试,我认为探索线下的精彩生活,这是我们下一步想要尝试的一个方向。

1.7K11
来自专栏Rainbond开源「容器云平台」

解决这些问题,SaaS公司的业绩必将翻倍

1424
来自专栏CSDN技术头条

细说高级程序员的几个成长阶段

软件开发是一个奇怪的行业,市场远远供不应求。这是一个已经存在多年的问题,而且随着时间的流逝,愈演愈烈。 我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数...

2.6K9
来自专栏腾讯大讲堂的专栏

张小龙发布2018微信全新计划(内附演讲全文)

大家好!我是张小龙。欢迎大家来到微信公开课。 ? 刚刚出现的是我打游戏的画面,被大家看到了,那个不是我最好的水平,因为有点紧张,我最高分曾打到6000多分。当然...

3737
来自专栏用户3254834的专栏

融资+上市,内外兼修的创业者,真的可以为所欲为

2018年对于很多创业者和准备创业者来说,是一个充满机遇,同时又更趋于焦虑的一年。

622
来自专栏黑白安全

信息时代的两极:重数量的百度,重质量的知乎

这几天,但凡观看世界杯的人想必都在央视看到了知乎的广告,有意思的是,知乎将广告主题定为了“有问题,上知乎”,这不禁让人想起了百度已经使用了13年的广告语“百度一...

874
来自专栏TEG云端专业号的专栏

【paterzheng(郑礼雄)】每个阶段都去尝试做一些改变

‍ ? paterzheng(郑礼雄),2004年加入腾讯,运营老兵一枚,先后在计费领域和数据领域从事研发及运营工作,他自我介绍说本是开发出身,被人误导转做运...

3214
来自专栏EAWorld

数据质量问题是“技术”问题还是“业务”问题?

? 是不是感觉漫画中的场景很熟悉?没错,这种场景几乎每天都在企业中重复上演。 一、数据质量问题的危害 当前越来越多的企业认识到了数据的重要性,数据仓库、大数据...

4219
来自专栏大数据文摘

[重磅]秦雯讲大数据:心动.幡动.风动

2468
来自专栏顾宇的研习笔记

微服务实施常被忽视的 5 个难点前言如何解决这些问题

笔者从 2013 年加入 ThoughtWorks 至今共 4年时间。在这 4 年的时间里,我分别以 开发人员, DevOps 工程师、DevOps 咨询师、微...

851

扫码关注云+社区

领取腾讯云代金券