美林数据
ABOUT US
美林数据技术股份有限公司(简称:美林数据,NEEQ:831546)是国内知名的数据治理和数据分析服务提供商。

美林新闻/NEWS

首页 美林数据 行业资讯

企业培养数据分析团队所需的技能和能力

2022-09-19 16:00:00
随着数据分析需求的激增,寻找和留住数据分析人才来支持这些计划日益成为一项挑战。因此,数据分析领导者需要制定长期的数据分析人才战略:采用系统的方法,吸引、支持和留住优秀员工,通过他们更好地宣传数据分析价值,展示数据分析与数据驱动型决策者的业务目标之间的关系。为了培养未来所需的数据分析角色和技能,数据分析领导者要跳出思维定势。例如,采用非常规方法,根据应聘人员的潜力而非经验进行招聘。与此同时,数据分析领导者还应考虑人才、角色和发展道路的多样性。
数据分析团队
确定数据分析运营模式的关键组成部分,如数据分析工作应在哪里完成
为了组建一支强大的数据分析团队,数据分析领导者首先要建立运营模式,通过该模式确定需要完成的工作、由谁完成,以及相关角色应在哪里完成大部分的工作。
步骤1
为了确定正确的数据分析工作运营模式,数据分析领导者需要回答以下重点问题:
• 战略利益相关方有哪些,他们的目标是什么?
• 数据分析工作有哪些,完成顺序是什么,为什么这样安排?
• 数据分析分析工作应在哪里开展以及何时?
• 阻碍成功的障碍是什么,如何解决这些障碍?
步骤2
在考虑诸如应在哪里开展数据分析工作时,应考虑使用通用组织架构模型来规划全球、地区或本地的数据分析工作,从而帮助您确定实体团队所需的资源、技能和能力。
数据分析团队构建

使用概念模型创建可执行且实用的运营模式
将概念模型映射到现实和虚拟组织结构中,即可创建一个可执行且实用的运营模式。如果数据分析工作的“内容”和“对象”发生了变化,数据分析领导者还可以更新概念模型,使现实和虚拟组织结构得到优化。右图显示了本地工作在不同组织内部发生的复杂组合,包括独立的业务部门以及区域性业务部门。Gartner认为数据分析领导者最好使用混合模式,因为该模式具备核心的集中式团队,即数据分析卓越中心(COE)。通过卓越中心,数据分析团队可在业务线内,以中心辐射的方式,与多个分散式团队进行协作。
数据分析团队构建

建立一支使用相同语言的跨职能团队
步骤1
让不同背景的人才组成跨职能团队,将其技术技能、数据分析技能、业务专业知识和软技能融合,从而获取所需的能力:
• 数据和分析能力
• 技术和业务能力
• 分析性和创造性能力
• 外向者和内向者的能力
• 不同的经验水平:
  – 部门级和企业级经验
  – 经验丰富和经验不足
步骤2
基于具体职责及职业成熟度创建数据素养角色,制定与业务目标相一致的数据素养计划。
数据分析团队构建
建立数据驱动型文化时需要避免的五大常见陷阱与应对措施:
企业文化难以适应变化:数据分析团队要重视协作、合作和问题解决,设立首席数据和分析官(CDAO)或类似角色来领导文化变革。
项目缺少资源和资金:创建业务驱动型战略和运营模式。具备向整个企业说明数据分析商业价值的能力。
数据素养低下:制定数据素养计划,使组织模式与业务目标保持一致,并能够对不断变化的动态环境做出迅速的反应。
缺少相关能力或员工:提高现有员工的技能,聘请顾问提供临时支持和培训,并根据工作需求增加其他技能和能力。
重要项目的重点不明确:建立跨职能团队,了解关键人员的非正式(社会)网络,在整个企业内部署数据分析技能。


文章来源:Gartner
服务热线
400-608-2558
咨询热线
029-88696198
美林数据
微信扫描二维码,立即在线咨询