数据分析关于BI分析部门组织架构的探讨

来源:网络 作者:网友
理论上,BI分析部门有三种放法:放在技术部、放在其他部门(如财务)、独立,三种做法各有利弊。下图是埃森哲的一图,对企业BI(数据)分析部门的不同组织架构特征进行了简要的说明,不同的组织架构有不同的优缺点,譬如:
  1. 放在技术部,优点是离数据源近、提数方便、分析自主性强,且能够方便的支持BI开发做需求接口,业务部门的数据需求仅需要通过一次跨部门沟通即可实现。
  2. 放在财务部,缺点是离数据源远,跟财务分析团队也没有可以资源共享的地方,毕竟财务分析和BI分析在思路、方法上完全不同。
  3. 独立,挂在某VP、COO、CEO下面。优点是有高度、背靠大树好说话,缺点是离数据源远。
 
实践中,电商企业将BI分析部门放在技术部的居多(当当/京东/乐峰等等),放在财务的少些,独立的很少(满座)。从微博上反馈的情况来看,极少数企业采用的是综合模型,大部分企业采用的都是分散式模型和示范中心模型,或者处于分散式模型向示范中心的过渡阶段,至于第三种综合模型则是大多数”分析师“所向往的理想模型。
没有最好的,只有最适合的
不同的企业对于BI数据部门的组织架构安排因为自身的需求不同而不同,因此对于BI组织架构的评判标准也不同。对于中小型企业而言,综合模型对数据示范中心部门要求太高,要了解其他部门的运作,给出报告,太难太难;而对于分散式和示范中心模型,不同的部门因为KPI利益关系,往往会出现指标打架,目标不一的情况,最好往往是谁强势谁权利大听谁的。对于BI分析部门组织架构的定属各方看法不一:
为什么不考虑放在业务部?
窃以为:与业务距离越近,则价值越高;以前曾有过有趣的案例以某集团公司各副老总办公室距离CEO办公室的远近来看集团战略在各部门、业务间的优先顺序,第一印象如此,经仔细考察后也如是;后来IT部门CIO跃升为第三顺位的原因是因为将原本的信息孤岛形成了集中式、虚拟化(类citrix)的部署与管理方式,牢牢扼住(良性)了其它业务部门的命脉而得以提升。BI也应该打通此一通路
反驳:
多个业务部门有数据需求,包括商品、市场、供应链、客服。如果放在某一业务部门,不仅受本部门影响、难保统计报告中立性,而且没法做跨部门的整体分析。如果不放在某一业务部门,而把分析建模人员分散在各业务部门,成本又太高、且分析人员各自为战难以协同互补。
辩论:
这就取决于主导业务类型,你无法做到面面俱到的时候 就要集中优势攻关键点 ,例如 24*7永远在线的业务与5*8小时在线的业务、偶尔在线的业务之间是有本质区别的 ,除非你大到一定程度 ,有足够跨业务支撑与容忍能力

综合考量
不同的企业对数据分析的定位不一样,对于不把数据分析独立存在的公司,数据分析只是个数据展现工具,根本谈不上分析,而形成不了整体的营销能力.
1. 分散型模型虽然不能整体运营,数据的保密性比较好。对那些线下比较容易复制,线上是蓝海的电商比较靠谱。
2.示范中心对中型企业比较靠谱,因为财务是独立的,营销和业务都是独立的,容易平衡其力量。例如,不能平衡各个部门的老大之间的建议,就做个中心,有了结果,你们挣去吧,给哥一个结果就可以了。
3. 典型的数据驱动,整体考核。

从操作出发
仓库与分析分开不好。特别是二个是不同的老大。 仓库与分析师我觉得最好放在一起,由一个老大统一调配资源。这样的分工相关会好。不然,存在大家都想冲到前面与业务结合,都想出成绩,可能就有点浪费资源了。
 
同一个老大,可能分工比较明确。相对来说合作什么的比较好,沟通方便。这在大公司沟通是个十分、TMD的浪费生命。当分析师不光要考虑业务分析、业务方向与策略等,还要担心数据质量,数据及时性,数据运算资源的时候。。。就真是苦B了。

其他

现在关键是,现在多数情况,特别是大公司,BI的头都是精于数据库,或者同时熟悉数据库和数据挖掘技术的人,对业务毫无sense,这才是我说的大公司BI都在熬时间,等待未来产生价值,可是等业务变了,如何产生价值?

BI分析部门的工作重点如何分配?

 

BI分析部门的工作从大体上讲分为三部分,数据平台、数据支持以及数据应用。 @郑来轶 表示,BI的理想状况应是,

BI=20%数据平台+30%数据支持+50%数据应用

但现实情况是,目前居多企业的BI工作重心都放在前面两部分,而对数据的应用层面恐怕连20%都不到。对于BI分析部门的工作重心如何分配,自然而然的引申出另一个问题,仓库部门和分析部门是一个老大好还是两个老大好?如果是一个人,是不是要求这个人同时精于熟悉数据库和数据挖掘技术的人还是只负责招人实现自己的想法,而这个想法可能是业务上或数据上的,对于多数企业,BI分析部门的工作重点都是跟着部门的头走,如何头是偏技术的,则工作重点在数据平台和数据支持,如果头是偏业务的,则工作重点则在数据应用;此外,还涉及BI部分的定位问题,一些企业认为,以为业务提出需求,BI搞定技术分析,这样配合最完美,真是这样吗?@庖丁的刀举了一个反例,”这个就像业务提需求,技术负责解决一样,跨过了产品部一样到时候就会说,BI数据基础都没打好,怎么应用呢?“。

相关文档推荐

基于LLM的智能数据分析平台在腾讯的落地实践.PDF

1738713220 谭云志 5.29MB 22页 积分6

火花思维数据分析体系建设和实战.PDF

1737424874 冯俊晨 2.8MB 17页 积分5

StarRocks在电商数据分析场景的实践.PDF

1737423810 王新春 2.2MB 15页 积分5

LLM和Agent助力下的数据分析智能化转型研究与实践.PDF

1737365070 谢苑珍 4.52MB 54页 积分6

零售商业门店经营数据分析要点.PPTX

1736728744  4.15MB 45页 积分8

企业经营数据分析 第7章 企业效益分析.PPTX

1734569820  4.07MB 65页 积分8

相关文章推荐

数据分析方法论及经验总结

数据学堂 歪老师 

数据分析规范

架构师修炼之道  

数据架构师、数据分析师、数据工程师,有啥不同

CIO之家的朋友们 CIO之家的朋友 

数据分析能力模型

CIO之家的朋友们 饼干哥哥 

活动效果的数据分析

CIO之家的朋友们 CIO之家的朋友