如何搭建一个企业级数据分析体系?

0 评论 5795 浏览 26 收藏 9 分钟

编辑导读:增长是企业最重要的工作之一,如何用数据驱动企业增长呢?这就需要企业搭建一套数据分析体系。本文立足于企业实际情况,对构建企业级数据分析体系的步骤进行了详细梳理说明,希望对你有帮助。

最佳实践

一个企业级数据分析体系的最佳实践应该是这样的:

  • 内部感知系统:及时告知各项内部运营参数;
  • 外部感知系统:及时反馈外部竞争、机会状况;
  • 报警系统:及时发现并报告各项异常,并指明故障点;
  • 导航系统:根据设定的目标,提供可到达的若干方案,根据当前方案和位置,指明下一步行动方向,对目标进行合理预测,实时反馈当前执行情况。

但是企业有大小,业务流程有粗细,产业链有长短,企业所处阶段有不同,如何构架一个符合企业实际情况的数据分析体系呢?

构建企业级数据分析体系的步骤

当你接手公司/部门/小组数据分析工作时,可以按照上图所示的流程,建设一套完整的数据分析体系。

Step1:理清业务线

首要的工作是理清公司/部门的业务线,这些内容可以从企业战略地图中获得。不同的业务线的目标不一样,场景不一样,数据量也不一样,使用的人员和技术自然也都不一样。此时需要画出业务流程图。

例如,自营业务线更偏向生产企业,需要做财务分析,涉及各个自营产品的收入、各种费用、利润的分析,还必须有固定资产折旧管理成本摊销的财务专业知识,不同的方法核算出来的成本和利润会有质的区别,影响最终的决策。

Step2:明确内外部客户

其次,根据Step1画出的业务流程图,整理出所需服务的内外部客户,以及他们在各个环节中的数据诉求,并绘制成表格:

Step3:规划数据服务

根据Step1、2梳理的业务流程、各客户诉求,结合公司战略导向以及数据部门现有资源,绘制战略执行地图,预设准备建设的数据服务内容。

以用户运营为例,其业务目标主要为了解用户总体现状、提升用户总量、提升留存、提升日活、提升付费等,再进一步细化至可以提供的数据服务以及简单梳理数据来源。

如上表所示,各种数据服务的内容对技术的要求不一样,同时根据企业数据量和业务复杂程度,所需要的底层数据技术也不一样。

公司各条业务线所需的数据服务梳理完之后,就可以进行技术的选型了。

数据少,业务流程简单,比如商品贸易企业,只需要一个强力的数据分析师,协同财务和业务,共同做几个业务分析,固化为excel报表,每月更新报表即可,平时对上月的数据进行专题分析,发现问题及时预警,就足够了。

但如果是电商平台,商业模式复杂,数据量又大,首要考虑的就是能够服务于核心指标,提升效率,然后全局规划,分布实施。

技术上满足大数据量选用Hadoop体系,应对业务快速变化则需要建设数据仓库,进行业务和数据的解耦,解放数据分析人员的时间则需要搭建多维分析如Kylin、impala等等。

请注意,这里的紧急和重要程度都是相对而言的。

Step4:搭建数据团队

数据部门所需支撑的工作已经整理清楚了,业务方对数据的要求也很清晰,也已经根据公司的情况进行了大致的技术选型,那么需要什么样的人员就非常清楚了,遵循“因事定岗,因岗定人”的原则,我们就可以搭建数据团队的组织结构。

组织架构并不一定是大而全的,在创业初期,基本上是老板自己担任了数据分析师的角色,凭着对业务的深刻理解,作出各种决策判断。

但是随着业务的不断扩大,业务线增多,业务流程复杂,业务变化快,数据量大,对数据部门的各种要求也就越来越多,因此数据部门承担的任务会越来越复杂,服务的对象也越来越多,基于降本增效的考虑,就需要不断丰富数据部门的职能,拓展技术能力。

Step5:设定制度标准

设立制度、规范和标准,是数据工作的基础,与公司大小,数据量的多少无关。

统一全公司口径的是公司指标体系及统计口径标准;对外协作需要数据安全管理制度、数据提取审批流程;对内管理需要报表出具流程、专题分析报告制作标准;技术管理则有M有SQL开发规范、数据仓库设计标准等等。

预先设定规则,严格执行流程,时刻监督,惩前毖后,切不可让规则成为一纸空文。

Step6:补全技术、完善工具

此时,才正式进入纯技术阶段。按照之前的需求及设定的方案,遵照执行即可。如果你正在开荒,那就必须要小心不要被细节缠住,陷入无尽的任务。哪怕资源再少,都要分兵,一部分应对日常需求,一部分搞建设,快速将各种工作自动化,提升效率,腾出功夫做更有价值的事情。

Step7:长期规划、快速迭代

优秀的架构师、管理者,都不能满足于现状,但又不能盲目的追求新技术,应该进行合理的超前。无论是所提供的数据服务,还是新技术的引入,只需满足企业未来1年所用即可。

迟于进度,则不能满足内外部业务需要,过度超前,则投入太大,ROI不成正比,2019年诸多数据中台项目失败就是这个原因,与诸君共勉。

 

作者:大数据架构师,国药国华大数据总监,擅长BI、数仓、数据中台产品规划领域,公众号:大数据架构师

本文由 @大数据架构师 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!