企业培养数据分析团队所需的技能和能力
2022-09-19 16:00:00
次
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。
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。
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。
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。
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
Tempo商业智能平台
Tempo人工智能平台
Tempo数据工厂平台
Tempo指标平台
Tempo数据治理平台
Tempo主数据管理平台
首页
陕公网安备 61019002000171号
