第二 ， 数据管理 。 近年来 ， 数据管理、数据治理的课题备受关注 。 数据质量不好就会影响后面的分析 。 分析工具能不能发挥作用很大程度上也取决于企业基础数据质量如何 。 后台数据的质量取决于ERP等系统和前面的业务流程 ， 数据不好数据治理也难做好 ， 因此要从业务源头上来解决数据质量的问题 。 尤其是ERP系统、经销商管理系统等 ， 企业要在源头上就做好数据管理 。
企业需要建立数据治理的体系 ， 明确数据治理的责任方等 ， 建立企业级的数据管理标准 ， 即统一不同管理维度的数据口径 ， 确保数据的标准性 ， 这是提升数据分析能力的前端要素 。
文章图片
数据治理体系建立后 ， 就要进行组织管控 ， 再向下就是人员和人才的能力问题 。 从数据管理这个话题来讲 ， 横跨了业务、数据分析、IT ， 业务要有能够准确提出业务数据分析需求、对数据理解到位的负责人；数据分析部门要有能做高级分析的人才 ， 有统计学的专业人才做分析模型 ， 有数据科学家做数据的探索和发现；IT要有数据工程师、数据架构师 ， 还做程序和数据层的架构 。
文章图片
在可靠的数据开发、生产方法支持下数据产品会具有敏捷的特点 ， 团队的敏捷性也是如此 。 数据的源头来自架构 ， 架构决定流程 ， 流程决定数据 ， 因此从源头讲 ， 要提高数据的可治理性就是要提高企业架构的可治理性 。
数据治理中包含了众多角色 ， 对起来来讲有不同的组织模式 。 一些是以IT导向为主 ， 一些是IT和业务力量均衡 ， 还有一些是业务导向为主 ， IT只做一定的基础设施建设 ， 搭好数据平台 ， 数据则有业务部分负责 。
举一个例子 ， 一家消费品企业 ， 要做产品的定价优化 ， 通过数据驱动是很复杂的 ， 要考虑这个产品在相同品类中的品牌定位、目前价位在同品类中的高低、促销因素、成本因素等等 ， 全面分析后才能得到优化后的定价及促销策略 。 这是一个很典型的数据分析场景 ， 从这个场景里 ， 我们能看到企业内部职责的划分 。 首席数据官带队数据技术人员、数据管理人员、数据分析人员 ， 和业务部门共同协作 。 这是一个由数据管理、技术主导的分工架构 ， 但依然做到了敏捷协同 。 所以 ， 对于数据分析是IT的职能还是业务的职能 ， 是没有标准答案的 。
文章图片
组织和人才确定后 ， 就要进行建立企业分析工具链的课题 。 分享的开始我们说过 ， 企业要建立模块化的技术架构 ， 数据分析工具链也包含了数据源 ， 数据源则包含了内部数据源和外部数据源 。 内部有交易系统、ERP等系统产生的数据 ， 外部有电商系统、IOT ， 甚至地理定位数据等等 。
推荐阅读
- mini|集邦咨询：预计 2022 年 mini LED 显示器出货量 6.5 万台
- 参数|CELL+100 细胞制备隔离器，欢迎咨询
- 硬件|Spot机器狗放圣诞礼盒里？波士顿动力出彩蛋，结果礼盒逃跑了
- 硬件|波士顿动力公司携机器狗发假日祝福视频
- 销售|群智咨询：三星 2022 年计划销售 400 万片笔记本 OLED 屏
- 硬件|集微咨询：扇出型封装正在变得无处不在
- 数字货币|Visa成立VCA部门：专为客户和合作伙伴提供加密货币咨询业务
- 航空|保时捷管理咨询合伙人董钧天：实现未来商用飞机制造需分三步走
- Oracle|微软加入JCP咨询机构 将参与社区制定Java规范
- 艺术|2022年《绘画心理咨询师》中、高级认证第29期 开始报名！