大数据怎样在企业落地( 九 )


4、获得“加速器”传统来说,确定数据方案一般由业务人员主导。但是,如果以高效、有效的方式,让分析专家参与到方案的创意、安排优先级、以及最终决策中,会带来一些益处。我们发现,经典的“辐轴式”(从中心辐射到四周)运营模式可以确保公司获得这些益处。
大数据怎样在企业落地

“辐轴”的中心由一个核心的数据分析团队组成,团队成员具备大数据的才能以及技巧。这并不是一个“数据部”,而是一个轻量级的组织,是负责设计和执行高级分析的数据科学家,以及负责收集清洗数据、实施数据管理以及数据安全、并定义数据架构的数据工程师的家园。而一条条从中心发散出去的轮辐则是各个业务部门。
纳入分析专家的益处之一是,他们可以提升企业处理优先级的能力,以及命中大数据机会的可能性。该模型通过促进数据分析团队和业务部门之间的交互与协作来确保这一点。比方说,当分析团队的负责人及其专家参与优先级讨论时,可以更精确地为利益标准制定权重。
另一个优点是,分析专家可以帮助企业提升对大数据的认识和了解。再一次,该模型的互动和协作可以帮助业务部门的领导者更好地理解大数据能做什么,不能做什么。同时,分析专家对业务需求以及如何满足这些需求有更好的知识储备。
但也许分析专家带来的最大的好处是“速度”。通过与业务部门合作,分析团队可以帮助加快大数据方案的实施以及能力建设。事实上,我们倾向于将分析团队简单地描述为“加速器”。 它可以通过几种重要方式达到目标:
加快确定新机遇的速度。作为大数据方案的中心,加速器可以看到所有项目的成果。因此,它可以通过两种方式激励他人:分享业务部门的项目经验与见解,以及酝酿新的举措。了解其他举措的结果将有助于业务部门产生新的想法;了解所有的大数据方案将有助于加速器确认机会。
快速访问内部和外部资源。作为人才和工具的焦点,分析团队可以协调内部资源。 这不仅可以确保技巧、可用数据和技术在整个公司内得到更有效的使用,而且有助于将业务部门引导至他们甚至可能不知道的资源(例如数据或见解)。 作为外部资源和伙伴关系的协调者,加速器可以将业务部门引导到更广泛的分析生态系统,以访问内部可能不可用的数据与功能。没有这种协调,外部资源往往以随性的、而且往往并非最佳的方式被使用。
以智慧和协调的方式建立能力。一步一个脚印是困难的。确实很容易就脱离了轨道。一方面,如果一家公司过分注重大数据方案的即时利益,选择建设提供价值、但却不需要发展新技能、新资源的方案,那么在未来某个时刻,当你需要某些关键能力的时候,就会发现有很大的缺口。另一方面,如果一家公司过分强调建设长期能力,但不能创造近期价值,那么就有建立一个累赘的风险:投入了大量的时间、金钱与人力,却部署了一个看起来不错但基本没有得到充分利用的设施。
“加速器”通过帮助避免这些陷阱,来加快企业能力的发展。通过对整体能力和全面机会的了解,企业可以确保以协调的方式实施各项举措和能力,从而使公司迅速迈向长期愿景。
5、敏捷,采用“测试-学习”方法以敏捷的方式工作是实施大数据方案的关键。在敏捷模式下,小型跨职能团队通过快速、频繁的迭代开发和测试,利用经验教训来改进这些项目,并探索新项目。
在我们的调查中有一个有趣的发现,总的来说,并不是最大的公司才拥有最成熟的分析能力或最大的野心。相反,这是一群介于最大和最小受访者之间的公司。他们比小型企业拥有更多的资源,但与此同时,又没有大企业那么多的层级结构,受到传统结构的层层阻碍。简而言之,他们往往更有能力实施敏捷模式。
虽然没有业务部门与加速器如何协同工作的标准案例(公司跟公司之间会有所不同),但有一个通用的流程:构思-策划-研发以及部署-ownership。无论是业务部门,还是“加速器”,都能为项目带来关键技能。业务单位提供业务专家和产品所有者; 加速器提供分析专家、数据专家和开发主管。在一起,他们通过频繁的周期来开发、测试与学习构建最小可行性产品。


推荐阅读