说到大数据时代的到来,想必应用最为广泛也最为深刻的当属互联网金融行业,像京东的京东金融、阿里巴巴的支付宝,还有一系列的P2P网贷,以及传统证券金融行业都在像互联网理财靠拢、升级。而这一切的一切,都源于大数据时代对于大数据的应用以及数据分析、数据挖掘给公司、机构、集团带来未来可靠乐观的投资收益指标、准确客观数据支持以及规划依据。而在这当中,当然少不了一支成功的数据分析团队。一个公司、企业的发展壮大,后台不可能仅靠零散的数据分析师、数据挖掘师来支撑,只有成功的数据分析团体,才能将一个公司的效益提升至最佳最稳定值。下面小编就来和大家分享一篇关于成功的数据分析团队关于职能与角色的分配的文章,希望对即将进入数据分析行业的你或经营者管理者们有所裨益。
一个成功的数据分析团队关于角色与职责的分配
多年以来我和数百家企业打过交道,在这个过程中,我领悟了让数据分析项目成功的一些因素,也亲眼看着很多项目失败。
最常见的失败原因说出来可能会让你惊讶。并非是缺乏数据专业知识或者整合失误,而仅仅是因为企业没有让“利用数据”成为任何人员的职责。太多公司花费好几个月收集有趣的数据,然后让它们静静地躺在角落里积攒灰尘。这个现象驱使我来撰写本文,希望它能给你灵感,让你为下一个分析项目增加一些结构性。 对分析的应用,本应该成为你不断汲取的商业泉源。
如果能为下列每个角色,找到至少一个乐于担当的人选,我保证你项目成功率会增加一千倍!对每个角色的具体描述和建议见下文。
角色及其输出
角色
交付
项目领导者
项目规划,包含工作范围与时间
数据建构者
数据模型,查询语句
产品开发者
实现跟踪(埋点)
分析者
提供新的业务问题
报告制作者
为业务提供报告
项目领导者
有一个团队成员要负责分析工作的实施交付。你可能已经知道,一个高效的项目管理者要:
对项目领导者的建议:
数据建构者
这个头衔听起来很炫,但它只是意味着你的团队需要有个懂技术的人创建数据模型,并理解查询语句如何工作。数据模型可以很简单,甚至像一封电子邮件,列出你要跟踪的行为和优先级。这个模型有助于确定和传达你的项目范围。数据建构者帮助整个团队评估哪些业务问题可以被回答,哪些不能。通常这个人不必是数据科学博士,一般由一个app开发人员,或者懂得用电子表格建立模型的人担任。
对数据分析者的建议:
产品开发者
项目一开始,就要有至少一个开发人员承担埋点的工作。他们在各处加一些代码,这样每次登录、购买、上传和其他行为的数据都能被保存。如果事件的来源有很多,比如移动应用+网页,这个工作可能由多个开发者完成(如,一个网站开发者和一个移动开发者)。在小一些的机构,埋点的开发者通常也扮演数据建构者。在大一些的团体中,开发者和数据建构者紧密合作,确保模型数据足够理想,以及事物被跟踪并以一致的格式标记(如“user.id” = “23cv42343jk88” 不是 “user.id” = “fran@cooldomain.com”)。埋点是个相对直接的过程,许多分析服务有直接可用的客户库使得此过程简化,不过,你的团队依然需要决定要跟踪什么行为,如何命名。
对产品开发者的建议:
分析者
你会收集很多有意思的数据,但如果没人利用,这些数据就不会有价值。团队里需要至少有一个人对数据背后隐藏的东西非常好奇。我把这些人称为分析者。分析者通常是个开发者、产品经理或产品团队/营销团队的某个人。这些人不仅疯狂地想了解业务问题的答案,还能时时提出新问题。分析者喜欢钻研项目第一阶段收集的数据,而且有很多点子,引出下一阶段应该收集的新东西。换句话说,团队中需要有个人享受实践分析的过程。不要着急,这样的人有很多:)。技术背景对这个角色有很大帮助,这使得他们能快速理解什么样的查询语句可以得到想要的答案。这个角色对于项目成功至关重要,如果没人从数据中理解、学习,就无法从中得到任何价值。
对分析者的建议:
报告制作者
这个角色不是必需的,但你可能会想要制作一些报告,便于整个团队和其他利益相关者获取。要想让数据的实用性会大大提升,数据应该更紧密地与业务流程相连,而不是被遗弃在数据库里等着有人翻阅。一个前端开发者要能够把query变成产品经理和其他业务人员阅读的报告。下面是一些可能有用的例子:
对报告制作者的建议:
数据分析咨询请扫描二维码
CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2022-03-18CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01