懷戰友勾踐 談數據團隊（車品覺）
最近常在微信朋友圈看到如何構建數據分析團隊的討論，亦有朋友希望我給點建議。回想之前6年的阿里生涯，一幫兄弟們跟着我，一路打拚走來，我感覺有這麼幾點值得留意：
首先，我們最強調的是數據土壤之重要。所謂數據土壤，就是如何達到數據化營運的泉源，它包括意願、能力、工具3項內容，是企業數據化落地的根本。這其中，若按優先順序，激發營運團隊使用數據意願是重中之重，培養數據能力及匹配好的數據工具則緊隨其後。
營運兩種套路
另一點要注意是「數據化營運」處於什麼階段。起步時最着重溫飽問題，基礎數據都要花九牛二虎之力才弄得出來，用戶的意願早就被消耗在漫長等待過程中，談什麼高大上的「重型裝備」肯定都是本末倒置。
溫飽問題解決了，我們才可進入數據化營運的兩種套路，分為從上而下和自下而上。
第一種是從上而下的KPI管理方法，實行起來效率快，但很難配合創新，目前大部分傳統行業如銀行、金融機構均採用。這種做法非常依賴管理層對未來的預判，弊端是「一盲引眾盲」。事實上根據我的經驗，很多互聯網企業在這一點也做得不到位，決策分析能獲公司上下接受已經殊不容易。
第二種套路剛好相反，採用自下而上的數據營運，分析思路要從微細血管裏開始運用數據去尋找真相，分組連結然後再歸納成公司主動脈，動態地透視出結構。這種套路更適合互聯網和平台業務，關鍵是員工使用數據的意願必須旺盛，並具備結構性和系統思維的分析能力。相反，假若每件事情都必須由一位分析師經手，你就不能自稱為真正的數據驅動企業。
最後，如果必須說一個商業智能趨勢，我覺得肯定的是機器學習會深入在企業各環節中，明天是智能商業的世界，分析與商業之間的關係是一體的，所以分析能力的泛化最為關鍵。
回到如何建立數據分析團隊的題目上，我們的考評機制是以分析能否助力行動為導向。周報、月報、專題報告都會成為我們為分析師訂製的練兵考試。分析獲認可，觀點被採用，直至為業務方帶來益處等，分析師們的工作逐一被評核。這其中，一旦數據有錯就會被全盤否定，可謂非常苛刻。我們堅信過程數據比結果數據更重要。每位分析師會為了能否出現在報告中拚盡全力，並都以此為榮，這就是PK的土壤。商業的本質並沒有改變，但數據技術和電腦科技已把商業融為一體。謹以此文緬懷6年來的戰友、前阿里數據大學校長勾踐。R.I.P.
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
