摘要:许多公司仍在努力将数据分析整合到日常业务决策中。为什么?通常,他们的数据分析团队缺乏以业务速度提供洞察所需的功能。拥有各种技能组合的专家的Analytics“pod团队”为这一挑战提供了可行的解决方案。 |
许多公司仍在努力将数据分析整合到日常业务决策中。为什么?通常,他们的数据分析团队缺乏以业务速度提供洞察所需的功能。拥有各种技能组合的专家的Analytics“pod团队”为这一挑战提供了可行的解决方案。
通过将跨学科专业知识与敏捷方法相结合,Pod团队可以转变分析交付并确保更好地响应业务需求。
分析如何运作-承诺与现实
AnalyticsPod团队有何不同?想象一下以下场景。一家食品公司的销售总监紧急要求与数据科学团队联系:“我们在便利店渠道中销售不佳。我们对于它可以做些什么呢?”
数据科学团队组建了一个由业务分析师、数据工程师、数据科学家、可视化开发人员和平台架构师组成的Pod团队。治理团队优先考虑为期两周的分析请求,并且在两天内,Pod团队已准备就绪。
通过适当的资源组合,该团队为该类别提供跨渠道的销售分析,同时考察竞争表现、营销策略、促销活动、分类和定价。它提出了一种分类和定价策略,可以在便利渠道中推动销售,而不会蚕食其他渠道,所有这些都得到了有意义的见解和可视化的支持。它甚至将输出集成到销售自动化工具中,使销售代表能够提供有针对性的推荐,从而推动销量的大幅增长。
不幸的是,这并不是大多数组织当今动员他们的分析团队的方式。
更常见的情况是,分析团队只有两个成员:数据科学家和业务分析师。由于他们所需的数据不易获得且缺乏收集资源,因此该团队对销售进行了基本分析,并建议对产品组合进行调整。由于可能不完整的分析不确定,销售总监决定不实施他们的建议。相反,为了达到销量目标,销售团队增加促销支出,从另一个更有利可图的渠道(例如大型杂货店)推动回流到便利店渠道。因此,尽管全年销量保持不变,但利润下降。
为什么这种方法不成功?虽然团队具有商业头脑和正确的数据科学技能,但缺乏按时交付相关解决方案所需的跨学科专业知识。同时,缺乏治理意味着团队无法将此请求优先于现有项目。最后,团队的交付方式过于严格,无法满足不断变化的需求。
修复分析
为克服阻碍数据科学团队提供真正商业价值的障碍,企业应采取以下步骤:
•实施跨学科的工作方式-让数据科学家团队与业务分析师合作是一个良好的开端。但是,移动需要更多。有效和及时地提供解决方案需要额外的技能,包括数据工程、数据可视化、解决方案架构和项目方法。
•与业务保持一致-随着组织将专门的团队分配给业务功能,Pod团队开发的解决方案变得更加相关。这将增强和专注于他们的商业敏锐性和特定用例的解决问题的技能。
•获得敏捷性-为了实现敏捷交付,Pod团队应该在短期内交付项目,分布在两到三周的时间段内。Sprint应该关注业务能力或价值而不是技术里程碑。在每个sprint开始时,团队应该重新确定工作的优先级,为高优先级的即时需求保留容量。
•建立治理-上述要求治理,包括定义最重要和最紧急的过程,以及需要最多资源的过程。
成功的组织已经学会将Pod团队视为风险投资基金。他们认识到一两次成功可以支付两到三次失败。通过采取这些步骤,数据科学团队将有权提供更具响应性和相关性的分析。
编辑:Harris