让众多企业管理层惊讶的是，在不同职能部门间调用人力与资本,创建新的决策支持工具和帮助一线管理人员利用先进分析模型花费从精力之多无法想象。当然，如果赋予高管更多的权力，将会有助于高管突破制度限制,制度越繁杂通常情况下，数据分析对决策执行的支持也就越差。想要获得积极的回报,就有必须让各部门的管理人员协同合作积极应对变化—鼓励IT、业务部门、分析团队互相协作,并培训专家负责协调与领导。实践证明，往往没有执行力的公司都会一败涂地。
举例来说,一家运输公司里,产品领域中层管理人员的职责是寻找数据分析机会,进而继续推进。而数据团队无法准时提交数据或提交的数据格式不尽人意,往往令分析团队懊恼不已。而在将分析结果嵌入自定义工具中时,管理者变得更加沮丧,因为他只能以常规预算与计划进程处理紧急请求。随后,该公司让一位高级市场营销主管负责优化数据分析进程。这名主管将不同职能的团队组合起来,这包括数据库管理人员、分析师和程序员。他们致力于探索数据分析机会,分析项目从起始到最终落地周期为六到八周。通过敏捷资源调用,市场营销主管上位后仅仅几个月,该公司便成功寻找到了数个分析重点。
打造一线功能
数据专家设计的复杂数据分析解决方案必须以简单、强交互性的模式嵌入一线工具中,只有这样,管理人员与一线职工才愿意每天使用这些工具。为推广工具应用付出的努力不可轻视,这包括正式培训、在职培训等。经验表明,许多公司90%的投资用于创建模型,而对一线应用的投资只有10%。而事实上,前线应用的投资应该不少于50%。
恰当发挥领导力作用
多数公司会承认,他们的确需要增设新的职位。但遗留的一个重要问题在于,在哪里增设新职?新的权利和责任系统又该如何设计?经验表明,公司有充足理由强调数据分析战略与人才,甚至创建常规数据分析中心。但是,业务职能部门也需要一线活动(资源调用、能力建设)支持。原因有两个:首先,对于利用数据分析增加收入提高生产力,不同业务部门有不同侧重点;其次,当公司将一线业务与核心运营和管理侧重点结合时,积极鼓励前线进行适当调整也同等重要。
除了让业务部门强化一线动员能力与责任,目前没有任何单一的方案能够清楚地阐释公司应该在何处增设新领导职位。由于数据分析应用尚未成熟,这样的答案不难理解。尽管如此,企业领导人在审视多项选择时不要盲目,思考以下三个关键问题的答案将帮助企业领导人理顺公司结构变化方案:
1.不同业务部门间,是否需要应用核心客户或运营数据库?
2.有没有必要在内部创建大量数据分析资源,以此保留人才并创造专利资产与优势?
3.目前,每个业务部门的管理者能否有效应对管理模式变化带来的挑战?或者公司需要增设新的高管职位专门负责数据分析.
当中心数据资产成为关键
在许多客户服务公司,数据分析意味着整合不同业务部门或渠道的交易数据。这有助于企业深入了解客户与企业网站的交互,或者客户在选择在线购物或线下购物的决策心理。这些公司通常已(或正在)建立新的数据库中心或者数据环境,并提升相关数据管理能力。此外,他们也正在制定新的制度,在保障安全数据访问的同时保护客户隐私并确保核心客户不受匿名骚扰。
针对这些公司,增设首席信息官来领导数据分析战略以及人才建设发展是一种较普遍且可行的方案。职责上,首席信息官致力于发展数据分析基础设备并辅助企业各业务部门适应变革,抓住数据分析的机遇。
举例来说,一家多元化经营客户服务公司,其董事会与高层领导团队皆明白,利用自身多渠道数据库抓牢数据分析机遇将显著改善企业运营状况。意识到中心数据库在公司发展议程中关键性,公司领导指派了一名首席信息官负责并制定公司数据分析战略。
公司管理层认识到各业务部门皆有各自的数据分析侧重方向,如优化推广优惠价或者库存状况。此外,不同的管理团队需要将不同的数据分析结果应用到各自部门中。因此,管理层得出结论:在这些情况下,让数据中心管理分析与前线培训,这样的做法并不可取;应该让首席信息官与各业务部门主管合作,共同且有区别地承担责任。
目前,该首席信息官已经参与了两个核心项目。其一,创建新的基础设施将公司多渠道交易数据与外部社交媒体与竞争性信息结合,并通过直观界面向企业各部门推送数据分析结果;其二,组建数据分析专业团队,对不同业务部门指派专家指导,但专家由中心统一管理。数据分析团队由经验资深的主管带领,该主管向首席信息官报告进程。同时,业务部门主管需要寻找各自数据分析侧重方向,培训一线经理相关技能。
当内部数据分析能力成为企业运营关键
第二种方案。这种方案与第一类方案在集中管理方面存在诸多相似点,但第二种方案具体适用于决定自主搭建数据分析平台而不外包的企业。因此,这些企业通常在内部集中建设数据分析设施与团队,旨在为公司各业务部门创建一个数据分析公共平台,以此创造更多价值。
在一家面向消费者的公司里,数据分析能力与领导力,皆集中于金融与风险管理团队中。过去,这个团队长期负责关键数据相关价值创造。当这家公司开始追求更宏大的数据分析战略时,首席财务官被赋予了数项职责,包括制定基本战略,审查核心风险管理数据分析工具自制或外购决策,调用数据分析团队资源与数据分析能力建设。
然而,完成这些有关数据分析的初期决策后,首席执行官与首席财务官很快意识到需要更多支持来获得更准确的分析结果,协助业务部门调整适应数据分析带来的变化并革新业务部门的某些流程。为实现目标,他们在首席财务官下属团队中内增设了新职位—首席数据官。首席数据官负责信息管理,与业务部门主管合作探索潜在、有价值的内与外部数据(这些数据可能过去从未被发掘)。很多公司会发现,他们非常需要这样能够支持高管工作的业务部门主管,以此发觉更多数据优势,定位数据分析方向从而加快前线应用。
当业务部门规模与复杂数据管理成为关键
不论是集中管理或是其他方式,数据分析的重担将落在每个业务部门或职能部门领导头上。业务部门面临的关键问题在于是否应该增设新职或者要求关键领导人(如首席营销官或者运营总监)在负荷饱和的各业务部门中部署新职责。
一家大型金融服务公司高级管理者综合了解了该方案后,他们认为,在数据分析上加倍投入将显著提升业务部门的竞争力。为了坚定推行该方案,该公司招聘了一位首席分析官。首席分析官向业务一线主管报告并领导与监管由内部顾问、分析模型师、软件工程师组成的数据分析中心。
这种方案大力调整了公司结构。它推进了业务部门数据转型过程。作为高管团队的一员,首席分析官能够为诸多重要决策提供支持,包括制定数据分析战略、定义一线主管职责等。鉴于分析中心由具有跨学科背景的人员构成,首席分析官能够灵活调用分析与软件编程资源,从而加速一线工具开发的进度。同时,工作贯穿各业务部门,首席分析师得以更深刻地了解业务部门具体状况,包括其侧重点、工作模式以及面临的挑战。这有助于工具开发与培训的针对性。业务部门主管与首席分析师每日进行沟通能够让他们更关注数据分析以及应用进程。
这种方案获得了成功之后,该公司继续推进,增设另一新职—首席数据官。首席数据官向首席信息官报告,但每日与首席分析师合作进行数据整合,开发新数据分析工具。
对追求数据分析潜力的公司而言,不久的将来,他们都需要选择何处增设领导职位。对于某些企业,例如此前提到的那家面向消费者公司,当前的高管成员不得不承担更多领导责任,因此有必要增设新的中级职位予以支持。对于其他公司,如上述谈到的金融服务公司,增设一个或更多新的高级管理职位推动数据分析计划可能是最佳解决方案。
所有公司中,高管团队,也许还包括董事会成员,必须认识到支持数据分析发展所需的资源规模。接下来,他们必须小心翼翼地在当前管理水平上增加这些职能,从而有效优化公司核心价值源泉,且不给公司当前结构带来过大冲击。上述这些任务都很艰巨,但这却是唯一切实可行的道路,能够帮助企业利用数据分析技术推动自身发展。