公司如何采用信息技术的历史一再表明他们必须首先集中新技术和掌握它的技能。大数据技能 - 特别是在最佳数据科学家中发现的数据驱动的分析能力 - 目前严重短缺。
然而，随着时间的推移，随着新技术变得更容易使用以及人们学习如何使用它，技术和使用它的人员从公司IT功能转移到业务功能。
然而，大数据与其他技术根本不同。今天的公司需要每个客户的单一视图 - 不是多个版本（一个由销售人员持有，一个由市场营销持有的略有矛盾的一个，第三个由客户服务持有，第四个由会计部门持有）。要打破阻碍公司使用其所有客户信息（或供应商）的组织孤岛并不容易。
我们看到“组织孤岛”问题有两个独立但相关的方面：
如何使部门和业务功能共享他们经常激烈保护的数据。这个问题可能需要公司高层，以及具有政治技能的首席技术官，首席信息官或首席分析官才能执行。
如何在技术上将数据编织在一起，因为它将存在于不同类型的数据库管理系统中，并被其他技术差异所困扰，这些差异可能使其成为集成的噩梦。技术短缺可以从不同来源提取和合并大数据的大量，多样性和速度。但是，这种情况正在改变。例如，Sears已经在Analytics Center of Excellence中分解了其组织数据孤岛，并正在使用Hadoop开源数据处理平台来存储大量数据。它计划向其他公司出售分析服务1。
虽然公司必须能够利用并编制孤立的数据来更全面地了解其业务问题，但它仍然可能不知道如何组织分析该信息的人员的问题的答案。它们应该驻留在需要洞察力的业务功能中吗？分析师是否应该在IT职能部门运营，那里通常存在大量数据？他们应该住在一个独立的分析部门 - 一个GE，一家大型互联网公司和其他公司推出的“卓越中心”吗？
那些创建了大型且资金充足的卓越分析中心的公司为我们提供了几个理由。一个是保持数据科学家的独立性 - 他们能够为职能经理提供有关如何经营业务的公正建议。一家大型互联网公司的70名分析师的经理告诉我们，通过对其网站的大量（和持续）调整来帮助公司增加数亿美元收入的关键是从公司的产品部门中提取分析师并集中他们。他说：“当时对分析有很大的偏见，以确认产品单位在做什么。” 将大数据分析师从产品部门中分离出来可以获得更好的见解 - 产品部门经理可能不希望从他们的下属那里听到。
集中一家公司的大数据分析师还有另一大好处：在一家大公司内为他们提供一个有吸引力的家。这就是通用电气成立其10亿美元卓越分析中心的原因之一。互联网公司的分析经理说同样的事情：拥有一个卓越中心提供了一个更有吸引力的职业道路。他说，更重要的是让分析师分享方法比过去更自由。“集中化让我们一起谈话，”他说。“那是特别的酱汁。这不是一夜之间发生的。但在一年之内，我们确实提高了我们的分析技能。“
我们对领导者和落后者的调查结果表明，至少需要集中部分分析人员。大约37％的领导者将他们的分析师放在一个单独的大数据组中，相比之下，落后者的比例为23％。37％的领导者将处理数据的人员放在中央大数据组中，而不是落后者的19％。
通过我们对高管的采访，我们发现最佳组织结构必须完成以下任务：
它使公司内的数据科学家/分析师能够密切合作，共享和改进彼此的方法和技术
它为他们提供了明确的内部职业道路（因此，不会迫使他们进入商业职能部门，以便在公司中晋升）
它允许他们提供关于业务部门和职能经理需要做出的决策的客观见解 - 在业务交付之前未被业务淡化或审查的见解
它可以帮助分析师充分了解日益需要数据驱动的洞察力的业务运营，而不会受到传统思维的困扰
它帮助数据科学家/分析师与业务部门和职能经理建立信任关系，以增加他们对大数据采取行动的机会
我们认为，公司大数据分析师的最佳结构是建立一个卓越中心 - 并让其他分析师在部门和业务职能部门内运营。中央分析小组的任务是建立最深刻，最严格的数据科学能力 - 这些技能使公司能够了解其业务中真正发生的事情及其应采取的措施。业务职能部门的分析师可能不需要如此深入的定量技能。但他们需要有足够的经验来了解如何落实中央组织为其职能所做的建议。
我们的研究表明，实现这一目标的最佳方式是为公司的大数据分析创建一个卓越的中心。中心必须向公司顶部或附近报告（要客观，不受特定业务部门或职能部门的影响）。但是，为了帮助数据科学家更好地理解需要他们见解的业务功能，与职能经理的定期互动以及这些职能或单位的职责导向将为加强关系做很多事情 - 即使报告行是针对分析中心的。
猜你想知道
