业务团队和独立团队的数据分析,哪个更好?

0x00 前言

昨天,有朋友在群里抛出了一个话题【业务团队的数据分析和独立团队的数据,哪个更好?】。居士万万没想到这个话题能引起如此大量的讨论,以至于几个数据分析的交流群里面都讨论炸锅了。居士关于该话题的朋友圈,下面也有几十条评论,此话题的威力,恐怖如斯

正如居士在群里所说:“你来讨论几句这个话题,居士还一篇千字以上的文章给你~“,因此,居士将会对该话题进行一定的总结和分析,并给出居士的个人建议。

同时,为了让大家感受最原汁原味的讨论内容,居士会从这么多观点中抽出13个观点,展示给大家,每个观点居士都留言评论了。

0x01 业务团队 vs 独立团队

关于业务团队的数据分析和独立团队的数据分析,居士之前总结的时候列过一个表格,加上这次讨论,统一整理了一下。

主要从三个视角来讨论,业务视角、技术视角、工作视角,其中绿色的单元格,是居士认为优势相对明显一些的点。

不同团队的优劣势都列举在表格里面了,整体一点来讲:

  • 独立团队:优势在于技术的积累上,同时有一定独立于单个业务思考的视角

  • 业务团队:优势在于对业务的理解和驱动上,更容易将数据应用到业务效果

-w796

关于不同团队的分析师的特点,在不同的公司里面区别很大,这里居士只列举部分出来,给大家做参考。

0x02 我该去什么团队好呢?

首先,居士想说明的是,这里没有绝对的好坏团队,只有适合你的团队。

事无绝对,居士线给大家分享一个居士身边一个朋友的例子,然后再来分享什么情况下去什么团队比较合适。

一、独立团队的数据分析就一定是最好的吗?

今天这个话题的讨论中,有一位坚定的独立团队拥护者,给大家分享了该如何从独立团队的角度去理解业务和驱动业务。

其实,居士是很认可的,居士写文章也会告诉大家,该怎么去把事情往好的方向推动。

但是,实际工作的环境有很大的差别,比如下面这位朋友的环境:

  • 姓名:阿飞

  • 身份:数据分析小兵一枚

  • 公司:国内top的大厂

  • 团队:独立业务的数据分析团队,8人,负责从数据采集到数据分析全链路

  • 业务:多个业务线,业务产品40+,其中10+是偏分析的角色

  • 困境:人手太少,精力不够,业务方自己也有分析,没法插足

大家可以思考,如果你是阿飞,你该怎么办?去慢慢改善你和业务方的关系吗?

你数据驱动业务吗?

居士分享一下最后这个团队的情况:

  1. 阿飞干了入职半年后就跑路了,实在干不下去了,沦为提数的。道理都懂,就是驱动不了业务。

  2. 阿飞的老大也走了,p8级别的组长,最后也没驱动的了。原因是历史遗留的问题和观念太深了,没办法,只能做数据基础工作。

大家不要以为这是居士编的故事,这是真实的...

的确有这样的团队,其实还不少,最后都沦为提数的了,或者做一些中台化工具。

二、大家该怎么样选团队?

这里给出一点点建议吧,先说明一点:不同环境区别极大,即使同为业务团队的数据分析,区别也是很大的,居士这里只能给出一些自己的建议,大家看情况自取。

  1. 首先,数据分析师,尽量靠拢业务,不管什么团队,业务为王。

  2. 对于数据分析工具成熟的公司,两个方向都可以考虑:

  • 想体现价值,做业务,果断去业务侧

  • 喜欢技术,不想做业务,那就偏平台或者数仓,去中台部门

  • 对于数据体系不完善的小公司,其实区别不太大,但是独立团队的数据分析,更容易做成数据仓库或者数据平台,好可怕,基本和数据分析没什么关系了,居士见过很多类似的例子。

  • 不忘初心,如果自己想做的事情是从数据中挖掘价值辅助业务,那么,一旦发现自己快变成提数工程师了,就要警惕了~

  • 0x03 大家的观点

    大家的观点很多,从这里列出13点,居士也都做了评论,欢迎留言认领

    观点 1

    首先,数据分析必须紧贴业务是一定的,我相信随着分析手段的低门槛发展趋势肯定是业务团队接管。目前来看小公司还是独立团队的技术能力更专业,但是如果面对成熟的one data体系,依然是业务团队更有优势。

    很认同后半句:“如果面对成熟的one data体系,依然是业务团队更有优势。”。

    观点 2

    数据分析是一种能力,脱离业务谈分析,形同纸上谈兵,极端情况下独立团队的数据分析,更多的是走向技术工具侧。未来高端技术会逐步掌握在少数人手里;更多人加持数据分析能力提升业务能力水平。数据能力会越来越平民化。

    这一句话其实说到居士心里去了,手动点10086个赞!

    观点 3

    各有优劣,看组织要求数据人员发挥哪种作用,以及看个人偏好的发展方向。就我而言觉得**业务团队好。业务团队紧跟业务,分析结果策略可以快速反馈或验证到业务上。**独立团队的容易脱离业务或者说不紧密,在职能上发挥的价值依赖于工作流程的上下线,当然数据团队内部的协同效益可能要更高。

    整体来讲,居士更偏向于业务团队好,观点和此观点类似。

    观点 4

    业务团队的数据分析

    可能有以下几个优点:

    1. 融入业务团队,对负责业务逻辑,业务目标更加熟悉

    2. 只负责该业务线条的数据分析需求,响应速度更快

    3. 和业务团队为一个整体,目标统一,沟通效率更高,也更容易

    当然也有缺点如下:

    1. 对于分析人员来说,可能日常工作重点内容更多聚焦到自己负责的业务线条,对公司整体业务整体把握,分析视角可能会受到一定限制

    独立的分析团队

    优点:

    1. 承接公司各业务线条的分析需求,对于分析人员来说,对公司整体战略布局,目标,业务形态会有整体了解,分析思路更宽,更广

    缺点:

    1. 由于承接公司各个业务线条分析需求,可能会造成需求积压,对于业务方来说,响应速度上可能会受到一定影响

    2. 由于是独立部门,跨部门沟通成本可能会较高

    3. 对于分析人员来说,由于没有融入业务团队,可能会由于对某些业务不够了解,造成分析只停留于表面

    目前所在公司采用的是第一种模式,分析师都是融入业务团队的,响应速度,分析深度,沟通效率确实是很突出的优点。

    朋友圈给我留了这么长一条评论,我都不好意思水文章了,得好好总结。总的来说,分享的观点比较客观,也很逗很有道理!

    观点 5

    必然是独立团队的数据分析;首先你的kpi不受限于业务团队本身,不会为了做好看的数据而做,不会思想上太被业务团队牵着走,不会总是被当取数工具。

    独立团队的好处,首先是团队的氛围,分析师之间可以相互交流,相互学习,其次是不用重复造轮子,工具、方法论层面都可以共用,在完善的基础上做分析总好过在业务团队什么都没有什么都得自己干来的快捷。

    这一组矛盾的根源,是来自于‘你对业务是否了解’、‘你能不能站在业务团队的角度思考分析逻辑’,但如果要实现这个,不一定非得人就在业务团队的框架下,完全可以搞独立的DA团队,同时虚线汇报给业务团队即可,不用饮鸩止渴的把人挂在业务团队下

    分析的很到位,之前居士的老大就给居士灌输过这个思想!最后一段话的分析,居士很认同,虽然在大部分公司里面很难去执行,但是是一个很好的思路。

    观点 6

    开始的时候是在中台的独立BI团队,那时候公司的数据分析基本是从0到1开始建立。由于之前集团大部分岗位工作没有太多数据意识,很多时候需要我们去求人给他们推销我们的BI分析工作。

    而且有些业务的数据从埋点设计开始到数据抽取就很有问题,但是作为**独立团队面对这种问题去找业务方,他们其实不太搭理,因为你不是他们部门没什么话语权。**后来部门被拆了,转到了业务群的数据团队,天天跟产品研发运营厮混在一起,能随时得到业务发展的一手消息,有什么问题随时就能沟通。并且因为自己也是业务方了,数据埋点有问题能及时推动各方解决,整个效率提高了很多,而且也方便了他们对于数据的理解和应用。

    独立团队在业务方面前的地位一般都不怎么样,说出了这个观点,说明真的痛过,居士感同身受~

    观点 7

    技术团队负责梳理底层数据和关联逻辑,业务团队自行针对业务进行数据分析,这种适用于灵活变化的分析场景,如果场景相对固定,是周期性的进行数据查看,由技术团队即可吧。

    这样看起来,就越来越离业务远了哦。

    观点 8

    其实这个问题重点我觉得不是说分析师厉不厉害,而是团队组成形式。

    项目型团队理论上分析师要在其中受项目经理管理 评价绩效,这样的话团队内资源唯一不外调,成本核算在项目内支出。问题就是管理者是否具备专业能力理解认可分析师的工作产出。

    矩阵型重点都是跨组协调,所以分析师人都是在一个大队中,谁用谁调,但有时候如果资源冲突,更换了之前的分析师后,方法思路确实会有区别。发挥水平也不一定相同。

    目测是位考了pmp的童鞋,从项目管理的角度来分析数据分析的价值,很有意义~

    观点 9

    其实可以有一个比喻,数据分析就像做饭一样,业务团队的数据分析更多的是从业务的角度出发,仅仅只是用这样一个技能去描述过去的业务,而独立团队的数据分析更像是厨师做饭,应该从更多的方面去挖掘对业务有指导意义的内容。

    很有意思的例子。

    观点 10

    业务团队的数据分析,优势是成本低、更贴近业务缺点是,数据分析师就是个提数机器,依附于产品和运营,导致团队缺乏更专业的分析,往往一直围绕几个熟悉的指标转来转去,如果领导是很了解数据而且喜欢探索的还好,不然达不到数据驱动。

    独立的数据团队的优势肯定是专业,在数据采集、数据存储、自动化报表系统、数据挖掘探索方面都会比较专业,但是成本高、离业务会比较远,对于运营和产品碰到的问题往往不能快速有效解决,不过这个也看团队协作能力了。

    至于取舍,我觉得要看规模,如果规模很大产品很多,肯定是独立的数据团队好,如果就一个app,还搞啥团队,来个提数的就行。

    观点 11

    我们的做法是,把专业数据团队跟业务中偏数据的人合并到一个部门里边,然后跟业务团队工位坐到一起。。

    当然也有问题。不过感觉比独立和在混在业务里边都好。。

    提供了一个新的思路~

    观点 12

    业务分析总是灵活多变的,而且数据不可避免会有交叉共用的,重复烟囱式建设的老路肯定非常痛苦。

    因此技术团队可以提供公共的数据架构规划和提取,业务团队基于数据开展灵活的业务分析应用

    这个可能和数据中台的思路类似,但是考虑到数据分析价值的共享,则必须兼顾到数据架构提供者的利益,否则被边缘化的团队也难以有持续的活力。

    中台化,也是数据分析的一种发展方向。

    观点 13

    我认为的当前数据分析师的价值更多的是在将常用的分析思路产品化,套路化,然后教会运营去使用,之后继续依据业务问题探索新的分析思路,寻找业务解决方案,而不是深陷在具体问题中,所以还是独立团队比较好。

    总的来讲,这种分析师更偏向于上一个观点的中台的职责?

    热门文章

    直戳泪点!数据从业者权威嘲讽指南!

    AI研发工程师成长指南

    数据分析师做成了提数工程师,该如何破局?

    算法工程师应该具备哪些工程能力

    数据团队思考:如何优雅地启动一个数据项目!

    数据团队思考:数据驱动业务,比技术更重要的是思维的转变

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值