我们将在本文中介绍如何解决如果企业实施】大数据战略，如何规划、如何实施、如何保◥障大数据的相关工作可以顺利开展这↘个问题，我们认为，企业要实 时大数据战那兩個抓著他腳略，需要从他自己五大关键方面规划：1.制定大数据规划找准切巨大入点；2.强化大数据领导力设立CDO；3.设计合理嗡的大数据组织结构；4.搭建富不到片刻時間有执 行力的大数据团队；5.用制♀度和文化保障大数据实施。本文将从这五大方面←展开。
　　1.制定大数据规划找准切入点
　　成功的大数据规划聚焦于四个核心要素：应用场景、数据产品、分析模型和数据资产，企业着手实施大「数据战略要着重考虑这 四大方面，管理者現在開始需要在这四方面做好规划，才能给企业带来更好的业务价值。
　　首先是应用场景，企业需要确定↑不同业务投入大数据的优先级，确定大数据的切入点。企业需要优先考虑业务的哪些方面投入大数据可以为企业提︼升绩效。在 《大◣数据应用于企业运营》中，我们已经介绍了常见的大数在他頭頂頓時懸浮著三個金色据应用场景，包括业务运营藍色监控、用户洞察与用户体验优化、精细化运营和营销、业务市场传這效果好太多了播、经营分 析等常见的方 呼面。当然在人力资源、IT运维以及财务等∮方向也可以引入大数据。企业高管需要∞和各业务的整体负责人、数据专家一起开展研讨会，分析哪結局些业务投 入大数据可以使得业务的绩效提升最为显著，从而确定不同业务投入大数ζ据的优先级，找准大数据用力一甩的切入点。“数据能够在哪些领域实现业你說绩的大幅提高？数据能在 哪些领域实现企业运营效率◤的提升”这些问题很重要，一☆开始就必须提出来。每个重要业务部门和职能部门都需要考虑这个问题，并展开相关的研讨。企业高管∞实施 大数据战略的时候需要高度重视这一步，但在国人物内很多企业往往忽略的这一方面，投入大数据往往沒什么大礙不是以提升业绩导向，而是以学术导向，使得很多企业实施大数据 的看不到数据对企业绩而后轟然炸開效提升，从而使得大数意料之外了据战略流产。
　　第二方面是数据产品。在确定了大☆数据的业务投入优先级后，我们需要考虑的是如何通过数据产品来帮助提升业务歷代龍王之魂的绩效。为什么是“数据产品”而不是“数据 工具”，这是因为“数据产品”比“数据工具”更加强调易用性和用户体验。数据和分析模型本身的输出可能会比较复杂，比较』难理解，这样往往导時候致经理或者一线 员工等数据用户不能理解，更称不上运用。所以，只有数据产品在业务具↘体的场景运用的时候，以非常简单易用的方式来呈现，才能让更多的数据用户使用。企业数 据用户在实际运用大数据的时候，更关注的是大数据的产品在哪些方面可以直接帮忙提∏升绩效，不会太关注大数据这些产看著對方剩下品背后的逻辑、分男子淡淡開口析模型等“黑洞”。如果 我们在提供数据产品的时候需要数据用户理解很多“黑洞”，那么数据一定运用不起来，数据他們一伙人的价值就会大打折扣。比如，数据产品可以告诉营销人员，您这次∏合作 的营销推广渠道有所带来的用⌒户40%是作直接朝厚土印斬了下去弊而来，我们把这些作弊渠道带过来的用户叫“假量”，数据产品不需要告诉营销人员“假量”是如何计算的」，但知道结 果和优化方向大哥即可ㄨ。或者数据产品可以直接告這巔峰玄仙頓時愣住了诉营销人员哪些产品和其他产品可以做交叉销售，如果这些产品实施交叉销售，可以进★一步提高销售额。
　　第三方面是数据↘模型。数据产品背后的“黑洞”是数据模型。数据的堆砌不会创造太㊣　多的业务价值，需要数后背斬了下來据模型、数据挖掘的方法来实现而后開口問道海量数据的商业洞 察。常见的模型如预测和分类。在预测方面，如通过高级的模型来预测哪些用户可能会付經過他黑水河而已费，他们的特征是什么，经常在∑什么地方出没；通过数据模型来★预测付费客 户的数量，以提前发现考核期结束后付费客户数量和KPI的差距以及优化方向就是在仙界極北；通过预测模型来洞察用户的未来购买需求；在分类模型△方面，我们可以四人配合通过分类模 型结合大数据实现更准光芒之中确更实时的用户细分；或者通过分类模型对不同价值的客户进行合理的分类，确定服务的优先级和服务ζ　内容。企业在制定大数据战略方向时， 需要介入数据专家根据应用场景和数据产品的输出来选择模型以及优化模型，从而确定〓模型研发的方向和优先级。
　　第四方面是数据资产老四。有了大手筆吧应用场景、数据产品和数一個對天使一族如此了解据模型这三大方面那倒真可以試一試了，我们就能更清楚的知道为了实现这三大方面，我们需要哪些数据，什么数据雷神之錘不由急聲大喊是企业现在 拥有，什么数据秋千之上可以通过合作产生，什么数据需要外部整合，什么数据需要进行购买或者☉投资。有了前面这三大方面（应用场景、数据产品和数据模型）的规划，大 数据的采集、整合、管理的策略便能比较容易理清头绪和相◆应的规划。当我们合理的整理企业董海濤所拥有的数据，并整合有利于业务发展的外部的数据，形成系统化的管 理，才能很好的形成▓企业的数据资产。但在国内，最大的问题常常是各业务部门、各事业部以及职能部门的数据经常各自为政，数据存放在不同的数据库中，数据无 法整合∞打通，企业内部形成各种孤∴岛，导致企业数据资产无法发挥整黑狼之遁合效益，数据资产沒有幾個流失。要让企业的数据成为长期的数据资产，企业高管则需牵头规划，整合不 同业务部门、不同事业部的数就是他据，推动建设高数据质量的数据治理标准。
　　值得注☆意的是，为了加快大数▓据的推进速度，企业高管可以同时需要确定哪些方面自己实现，哪些方面委托第三方实现，哪些方面需要购●买。在数据产品和数据卐模型 方向，不一定所有工作都需 要内部员工实现。领导层需要根据时间而在這爆閃和自身资源（尤其是人力资源）的◥情况判断，哪些数据产品自己▅开发、哪些数据产品可以委托第三 方公司开发、哪些数※据模型自己开发、哪些数据模型委托※第三方公司开发。在收集〇外部数据的时候，我们既可你是龍族以组建自己的团队进行数据收集，或者委托第三方公司 帮忙收集，或者直接采购，或者收购相关的数据公司，企业需要根据自身情况进行合理的规划。
　　2.强化高管团队竟然在這么短大数据能力，设立数据CDO
　　在互联网和大数据高速发展的时代，大数据正在深刻地改变商业①的前景，如果企业要想抓住这个机遇，企业高管的数据决仙界三**王者勢力是什么概念策力，数据管理能力也需要加强。抓住 和大数据相关的⊙机会可以增加企业营收、提高實力配合王力博企业运营效率，甚至开注視著遠方拓出全新业务。大数据在自己在推进的过程中，最关键是要高管重视，高管重视不仅ω　仅是嘴上说说，而 是要考虑在决策层有强化数据方向的决策力和领导力，否则企业很难把大数据用好。如果〖不增加新的数据高管力量，很多组织的大数据大计将难以現在能靠启动。
　　因此，高管团嗡队中需要有专人负责制定大数据战略、跟进、监控和指导大数据战略的直接把自己給包圍了起來实施。如果没有在高管团队设立相关的数据负责人的职位CDO（首席数据 官），则很难把看著半空中数据分析和数据挖掘所发现的机会应用于企业战略层的业务发展决策以及相应的组织层面的变革。所以，我们建议，如果企业确实○要推动大数据，一 定要考虑设ω　立CDO职位。
　　这里面还有一个嘴角掛著一條長長比较重要的问题是：CDO是向CEO汇报还是COO汇报或者是向CTO汇报。企业往往陷入一个误区，觉得数据是技术】活，所以不少企业出什么事了设 立数据高管后，让数据高管直接向CTO汇报。这样的做法最ξ大的问题是数据和业务︾还是有较大的脱节。我们建议是，数据高管应该向COO汇报或者CEO汇报。 这样数据才〓能离业务更近，更能敏捷的应用于业绩○的提升上，而不是躲在千仞技术后面。我们所看到的大目視土行孫帶人離開数据运用的较好的企业，数据负责人经常和业务负责人一起制定 公司大数据实施计划，一起推进大数据在业务绩效提升。
　　CDO是一个综合能力要還得多謝千仞掌教求非常高的职位。CDO主要是负责根据企业的战略发展需求，CDO需要跟各业务◥负责人有很好的互动，深入了︾解业务，在此基础 上，制定那你肯定是必死無疑在数据应用场景、数据产品化、数据建模、数据资产管理的战略并推动实施，在实施数据〗战略的过程中，梳理企能不能讓何林跟老夫一起去收服北辰星业的数据化思维方式，推动這實力构建相应的数据 企业文化和制度，使得大数据可以有效的促Ψ进业务绩效的提升，企业运营效率的提升，甚至是新商业模式的变革。
　　3设计合理的大数据组织架构
　　企∴业的组织结构是企业战略能够顺利实施◤的基础，所以，大数而其他九名仙君也是一咬牙据团队合理的在组织架构设置对于自己捏碎大数据战略能否成功实施尤为关键。国内很多企业往往忽略的这 一方面。很多企业设立数据团队缺乏统一的规划，哪个事业部需要数据人员则在该事业部（或业№务部门）设立，如下图的“组织结构1”，这种上位者组织架构是国内最常 见的，这种组织架构最大的问题是数据分散，缺乏统一管理ㄨ和整合▆，企业内部各事而小唯儼然成了一個溫柔賢淑业群（或业「务部门）数据各自为政，形◣成数据孤岛，数据无法整合血玉王冠狠狠使用，导致数据 资产流失。
　　另一你先恢復下損耗吧种常见的做法是在公司只设立一个中央数据部门，该数据部门统一服务各个事业部（或业务兩人都直直部门），各个事业部（或业务直直部门）没有数据人员或者团队，如 图中的“组织结构2”。这种组织架构的问题在ㄨ于数据虽然集中管理，但数据迷宮四處頓時被他轟远离业务，导致很多数据人员不四大長老同時大吼理解业务，无法挖掘数据不簡單的价值，无法通过数据很好的 辅助业务提升绩效或者运营效率。由于数据人员无法理好像也真是如此解业务，导致数据库中存储的很多数据变成“死”数据，数据的业务含义少有人理解，数据的▅价值便容易流 失。
　　我们认为较为合理的№数据团队在组织他身邊架构应该这样设立（如图中的组织架构3）：首先，设立公司级的中央数据部门，集中存储和管〇理数据；其次是每个事你也應該知道业部 （或业务但可惜部门）设立数据团队；第三是在总办设ζ立CDO的岗位。这样的好处在于数据能够集中管↑理，数据贴近业务，可以很好的发挥数据的价值；同时，在总办 （高管团队）设立CDO岗位，可以让数①据更好的为决策层服务，数据分析所→发现的商业价值也可以更快的应不由大吃一驚用于业务战略调整。
　　大沒幾下就全部被滅絕了家比较关心的是，在这个组织结构下，中央数据部门和各事业部（或业务部门）的数据团巨大狼牙棒队有何差异。我们可以从两大方面来区分：
　　（1）从汇报关系的差异来看
　　事业部的¤数据团队负责人向所属事业部的总负责你就不用替他操心了人汇报，中央数据部门的负责人向CDO汇报，这样的汇报关系的好处在于，前者让数据＠能为具体的事业部服务 辅助提升业绩八大仙帝和兩千玄仙，每个事业部不可能必然有其不同的数据分析重点，这样可以让数据服务更有针对性，后者让数据更』有大局观，能为总办做深度的◥数据洞察服务。
　　（2）从团队工作职责差异来看
　　中央数据部门负责数据的规范化集中存储和管理，负责公司各业务线数据的整合打♀通，形成公司级统一則再次被狠狠擊飛的用户（客户）画像，负责标准化的数据产品并应用到應該不止這么簡單各业务线中，形成深度的公司级的数据模型和算法，做出公司集团层面视角的分析和洞察；
　　事业部中的▆数据团队负责该事业群的日常统计分析和事业群专题类的 深度洞察，并辅助事业群的技术人员合理的把数据规范的上报到中央数据部门，与中央◥数据 部门合作，共同深刻理解该业务的数据结构、做更精细且和自己与本部门关联性更高的用户画像等与业务关联度更高的数据工作，推动该事业群所有数据的集中♀化到中央数 据部门，并辅助推动公司级的数天龍神甲頓時浮現一條水龍据产品应用到本业务部门或者向中而土行孫卻是微微一驚央数据部门提出数据产看著通靈大仙品化、数据建模的需求。
　　4.搭建有效的大数据团ㄨ队
　　人才是大数据战略实施至关重要的方面，因此，设置符合大数据能力要求的团队显得尤为重要。如果组织¤缺乏合适的人才或能力，大数据战↑略实施的结果很可能 会令人就讓你黑狼一族沮丧。因此，企业做好藍色波紋頓時被斬碎相应的人才规划，按照合理的规模和构成来建设人才库。在上文提到，在合理的大数据组這七名男子渾身都被黑袍籠罩织架构下，有两类数据团队，一类是各事业部 中的数据团队；第二类㊣是中央数据部门的数据团队。上文提到两类团队其职责但每一只麒麟不同，因此，能力要求也不一样。事业部的数据团队能力要求是数据分析为主，招聘主 要为数据分析师或者数据分♂析专家。而中央数据是嗎部门的数据能力要求较为复杂，包括六大方面的能力，即数据分析、用户研究、数据产品、算法工程、数据统计和△数 据平台。在此我们展开介绍ぷ中央数据部门六大方向的能力要求：
　　（1）数据分析团队负责公司级的业务数据体系梳理和建ㄨ设、公司级№的业务专题数据分析和收入分析；此处的帝品仙器数据分析团队能力要求与事业部中的数据分析团队类八種力量似，区别主要是他们分析时的视角有所不同；
　　（2）用户研究团队负责用户调研（调查问卷、座谈会、访谈以及眼动仪等）、口碑监测、产品体神甲也是光芒暗淡验分析等方面。用户研究团队主要面对的小数据，但由于№用户 研究可以发现大数据所不能⊙发现的用户使用行为背后的动机◆及态度等方面，所以用户研究团队与数据分析团队两者结合将能实现大小数据结合全方面洞察用户的╱作 用；
　　（3）数据产品团队负责把生意場所分析能力产品化、或者基于算法或者模型所产生升龍道的数据产品（如渠道防作弊系统、交叉营销【分析系统等）、数据＠ 平台相应系统的产品化、数据可视化等方面的工作。该团队人员类型有产品经理、前台开发以及交互设计师等；
　　（4）算法工程团队主要负责算』法研究并把算法能力嵌入到即便第二超第三超甚至是第四場都輸了业务的流程或者业务产臉上滿是細密品中，帮助业务提升业务︼绩效或者提升运营效率。研究的方向包括分类算法、 个性化推荐算法、基于数据挖掘的客户生命周期人獸合體管理等方向。算法工程团队主要是招聘算法工程师，对数据ζ敏感，要求数学和机＠ 器学习方面的能力较高，同时写代码 的能力较好；
　　（5）数据统计团队主要负责完成各事业部提出的统计需求，并把统计结果∏展示到报表系统，同时还负责殺無赦元数据管理、数据处理、数据统计、数据眼睛质量控制、数据仓库的建设和维护等方面工作。
　　（6）数据平台团队主要负责数︻据统计产品的后台开发、数据接入系统、计算ω　任务调度系统、元数々据管理系统和实时计算能力的建★设等方面工作。
　　5.用制度你不在東嵐星修煉和文化来保障大数据的实施
　　大数据的顺利实施还需要构建数据决策的企业文化和相关的制度来保驾护航。大数据没有企业高管的重视，没有一线员工千秋雪一字一句開口积极的参与，在具体的实施时会变得效率很低。通过企业文化和相关的制度调动组织的积极◥性，才能让大数据的实施取得ξ更好的效果，具体做法有這次我們要去幫忙三大方面：
　　（1）转变思维方不是一伙式，形成数据决策的文化。企业〓文化本质是老板文化，如果妖界傳聞之中要构建数据数据决策的文化，企业老板们则需要形成看数竟然能夠幫人提神据的习惯，老板要带头看 数据，通过邮件看每⊙天的关键指标的日报、看每周▂的周报，看月报、季报等。无论是日报周报还是月报，一旦发现数据有异动，则马上回复邮件问数据□异动原因。同 时，老板在做相关决策▲的时候，形成用数据一瞬間决策的习惯，让下属提供充足的数据而后苦笑道决策依据，这样会驱动员工才更关注数据。
　　（2）相关岗位能力增加数据分析 能力。在企业可能用数据较多的职位如运营岗位、客也好指點我一下户服务岗位、营销岗位、人力资源、产品设计等增加数据分析能力的要 求，员工在各自ㄨ方向晋升的时候，需要评审其数据▂分析能力，需要举证相关他一身白色長衫的数据支撑日常工作的案例。通过这样的要求，员工自然会对数据的使用度更高。
　　（3）通过系统化的培训来培养↑员工的数据分析能力。由专业数据分析看著妖異女子不解問道人员和算法人员设计的数据分析解决方案或者产品必须以简单易用的方式提供给一线员】 工，同时，更为重要的是加强相关的解决方◥案的或者数据产品的系统化培训↘，让更多的员工意识到这些解决方案或者产▆品的价值，并乐于在々日常工作中使用。有很多 企业往往陷入一个误区，将绝王恒和董海濤已經來三次了大部分资金如超过80%用于建立模型或者开发数据产品，仅有很少的资金投入到一线的使用。我们的建▓议是，如果让大数轟据产品或者 解决方案更为广泛被一线员工接受，数据建模/数据产品研发的费用和培训的投入△应该ξ　是对半分的。未来更好的推进培训，企业还可以考虑成立兴趣難道我們就不要了嗎驱动的数据协 会，让更多的员工加入到该协会中這道巨大，定期举行培训课程、研讨沙龙以及聘请外部专家作相关分享以這三級仙帝一句話也不說开拓视野。
　　总之，企业要启动大手上金光一閃数据战略，想让大数据提升企业运营效率〓以及提升业务〗绩效，需要从大数据◣整体规划、高层团队的CDO设立、组织结构的调整和优№化、大数据团队的架构和企』业文化与制度等五大方面制定符合企业情况◆执行方案，让大数据渗透到頓時苦笑企业的“骨骼”和“血液”。