论文部分内容阅读
【摘 要】 数据将大大促进劳动生产率的提高和资产收益率的增加，正在成为公司新的资产。然而，“数据分析活动由谁来组织，公司丰富的分析资源如何调配”等问题正在成为每一个有志于在数据中掘金的企业必须考虑的现实问题。本文试图对分析团队不同的组织模式进行探讨性研究，分析不同组织模式下的优缺点，并提出相应的企业应用案例，进而为供电企业的运营分析业务的组织模式选取提供参考。
【关键词】 数据资产；分析团队；组织模式；辅助支撑；指导调配
一、数据分析辅助决策的管理趋势
诺贝尔奖得主赫伯特·西蒙曾对管理下过这样的定义：管理就是决策。无论是企业的高层管理者还是中层经理人，每天都在参与、制定和执行着关系到企业生死存亡的各类决策，因此，掌握有效的决策的程序及方法很有必要。不经分析就拍板的“拍脑门”决策所带来的危害已经为管理者所广泛认识，企业决策正在由“经验决策”不断向“数据决策”的规范转变，
二、三种典型的分析团队组织模式
从决策、分析和预测等高级商业目的看，原始数据只是被开采的矿山，需要由专业部门及人员（又称“分析团队”）运用信息技术及分析方法进行挖掘和提炼，才能获得规律性知识，进而实现对经营决策的有效支撑。从数据分析团队的组织模式来看，主要包括分散型、集中型和嵌入型三种服务模式，其中嵌入型又可分为辅助支撑和主导调配两种亚型，不同的模式揭示了分析团队在企业中的功能定位。
1.分散型组织模式
在分散型模式中，每个专业业务部门（单元）都有自己的数据分析团队，数据分析活动由专业业务部门（单元）根据自身需要组织开展，从而能够快速地做出决策并且执行。其优点是数据分析的需求与业务及部门职能实现了精确匹配，分析团队成员熟悉业务、问题及客户。但是，该模式的缺陷是缺乏全面的跨职能视野，只关注局部问题，对于公司战略性问题观察有限，缺少专门的人员站在企业全局的高度进行战略性规划或者典型分析实践的分享，由此可能令企业产生重复的资源和设施投入，团队组织重复和冗余，并且无法标准化和扩大规模。总而言之，这种模式提高了分析活动开展过程中的专注度，但是由于缺少全局观，容易错失机会或浪费资源。这种模式在多元化经营的集团企业中较为常见。
2.集中型组织模式
在集中型模式中，分析团队独立于公司的专业业务部门（单元），它可将分析成果直接汇报给高管层，并且将数据分析提升成一种核心的能力，而不是支持性的能力。其优点是分析团队能够站在公司全局高度开发全公司适用的标准化流程和方法；能在全公司范围内分享基于分析成果的独立的观点和最佳实践；通过或直接向高层汇报分析成果，确保更快速和高效的执行；其缺陷在于，分析团队缺乏与专业业务部门（单元）运营相关的职能性专业知识或实用性强的技术知识，而专业业务部门（单元）由于担心资源会被重新分配，可能对数据分析活动提出反对意见。
3.嵌入型组织模式
嵌入型模式中，在组建独立的分析团队的同时，可将分析资源分布在各个专业业务部门（单元）。根据分析活动组织主体的不同，又可分为辅助支撑和指导调配两个亚型。
在辅助支撑的运作模式下，各专业业务部门（单元）提出分析业务的具体需求后，分析团队派出分析人员辅助业务部门完成分析业务，分析团队起到决策支撑服务作用，但并不集中于服务单个业务部门，当派出的分析人员完成某个专业业务部门（单元）的业务需求后，可派往其他业务部门执行新的任务。
在指导调配运作模式下，分析业务是由分析团队与专业业务部门（单元）共同承担和开展的。分析人员等分析资源分别隶属于不同的有分析需求的专业业务部门（单元），但同时也隶属于分析团队。在分析业务开展方式上，由分析团队从企业全局的角度出发，根据需求与业务部门组成联合工作小组；在分析资源调配方面，分析团队为隶属于不同业务部门的分析人员提供交流的平台，让其能够分享经验与实践经历，同时促进不同业务部门之间的项目合作与分析人员借调。
三、企业数据分析案例
1.阿里巴巴
阿里巴巴1999年成立于中国杭州市，通过旗下三个交易市场协助世界各地数以百万计的买家和供应商从事网上生意。三个网上交易市场包括：集中服务全球进出口商的国际交易市场、集中国内贸易的中国交易市场，以及透过一家联营公司经营、促进日本外销及内销的日本交易市场。 阿里巴巴从中国杭州最初18名创业者开始成长为在三大洲20个办事处拥有超过5，000名雇员的公司。2014年5月，阿里巴巴向美国证券交易委员会（SEC）提交了IPO（首次公开招股）招股说明书，计划在纽约证券交易所或纳斯达克全球市场上市。
从淘宝创立之时，阿里巴巴就开始搜集平台上的数据，直至支付宝、聚划算、一淘等平台，随着业务的爆发式增长，阿里诸平台上的数据成倍增加，汇集成海。2005年，阿里巴巴开发出主要供内部运营人员使用的数据产品——淘数据，阿里巴巴由此进入了数据化运营阶段，此时，阿里巴巴在大数据方面关注的重点是，怎么利用平台上海量的消费者和商家数据，来改进自身经营，大数据仅仅局限于内部。 2009年，阿里巴巴的大数据应用开始走向外部，让淘宝商户分享数据。2011年，阿里巴巴开发数据魔方，通过淘宝数据魔方平台，商家可以直接获取行业宏观情况、自己品牌的市场状况、消费者在自己网站上的行为等情况。2011年4月，“页面点击”诞生，它可以监控每个页面上每个位置的用户浏览点击情况。2012年，天猫携手阿里云、万网宣布联合推出聚石塔平台，为天猫、淘宝平台上的电商及电商服务商等提供数据云服务。
阿里巴巴采取的是指导调配型嵌入式数据分析模式。由于阿里巴巴的数据来自各个部门，无论是数据材料的质量、精细化的保证，还是数据安全，都不是单个部门能完成的，需要全局性安排，迫切需要一個上层组织结构。但是成立什么样的组织机构合适？在阿里巴巴看来，数据的工作实际上主要还是由各个部门的责任，毕竟它们把控着源头，另成立一个凌驾于各部门之上的中央数据管理机构，容易让各个部门把责任直接推卸给新机构。 2.宝洁
宝洁公司（Procter & Gamble，简称宝洁），始创于1837年，总部位于美国俄亥俄州辛辛那堤，是一家美国消费日用品生产商，也是目前全球最大的日用品公司之一，业务覆盖织物及家居护理、美发美容、婴儿及家庭护理、健康护理、食品及饮料等领域。
宝几乎在每天，宝洁的会议室里都有不同品牌、不同部门的业务高管与公司的专业商业分析师就每季度、每月，甚至每周的业务经营情况做沟通和分析讨论。通过查看屏幕墙上的数据，大家一起评估业务运营表现。屏幕墙上的数据是全球业务服务部下属的IDS（信息与决策方案部）部门通过商业分析决策系统，从宝洁内部近90个大的基础业务流程中实时收集、整理出来的。这些数据来自生产线、销售人员、销售渠道的超市和门店，都是对不同层级的业务运营情况的最真实反映。全球业务服务部另有下属部门CMK（消费者和市场研究部），有专业的商务业务分析师针对这些数据为业务部门提供客观公正的专业知识的业务分析，业务分析师是一个第三方专家的角色，应业务部门的需要开展工作。他们在三个方面发挥作用：一是帮助团队开展决策讨论，并指导团队及时调整业务重心；二是结合业务背景分析数据，并识别出需要解决问题的时机；三是帮助企业连接信息点，并总结跨地区、跨业务类别、跨业务单元的经验教训。
四、结语
量化管理，数据决策正在日益成为越来越多追求卓越绩效企业的共识。国家电网公司作为关系国家能源安全和国民经济命脉的国有重要骨干企业，以投资建设运营电网为核心业务，为经济社会发展提供坚强的电力保障，是世界最大的电力公共事业公司。经过多年的信息化建设，公司计算机信息系统和数据库系统中已积累了大量的基础数据，已具备了开展数据分析的基础。2012年，数据分析支撑公司决策工作随着两级运营监测（控）中心着手建设正式开启。“全面掌控公司经济运行状况，增强业务管理的透明度，增强公司的集团管控力和风险防控力，为公司经营决策提供有力支撑，为提高管理绩效和经济效益提供保障”是该中心的工作目标。
目前国家电网公司运营监测（控）中心采取的是集中型组织模式，该模式不可避免地带来了分析人员专业知识缺乏、专业业务部门（单元）配合度欠佳等问题，但随着数据质量和分析人员分析技能的提高，国家电网公司的数据分析组织模式向嵌入型模式发展将是更为可取的趨势，数据资产由此将更为高效地利用与共享，在支撑电网运营决策时发挥更大的价值。
【关键词】 数据资产；分析团队；组织模式；辅助支撑；指导调配
一、数据分析辅助决策的管理趋势
诺贝尔奖得主赫伯特·西蒙曾对管理下过这样的定义：管理就是决策。无论是企业的高层管理者还是中层经理人，每天都在参与、制定和执行着关系到企业生死存亡的各类决策，因此，掌握有效的决策的程序及方法很有必要。不经分析就拍板的“拍脑门”决策所带来的危害已经为管理者所广泛认识，企业决策正在由“经验决策”不断向“数据决策”的规范转变，
二、三种典型的分析团队组织模式
从决策、分析和预测等高级商业目的看，原始数据只是被开采的矿山，需要由专业部门及人员（又称“分析团队”）运用信息技术及分析方法进行挖掘和提炼，才能获得规律性知识，进而实现对经营决策的有效支撑。从数据分析团队的组织模式来看，主要包括分散型、集中型和嵌入型三种服务模式，其中嵌入型又可分为辅助支撑和主导调配两种亚型，不同的模式揭示了分析团队在企业中的功能定位。
1.分散型组织模式
在分散型模式中，每个专业业务部门（单元）都有自己的数据分析团队，数据分析活动由专业业务部门（单元）根据自身需要组织开展，从而能够快速地做出决策并且执行。其优点是数据分析的需求与业务及部门职能实现了精确匹配，分析团队成员熟悉业务、问题及客户。但是，该模式的缺陷是缺乏全面的跨职能视野，只关注局部问题，对于公司战略性问题观察有限，缺少专门的人员站在企业全局的高度进行战略性规划或者典型分析实践的分享，由此可能令企业产生重复的资源和设施投入，团队组织重复和冗余，并且无法标准化和扩大规模。总而言之，这种模式提高了分析活动开展过程中的专注度，但是由于缺少全局观，容易错失机会或浪费资源。这种模式在多元化经营的集团企业中较为常见。
2.集中型组织模式
在集中型模式中，分析团队独立于公司的专业业务部门（单元），它可将分析成果直接汇报给高管层，并且将数据分析提升成一种核心的能力，而不是支持性的能力。其优点是分析团队能够站在公司全局高度开发全公司适用的标准化流程和方法；能在全公司范围内分享基于分析成果的独立的观点和最佳实践；通过或直接向高层汇报分析成果，确保更快速和高效的执行；其缺陷在于，分析团队缺乏与专业业务部门（单元）运营相关的职能性专业知识或实用性强的技术知识，而专业业务部门（单元）由于担心资源会被重新分配，可能对数据分析活动提出反对意见。
3.嵌入型组织模式
嵌入型模式中，在组建独立的分析团队的同时，可将分析资源分布在各个专业业务部门（单元）。根据分析活动组织主体的不同，又可分为辅助支撑和指导调配两个亚型。
在辅助支撑的运作模式下，各专业业务部门（单元）提出分析业务的具体需求后，分析团队派出分析人员辅助业务部门完成分析业务，分析团队起到决策支撑服务作用，但并不集中于服务单个业务部门，当派出的分析人员完成某个专业业务部门（单元）的业务需求后，可派往其他业务部门执行新的任务。
在指导调配运作模式下，分析业务是由分析团队与专业业务部门（单元）共同承担和开展的。分析人员等分析资源分别隶属于不同的有分析需求的专业业务部门（单元），但同时也隶属于分析团队。在分析业务开展方式上，由分析团队从企业全局的角度出发，根据需求与业务部门组成联合工作小组；在分析资源调配方面，分析团队为隶属于不同业务部门的分析人员提供交流的平台，让其能够分享经验与实践经历，同时促进不同业务部门之间的项目合作与分析人员借调。
三、企业数据分析案例
1.阿里巴巴
阿里巴巴1999年成立于中国杭州市，通过旗下三个交易市场协助世界各地数以百万计的买家和供应商从事网上生意。三个网上交易市场包括：集中服务全球进出口商的国际交易市场、集中国内贸易的中国交易市场，以及透过一家联营公司经营、促进日本外销及内销的日本交易市场。 阿里巴巴从中国杭州最初18名创业者开始成长为在三大洲20个办事处拥有超过5，000名雇员的公司。2014年5月，阿里巴巴向美国证券交易委员会（SEC）提交了IPO（首次公开招股）招股说明书，计划在纽约证券交易所或纳斯达克全球市场上市。
从淘宝创立之时，阿里巴巴就开始搜集平台上的数据，直至支付宝、聚划算、一淘等平台，随着业务的爆发式增长，阿里诸平台上的数据成倍增加，汇集成海。2005年，阿里巴巴开发出主要供内部运营人员使用的数据产品——淘数据，阿里巴巴由此进入了数据化运营阶段，此时，阿里巴巴在大数据方面关注的重点是，怎么利用平台上海量的消费者和商家数据，来改进自身经营，大数据仅仅局限于内部。 2009年，阿里巴巴的大数据应用开始走向外部，让淘宝商户分享数据。2011年，阿里巴巴开发数据魔方，通过淘宝数据魔方平台，商家可以直接获取行业宏观情况、自己品牌的市场状况、消费者在自己网站上的行为等情况。2011年4月，“页面点击”诞生，它可以监控每个页面上每个位置的用户浏览点击情况。2012年，天猫携手阿里云、万网宣布联合推出聚石塔平台，为天猫、淘宝平台上的电商及电商服务商等提供数据云服务。
阿里巴巴采取的是指导调配型嵌入式数据分析模式。由于阿里巴巴的数据来自各个部门，无论是数据材料的质量、精细化的保证，还是数据安全，都不是单个部门能完成的，需要全局性安排，迫切需要一個上层组织结构。但是成立什么样的组织机构合适？在阿里巴巴看来，数据的工作实际上主要还是由各个部门的责任，毕竟它们把控着源头，另成立一个凌驾于各部门之上的中央数据管理机构，容易让各个部门把责任直接推卸给新机构。 2.宝洁
宝洁公司（Procter & Gamble，简称宝洁），始创于1837年，总部位于美国俄亥俄州辛辛那堤，是一家美国消费日用品生产商，也是目前全球最大的日用品公司之一，业务覆盖织物及家居护理、美发美容、婴儿及家庭护理、健康护理、食品及饮料等领域。
宝几乎在每天，宝洁的会议室里都有不同品牌、不同部门的业务高管与公司的专业商业分析师就每季度、每月，甚至每周的业务经营情况做沟通和分析讨论。通过查看屏幕墙上的数据，大家一起评估业务运营表现。屏幕墙上的数据是全球业务服务部下属的IDS（信息与决策方案部）部门通过商业分析决策系统，从宝洁内部近90个大的基础业务流程中实时收集、整理出来的。这些数据来自生产线、销售人员、销售渠道的超市和门店，都是对不同层级的业务运营情况的最真实反映。全球业务服务部另有下属部门CMK（消费者和市场研究部），有专业的商务业务分析师针对这些数据为业务部门提供客观公正的专业知识的业务分析，业务分析师是一个第三方专家的角色，应业务部门的需要开展工作。他们在三个方面发挥作用：一是帮助团队开展决策讨论，并指导团队及时调整业务重心；二是结合业务背景分析数据，并识别出需要解决问题的时机；三是帮助企业连接信息点，并总结跨地区、跨业务类别、跨业务单元的经验教训。
四、结语
量化管理，数据决策正在日益成为越来越多追求卓越绩效企业的共识。国家电网公司作为关系国家能源安全和国民经济命脉的国有重要骨干企业，以投资建设运营电网为核心业务，为经济社会发展提供坚强的电力保障，是世界最大的电力公共事业公司。经过多年的信息化建设，公司计算机信息系统和数据库系统中已积累了大量的基础数据，已具备了开展数据分析的基础。2012年，数据分析支撑公司决策工作随着两级运营监测（控）中心着手建设正式开启。“全面掌控公司经济运行状况，增强业务管理的透明度，增强公司的集团管控力和风险防控力，为公司经营决策提供有力支撑，为提高管理绩效和经济效益提供保障”是该中心的工作目标。
目前国家电网公司运营监测（控）中心采取的是集中型组织模式，该模式不可避免地带来了分析人员专业知识缺乏、专业业务部门（单元）配合度欠佳等问题，但随着数据质量和分析人员分析技能的提高，国家电网公司的数据分析组织模式向嵌入型模式发展将是更为可取的趨势，数据资产由此将更为高效地利用与共享，在支撑电网运营决策时发挥更大的价值。