数据分析的影响因素(三)——组织架构革新

2015-07-27 鹈鹕全面客户体验管理

作者:侯天华@鹈鹕顾问 刘亚业@鹈鹕顾问

在前两篇文章中,我们介绍了在这次革新过程中的变化,从底层数据的丰富和算法应用的丰富中,数据分析的原材料需求和基础技术需求都已经有了显著的提升,可以说从功能实现上来讲,数据分析已经成为企业管理的重点核心。但在大多数企业当中,除了功能实现外,他们还需要,同时也是更需要的,其实是在管理架构,也就是企业管理对数据分析的支撑上,今天更多的传统企业是因为其自身固有的老式管理架构特点,才致使数据分析无法发挥其全部能力。在这次文章中,我们将从最后的一个版块,也就是从企业管理对数据分析的支撑角度来看,在管理架构上,今天的企业是如何革新来提升对数据分析的支撑效率,确保其正常运作和发挥价值的。

传统企业数据分析与管理架构现状


随着企业产品的同质化提升,今天的企业更多需要关注主要还是在对客户需求的快速挖掘和实现上。互联网思维中一个非常重要的概念就是快速迭代,在客户刚刚产生需求时,就及时抓住时机为客户生产匹配的产品,而且在产品使用后,及时抓取客户衍生的新需求,并再及时把握并改进产品甚至产品新产品,确保在满足客户需求上,始终站在客户视野中的第一排,其他的包括大数据、云计算等技术也是为了能够更全面的获得客户数据为目标。然而这些在很多传统企业中却是无法实现的,其原因不在于缺少相应的功能实现技术,也不是在资金或企业发展战略上,而就是在管理架构上难以满足。

在这种传统管理架构中,企业最缺乏的就是统筹管理的能力,无论是在数据分析还是在客户体验上。由于传统管理架构基于产品生命周期,从宏观战略设计,到前期产品策划、产品生产,再到市场营销、客户服务,然后是后台系统、财务、人资等方面的支撑对各个部门分别进行职能设置,而其中核心缺少的就是基于客户体验为出发的统筹的分析职能。

虽然目前对于数据分析在企业中的组织架构位置设置还没有统一定论,但笔者从数据分析的角度来考虑,还是认为统筹式的数据分析管理模式较为理想。在最初级的设置中,数据分析人员一般会被安置在各个业务部门当中,这种设置一方面因为数据分析能力较弱,而数据分析仅作为数据展现而用,不能做到分析,甚至是对部门工作指导的作用,所以仅在各部门内放置;另一方面因为是各业务部门需要对其考核指标进行分析,需要数据分析人员对部门的指标有充分的认识,确保其最终分析报告与部门的核心指标能够息息相关,所以数据分析人员大多都在各业务部门当中;再者是因为对数据的保密性较为理想。

但是这种模式的缺点则在于没有统筹各部门的能力上。由于各部门的数据分析人员仅负责部门内部的指标数据,而没有获取其他部门的数据的权限和义务,因此在这种架构下,各部门的指标不能统筹进行分析和指导。虽然分散式的数据分析有他的好处,但是笔者认为在今天以客户体验提升利润的企业运营模式下,企业对于客户体验相关的数据分析成为了核心内容。但目前一方面由于企业的管理架构是以产品的生产周期设置而不是以客户生命周期设置的,因此客户体验相关的问题经常会涉及到多个部门,只有各部门统筹分析才能找到客户问题对应的企业内部运营问题;同时另一方面由于各部门对于其指标的设置更关注于自身部门的职能特点,因此侧重产品生命周期的部门设置很难将客户体验相关指标作为其关注点。

理想的组织架构——统筹的数据分析管理部门


在上述问题下,企业单独设置统筹的数据分析管理部门应当是企业未来组织架构设立的一个理想方向。实际上在今天,很多企业也在尝试这个方向,他们尝试让IT部门来统筹负责企业的数据分析,将原来的数据孤岛进行集中化管理,从而对各业务部门提供指导性建议。实际上今天IT部门的CIO能够在企业战略中越来越靠前,一个很重要的原因就在于其下属的数据分析职能。

在进一步的理想状态下,数据分析职能将需要对各业务部门的指标进行深入探讨,并制定客户体验指标,量化客户行为及感受,将这些新指标与业务部门的绩效体系相关联,形成各业务部门的以客户体验为导向的KPI体系,调整各业务部门的工作方向,同时基于数据分析报告,向各个部门发起改善请求,协同各部门对报告所发现问题进行优化处理。

这种理想模式不是一蹴而就的,实际上很多将数据分析独立作为IT部门之下的职能的企业都面临一个核心的问题,即这些数据分析职能的人员更多是数据库或数据挖掘出身的人员,但是他们都不是从业务部门晋升或调配过来的,因此他们对于业务的熟悉度,对于各部门的指标意义所在没有理解,其生成的报告对于部门工作的指导有限。因此最终独立数据分析部门的人员的素质需求是相当高的,除了对数据分析相关专业知识有基础,还必须对于业务有充分理解才能胜任。

部门协同机制的重要性


同时企业内部各部门与数据分析部门的协同机制也必须成熟,如在互联网公司中,其管理架构的特点是产品项目管理模式。最典型的案例就是腾讯公司,其中各个部门都是以产品为单位设置的,旗下是对产品生产所需要配置的团队结构,因此针对客户的诉求,其团队只需要对单一产品的功能进行改善即可,因此其效率极高。

传统企业由于管理架构不易调整,更多采取的是折中的方案,其中移动运营商就有采取阿米巴团队模式的方案开展工作的案例。通过将各部门中的人员抽调,针对专项的工作,各部门成员完全脱产对相关工作进行落地,以项目形式,设置针对本次项目的KPI,开展并完成项目内容,提升各个问题的处理效率。

在独立的数据分析职能和与其他部门协同机制的建立下,企业才能真正应用所有收集到的数据资料,通过匹配的算法模型,最终为战略及部门工作提供全面有效的指导建议。

往期回顾
·数据分析的影响因素(一)——底层数据
··数据分析的影响因素(二)——分析算法

本文为作者原创作品,欢迎直接微信转发。

转载时需在文章开头注明作者和“来源鹈鹕全面客户体验管理(微信号:CEM-tihu)“,文字颜色为黑色,且不得修改原文内容。

欢迎小伙伴投稿合作,具体请联系:孙女士sunjz@tihu.com.cn