在构建数据和分析团队时避免5个陷阱

许多数据和分析领导者和首席数据官(cdo)的主要任务是建立一个有效的数据分析系统数据和分析团队建立数据和分析作为其组织内的战略学科。然而，根据Gartner年度CDO调查，CDO在发展这些团队时可能会遇到五个关键障碍。

如何克服影响文化变革的困难

“改变组织文化意味着改变每个员工的内心和思想，”他说(Jorgen Heizenberg高德纳公司高级董事分析师。“作为一个数据驱动的文化是一个影响因素，而不是控制因素，传播数据和分析如何帮助推动业务部门的业务成果。数据和分析不是一项技术实施，而是一项变革管理举措。”

将数据和分析策略和目标告知员工，并寻求他们的支持。不要忘记展示结果，让企业看到数据和分析如何创造价值的现实例子。例如，展示一个成功的实验结果，合作开发原型，或者组织一次数据黑客马拉松。

如何克服资金和资源的缺乏

当被要求向组织展示数据和分析的业务价值时，数据和分析领导者通常无法将拟议的组织模型与预期的业务结果联系起来。因此，企业领导人不会为他们的项目提供所需的资金和资源。

创建一个数据和分析组织模型，以更好地响应不断变化的环境(如大流行)的动态，并在向数字业务转移时更好地与整体业务目标保持一致。要做到这一点，首先要组建小型的跨职能团队。这些团队可以集成不同的数据源，评估数据质量，并深入了解业务需要哪些数据和分析。

如何克服缺乏数据素养

CDO建立数据驱动文化的愿望往往受到数据素养差的阻碍。数据素养是在上下文中阅读、书写和交流数据的能力。

如果整个企业没有具备数据素养的员工，企业领导者将不清楚企业拥有哪些数据、这些数据可以用于什么用途以及数据的质量。因此，组织将无法识别潜在的商业机会。

首先实施一个范围有限、目标明确的数据素养技能培训试点项目。与一组已经对数据和分析有热情和兴趣，并且认识到提高数据素养是成功的关键因素的利益相关者合作。

阅读更多:数据和分析领导者的数据素养指南

如何克服数据和分析技能的不足

确定或调查组织中当前可用的技能、角色和能力。将它们与来自各个业务单元的业务需求进行匹配。通过这种方式，数据和分析技能的不足就变得明显起来。对人才进行技能提升或再培训，在需要时使用外部支持。

此外，建立各种专家团队，如数据集成商、数据科学家、数据建模师、主题专家和业务分析师。到2023年，数据科学家和分析师将失去60%到70%的生产时间，用于寻找、准备、集成和共享数据集等活动，这使得数据工程师成为他们团队中的必备角色。