第5章 商业分析的组织环境（课件）《商业分析实务》（华东师范大学出版社）

第五章 商业分析的组织环境 1 商业分析团队建设 商业分析人才需求 商业分析组织环境的发展变化 大数据环境下的企业文化建设 目录 CONTENT 01 02 03 04 01 团队建设 3 商业分析团队建设 一个专业的数据分析公司须拥有5人以上持有资格证书的数据分析师方能注册。 除了资格证书，实际开发能力和大规模数据处理能力是作为大数据分析师的必备素养。 商业智能能力中心BICC（Business intelligence competency center）是为促进智能化方案渗透而专门建设的团队，是执行并影响商业分析活动的职能中心。 BICC在企业的组织模式 商业分析团队建设 大数据时代商业分析师必须具备的三大能力 应用运营能力 项目管理能力 数据分析能力 企业组建商业分析团队需要考虑的问题 职能定位 资源需求 团队构成 商业分析团队组建 02 人才需求 商业分析人才需求 商业分析师作为企业利益相关者之间的桥梁，负责观察、分析、沟通过和验证企业的政策、业务流程和信息系统中所需要做出的改善。他们需要在满足这些需求的大环境下理解企业存在的问题和机遇，提出最佳的方案使企业达到既定目标。 “大数据分析师就是一群玩数据的人，玩出数据的商业价值，让数据变成生产力。” ——阿里巴巴集团研究员薛贵荣 商业分析人才的社会需求 全球最大的职业社交平台领英发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。据分析，上述六类热门职位的人才当前都处于供不应求的状态，但是人才稀缺程度各有不同。其中研发工程师需求量最大，而数据分析人才最为稀缺。领英报告表明，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。 互联网作为新兴的行业，其上述六个热门职位中，约有50%的人才从业年限都在零到三年之间。六大热门职位的在职时间普遍低于制造业、金融业等传统行业。其中数据分析平均从业年限只有3.4年，且资深从业者最少。作为一个新兴行业，其处于供不应求的状态。因而，商业分析师的培养在当前的社会环境中非常有前景。 商业分析人才的职业类型 数据规划师 数据工程师 数据架构师 数据分析师 数据应用师 数据科学家 商业分析师能力与资格 初级境界，主要做数据的搜集和整理，呈现的结果往往只是原始的数据，需要再经过一番分析才能呈现出价值。 中级境界，除了要让数据说话，还能在数据整理的过程中，发现问题。比如，淘宝商家的热销品销售量下降，公司运营的项目某个时期进展不大，他就要用数据分析“问题出在哪里”。 高级境界，数据分析师就能掌握用户规律，预见未来。他们的报告会找出问题，还会指出解决方向——比如，建议公司几个部门开展调查、进行改进。 商业分析师能力与资格 数据挖掘能力 数据分析能力 数据展现能力 数据应用能力 数据采集能力 数据存储能力 数据提取能力 业务能力 理解行业动态和发展趋势、客户的需求与行为以及企业内部的业务流程。 分析能力 使用数据分析方法从海量数据中发掘有意义的知识，并将其转化为商业洞察力。 IT能力 通过对大数据的采集、整合和清理，把大数据散乱的数据变成结构化的可供分析的数据。 职业前景 项目数据分析师，是指通过采集数据，提取和量化资料，并运用相应的数据模型，对项目投资、项目运营、项目评价等项目管理各个环节进行分析和判断，为决策者提供决策依据。 数据分析师，更注意的是对数据、数据指标的解读，通过对数据的分析，来解决商业问题。主要有三个层次：业务监控，建立分析体系以及行业未来发展的趋势分析。 数据挖掘工程师，更多的是通过对海量数据的挖掘，寻找数据的存在模式、或者说规律，从而通过数据挖掘来解决具体问题。数据挖掘更多是针对某一个具体问题，是以解决具体问题为导向的。 数据建模师，更偏向中小数据量，使用多为统计学的方法。机器学习等方面的方法则较少使用。 03 组织环境的发展变化 商业分析组织环境的发展变化 数据的增长、覆盖范围和处理速度注定将转变企业的管理模型并改变企业的决策方式。但要在这些方面获得真正的成功，需要鼓励组织成员探寻数据所提供的潜在价值。这需要一群熟练掌握信息技术及数据分析方法，且拥有核心的批判性思维方式的新人，以及有能力将这些技巧和方法与商业领域的知识及专业经验相结合的人才。 外部环境 人才的培养 商业分析的材料——数据资源正在被国内外社会广泛接受，在社会形成广泛的热潮，使人们对数据以及基于数据的分析形成了接受和认可的状态。 从其尚未形成一个完整的职业名称和职业分类，到如今已经有资格证书和准入门槛，有大量的培训教程对入门者进行引导。而目前高校也开始注重商业分析师的培养。 04 大数据环境下的企业文化建设 “数据资产”理念 资源价值从实体转向了虚拟，国内外也提出了相关的概念：digital business，即数字化商业。 虚拟资产化导致了信息部门将从成本中心转向利润中心。数据渗透到各行各业，渐渐成为企业战略资产。拥有数据的规模、活性以及收集、运用数据的能力，将决定企业的核心竞争力。数据的虚拟资产化对企业应用主要体现在下面两个方面：数据共享和智能决策。 《纸牌屋》是2013年最火的一部美剧，出品方兼播放平台Netflix分析其在全世界3300万用户的观看喜好和习惯等数据，选择评分最高的演员出演《纸牌屋》，最终实现Netflix股价超低谷时的三倍，这就是大数据的魅力。 企业量化管理 在大数据思维语境中，企业文化建设不仅是一个行为过程，而且是一个量化过程，即企业文化建设主体的行为和结果都可以量化为具体的数值，通过动态跟踪和储存积累，形成数据库，为统计分析和考核评价奠定科学基础。 量化管理的典型特征是把践行企业文化的行为及结果量化为数据，所采用的工具是多维度的考核评价模型及测评表。归纳起来，企业文化量化考评主要具有以下六个特点： 科学化，基于动态考查和静态考查的定量分析，最大限度避免了定性分析中的主观性因素所造成的偏差； 体系化，表明量化管理是一项系统性工程； 指标化，体现了大数据背景下“一切皆可量化”的思维； 动态化，体现了量化管理对企业文化发展规律的认识和把握； 闭环化，表明量化管理过程的完整性； 精细化，表明量化管理使企业文化真正落实、落细、落深。 企业部门建设 每一个数据项目由四部分组成，第一是理解业务需求，第二是收集和编排，准备数据，第三个是做数据模型，第四是运行出结果。 企业的数据需求一方面使企业增加了对专业的数据分析部门的需求，另一方面，也数据驱动企业内部的业务合作，推动了企业之中的部门壁垒的打破，对于企业整体的向心力促进产生了积极的作用。 企业风险管理 大数据从数据生成、信息收集到数据的发布、分析和应用，牵涉各个层面。例如数据共享产生的数据公开，大数据存储的隐私泄露等风险。但是，大数据通过分析也能预测企业面临的风险进行及时的管控。大数据对企业内的风险管理扩大了企业资产的范围，对于企业安全管理产生了新的管理意识。 以自贸区为例，目前在中国（上海）自由贸易区现有监控体系的基础上，从自贸区中的金融风险入手，结合大数据技术构建自贸区风险监控平台。这一平台的建立需要打破各个管理部门的数据壁垒，构建统一的数据标准，整合不同的数据资源，包括自贸区中银企的资信状况和业务活动、资金流的进出、利率和汇率的变化等，确保后续分析的有效性和可靠性。结合分布式计算、云计算和粒计算方法的大数据技术，对物流、资金流、信息流各个方面进行数据分析和挖掘，采用并行关联规则算法、并行优化算法、并行分类算法和并行聚类算法等，挖掘自贸区中的风险特征模式。 企业外部合作 在企业合作中，大数据在企业合作对象的选择上也发挥了重要的作用。首先企业可以通过社会舆论和候选合作企业的相关数据分析预测与其合作的可行性及未来风险。此外，大数据也对企业合作者的范围带来了巨大的变化。企业在其合作对象中，大数据对于跨行业、跨地域的企业合作带来了巨大的机遇。 思考题 1、简述商业分析在组织环境变革中产生的影响。 2、根据自身情况，思考商业分析人才需求旺盛所带来的机遇与挑战。 3、具体谈谈如何在某一领域构建一个商业分析团队。 $$