抖音数据运营是做什么的(京东的数据运营是做什么的)

转载/与数据同行 ,作者傅一平

2004年进的公司,至今18年了,今天来聊聊自己所经历的数据团队的演进过程。

1、2004年 原始状态

在刚进公司的时候,IT部门里没有专门的数据科室,只有一个开发科室,OLTP和OLAP混在一起,当时加上我一共3个人从事报表取数工作,每天大约1-2个取数单子,每月几张报表开发任务,外加维护报表库,那个时候,没有合作伙伴。

2、2005年 经营分析室1.0

2005年公司还处于话务经营的时代,当时就启动了第一代数据仓库的建设,在IT部门下专门成立了经营分析室,自己是其中一员,记得共4个人吧,1人负责数据仓库建设运营,1人负责KPI+报表开发,我负责取数,还有一位主管,由于数据仓库和报表取数的工作越来越多,因此有了固定的合作伙伴团队。

这种组织架构比较精炼,没有什么层级,沟通成本也很低,满足了当时公司数据生产的基本要求。

3、2008年 经营分析室2.0

2008年公司进入流量经营时代,业务部门对于精确营销提出了越来越多要求,经营分析室在原有数据仓库、KPI、报表、取数的基础上,陆续增加了专题应用、营销管理平台、标签库等工作内容,人员也增加到了8人,这种职能架构延续了6年。

4、2009年 信息管理室

由于特殊的原因,当时管理信息室(MSS)和经营分析室进行了短暂合并,改名成了信息管理室,但两个科室的人员还是各做各的,管理信息室做信息化,经营分析室则拼命做精确营销,没有什么交汇点,但冥冥之中似有定数,现在MSS成了公司数字化转型的急先锋,与数据的关系日益紧密。

5、2014年 数据运营部

2014年大数据概念火热,公司意识到了数据的巨大价值,希望有部门能针对公司海量的数据进行挖掘、分析和运营,显然经营分析室这个名字有点小了,因此改名成了数据运营部。这个时候,大家都认识到数据运营是非常专业的工作,因此需要专业的组织分工,数据运营部下设五个小组:

汇通保障组:负责大数据采集(含数据交换)、建模(基础和融合模型)、运维及优化,可以看到,汇通保证组是以提升数据本身的效率为核心的。

平台工具组:负责数据中台工具建设及优化,数据开发及挖掘服务环境建设及优化,平台工具组是以提升数据使用效能为核心的。

报表取数组:为公司提供及时、准确的数据,报表取数是一只数据团队核心的生产职能。

挖掘服务组:为公司各个领域提供数据挖掘创新服务,以前这个职能与报表取数混在一起,但发现两边难以兼顾,因此做了拆分。

对外变现组:进行数据价值变现的探索,这是数据管理团队从内转向外的起点。

2014年不仅是数据中台建设的元年,也是数据变现的元年,那一年,我们的数据价值变现实现了0的突破,但由于很多人身兼数职,因此推进上问题还是很多。

6、2015年 大数据中心

探索了一年后,公司认为时机成熟,决定成立大数据中心,将数据运营部进行拆分,传统的报表取数职能划归OLTP的需求管理部,其他职能划到大数据中心,包括对外价值变现、对内数据挖掘及数据中台等等,这个时候,我们的数据组织架构已经跟大多数公司不太一样了,大数据中心下设三个部室:

数据管理部:负责大数据采集、开发、建模、挖掘及大数据管理体系的建立

应用产品部:负责大数据产品的规划、设计、开发、测试、应用及运营

运营变现部:负责大数据变现的商务拓展、需求管理、合作运营及业务管理等

大家可以看到,大数据中心的职能覆盖了从数据到产品再到商务的端到端全过程,类似于一个小事业部,在IT部门设置商务拓展这种职能在业界还是比较少见的。

现在看来也是合理的,因为在大数据创新的初期,IT的驱动力会强一点,一方面源于大数据这种业务的特殊性,另一方面对传统业务部门来讲,大数据变现初期那点收入可能不够看,这会扼杀创新,正如《创新的窘境》说得那样。

当然大数据中心不仅要对外价值变现,也要做好对内的赋能,因此有点双线作战的意思,但我认为这种两边作战的组织架构在当时带来了好处。

传统做数据的人价值出口偏少,每天就围着几个业务部门转,这限制了数据人的视野和格局,大数据中心对外开了口子,让长期做内部数据支持的人看到了真实的市场,潜移默化的影响着每个人做事的方式。

比如对外做过数据产品后,对内做产品的时候就会比较强调客户感知,对外做了模型后,就会知道原来某个数据特别有价值,因此会想着如何把对内也做做好。

自己2016年开始写文章,一个原因就是发现外面的世界太大,自己那点专业知识在大市场面前不值一提,不知道自己不知道是最大的问题。

7、当下 企业数据管理部

公司原来对数据的应用主要局限在决策支持和精确营销领域,但近几年随着公司数字化转型的深入,公司各个领域都开始尝试拓展数据的应用范围,希望基于数据的运营来推动流程优化和流程重构,《华为数据之道》碰到的问题,我们也碰到了,这个时候,企业级数据治理的必要性变大了。

康威定律说得好,组织架构决定系统架构,要承担企业级的数据治理工作,就需要企业级数据治理组织的保障,公司近期成立了企业级数据治理委员会,明确了公司和领域数据责任人职责,数据管理部也从大数据中心重新回到了本部,但跟原来的数据运营组的职能已经有了很大的差别,企业数据管理部的一种小组划分方式如下:

数据治理组:负责顶层设计、建章立制、流程管理、主数据管理等等

数据服务组:负责数据中台运营和数据开发、挖掘、开放等等

技术运营组:负责数据工具链建设和运维保障

综合协同组:负责综合事务、外部协同、宣传推广、培训竞赛等等

你会看到,数据管理部承担的更多是企业级的数据支持工作,无论是数据治理、数据中台还是工具链等等,即使是去做数据开发和挖掘工作,也跟领域的数据团队有明显的区别,比如只做基础标签,不做营销标签,同时会去做一些领域的补位,比如某个领域如果没有数据支撑团队,那么数据管理部就会顶上去,那些空白领域的数据赋能往往是从0到1,因此边际效益会比较高。

最后要说一句,分久必合,合久必分,没有固定形态的数据团队,我们只能跟随着时代的脚步起舞。

创业项目群,学习操作 18个小项目,添加 微信:80709525  备注:小项目

本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 sumchina520@foxmail.com 举报,一经查实,本站将立刻删除。
如若转载,请注明出处:https://www.hakx2sc.com/2654.html