关于数据团队的价值，，核心来讲就是两个东西：

第一，从数据分析或者说数据团队，他对于很多公司而言核心作用就是去做量化。我之前总结了一个叫三个披萨的一个理念，就是三个量化。

① 我们需要去量化整个目标，也就我们通过内部的工具或者通过制度把我们的指标口径统一，去量化目标；

② 我们需要做过程中的量化。我之前有推两种类型的东西，一个类型是数据看板，如果是做 BI 的都了解，就是 dashboard 这一块。另一个类型是我们会针对一些项目会做一个站会制度。针对一些项目的场景，例如电商里面可能会有大促的场景。那么我会集中去把运营产品数据让大家一起聊。所谓的站会制度其实是大概 10 分钟的一个短会，但可以有比较多的一个讨论；

③ 我们需要量化结果，那量化结果我们也是有两种方式。第一种是我们会去推业务场景的数据复盘会，比如说我们每个月固定的去给他们做复盘，大家可以理解为月报就好。第二种我们会针对一些重点项目去做项目的数据复盘，分析项目从开始如何到过程如何，最后结果是怎么样，当中有没有可以去改进优化的一点。老板会去了解你这个团队做的事情，属于你的日常工作当中占时间相对比较多的。一般我们日常理解上会觉得它是一个很高大上的，但实际很多时候这些事情是有很多的细节去做。

我之前会讲可能所有做数据的小伙伴都想去做数据策略，或者说去做数据模型，包括去做一些数据产品的应用。我们会有 BI 的小伙伴可能更多的是通过数据分析报告的方式去产生一些策略。那数据模型可能是分析师跟数据挖掘、算法一起去推动这种数据模型的落地。

最后，数据产品其实又是有两种类型，第一种属于对内的，内部使用的数据产品。第二个就是像数字银行，属于对外能够产生营收的了。所以从数据数据的团队的价值来角度来讲，其实核心的还是去做量化，只是在这个事情做好基础之上，我们能够去尝试做策略和数据应用。这是第一个点。

第二点实现路径，我之前提了一个理论叫 abc 矩阵，就是说一个数据应用体系。这些其实都在我们之前的文章里面，也都有比较详细的去讲这件事情。比如说刚刚有提到数据应用这个模块，我们会有两个类型的维度去拆这个数据应用，它的面向对象是对内还是对外？这是一个维度。第二个纬度是偏展示类的，还是偏操作类的？举个例子，比如对内的展示，可能是一个业务看板。然后操作类的，可能我们会有一些自助查询平台。

还有就是数据能力矩阵，我也是把它拆成了两块。第一就是更偏向是人工的能力，还是更偏向系统能力，也说它是更偏向管理的能力，还是更偏向应用的能力。比如说偏向人工并且是应用项的，就是我们日常做的数据提取，这是一个能力，数据分析是一个能力，偏向人工去操作并且是管理上的。比如说数据监控去做一些异常报警，比如说数据口径，需要你去做梳理，那就是系统层面的。比如系统层面的应用，数据接口，提供API，比如说数据推送，就是偏系统类的应用。然后系统类的，偏管理的，比如说指标管理平台，比如标签管理平台。

第三点是数据文化矩阵，我们也会说有对内和对外，是偏向技能侧的，还是偏向业务侧的。因为后面再讲到这一块，所以就先不展开了。那这部分其实是我认为是数据团队能够给公司带来的主要的价值。

后面我们说部门要怎么去搞。我可能工作履历相对来会多一些。第一种架构，相对来说公司规模比较大，并且成一定体系，它会有一个单独的大数据部门，数据产品、数据分析师，甚至算法工程师都是在同一个 team 里面，算是技术向的，然后老大是汇报给 CTO 的这种架构。

第二种架构，属于偏运营或偏业务向的，业务里面会有BI 团队给业务负责人做汇报。第三种架构比较特别，也有一些公司把 BI作为一级部门，他不是汇报给 CTO ，而是汇报给 CEO 的，这种就更偏向于我们不只是普通的业务场景，也还会需要去做整个公司的一些战略参考。

还有一些比较奇怪的方式，有些公司会把 BI 团队放在财务下面，其实就是放在不同的架构下面，反映是什么？反映的是老板对这件事情的理解，怎么去布局，就证明把这个放在什么样的一个位置。如果放到一个更显眼的位置，那证明我对这件事情，不一定是懂，但是我至少是觉得这个更重要，对吧？

从部门的角度来说，所谓的数据团队或者数分团队，内部架构会需要什么样的人呢？最少的其实就是只要分析师就好了， BI 团队是作为一个数据部门，然后数据数仓，数据产品其实都属于说技术部门，那这是一种就最少的这个数据分析的一个构成。

还有一种结构，会把数分、数据产品和数仓放在一起。这种相对来说不存在对外的协同。数据产品也好，数仓也好，大家的目标就相对来说是更一致，因为如果是在不同部门架构下，目标是会有一丁点的差异。当然从我自己的背景来说的话，我也做过不少的用户研究。涉及到架构的，我觉得就是你怎么去定义这件事情。如果说你就像我刚刚说的有很多不同的部门，都属于大数据团队、属于技术平台，那其实不只是服务于数仓技术架构，所以也不需要放在一起，因为它更多的是一个公用职能。

我对这件事情的理解就是你应该更多考虑架构本身要怎么去用。一个完整的数据团队需要包括用研和战略，并且需要有一个项目经理的角色。这个可能跟我自己的一个经历有关系。因为我们做很多数据分析工作或者看板，我们每天在看大量的数，但有时候我们只知道你可能通过一些数据层面去解释数据。然而很多时候有一些原因是需要更进一步的了解市场、了解业务，才能知道更多。所以我自己的理想状态里是需要包括用户研究的。

为什么一个成熟规模的公司的数据团队里要有项目经理的角色？因为我们很多时候会变成都只是做日常工作，没有重点项目，很难有表现，因人都觉得只是需要就来找你，但你没有有什么东西是掌握在自己手上。

我理解上就是数据团队的建制的问题。核心点就是我们需要按照实际需求，按照整个公司的发展阶段来具体分析。有些数据团队最早可能是没有数据分析师的，只有一个数据产品，因为数据产品同时能够满足一些基本的这种取数需求了，所以不需要一个专职的分析师去做更多的分析。但是，往往大家分工还是有差异，所以核心点就是按需求和分阶段，建部门。

免责申明：

本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack