品牌网站建设

常见的企业内部的职能架构是什么样的?

阅读  ·  发布日期 2021-05-22 23:03

常见的企业内部的职能架构有三种形式:分散型数据架构、集中型数据架构和复合型数据架构。 1.分散型数据架构 在分散型数据架构中,数据作为单独的部门位于各业务中心之下,职责...

详细信息
常见的企业内部的职能架构有三种形式:分散型数据架构、集中型数据架构和复合型数据架构。
1.分散型数据架构
在分散型数据架构中,数据作为单独的部门位于各业务中心之下,职责是提供本中心的数据支持。如图2-1所示,营销中心、运营中心、会员中心、采销中心和IT中心都有自己的数据部门,各部门相互独立。
分散型数据架构常见于企业创建数据体系的初期,初衷是先将数据置于某个中心之下,待数据工作正常开展并卓有成效之后,再在其他部门成立数据部门并辅助业务工作。
这种数据架构的优势非常明显:前期投入较小,只需人员成本和极少的系统成本便可开展工作;数据从业人员由于处于业务工作体系内,对业务熟悉度较高,数据落地价值更大;另外,相同体系下的各个部门协同工作效率更高,利于业务方的数据理解和执行。当然,这种架构的缺点也显而易见:
·数据质量难以保证。各部门数据来源分散且不完整,数据质量难以保证,基于未知质量上的数据结论可能无法立足。
·数据共享困难。不同数据部门之间的数据孤立还会导致数据孤岛的出现,不同的思维方法、工作机制,甚至定义方法不同导致数据源和数据结果无法共享。比如对于转化率的定义方法,可能有订单/UV,订单/访问,订单客户/UV甚至件数/PV。数据共享困难一方面造成数据价值难以最大化传播,另一方面也造成一定的人力、时间和物资的浪费。
·数据结果混乱。由于数据来源不一致或同一来源下口径的不同,各个业务部门汇报的结果可能导致数据有出入。这会影响决策层对业务结果的判断,同时影响数据的可信度。
·难以形成合力。各部门基于自身的需求搭建支持体系,不同部门间难以形成合力来共同搭建对全公司服务的数据支撑点。
2.集中型数据架构
集中型数据架构与分散型数据架构相反,它是把所有的数据工作汇总到一个中心集中统筹规则,通常该中心是信息技术中心或IT中心。
这种数据架构体系有效地解决了数据源不一致和数据口径定义的问题。由于所有数据从生产到应用都由该中心统一负责,数据质量较高。这种数据架构的唯一问题是业务理解与支持较弱:
·业务工作流程复杂。所有业务中心的数据需求都需要经过该中心处理,需求沟通、确认、实施、反馈的流程较为复杂,影响业务对数据需求的积极性与主动性。
·业务理解度不够。在该中心统筹下的数据体系,附带了技术的思维方式和工作方式,对业务的理解程度低,使得数据难以落地应用。
·技术响应及时性差。该中心的部门都有各自的工作计划和排期,业务方多而杂的临时需求影响其正常的工作,大量需求可能被积压甚至无限延期。
为了解决集中型数据架构带来的业务应用问题,行之有效的一种方法是派驻数据分析师到各个业务中心。这能在很大程度上缓解技术类中心“不懂业务”的被动局面,但对数据分析师个人素质和能力有较高的要求:
·扎实的基本数据素质。分析师需要具有扎实的基本数据素质,能及时、有效、准确地解答业务数据中存在的问题。
·良好的个人时间把控。由于其身处于业务中间,会面临很多临时需求,包括咨询、取数、分析、报告等,这要求分析师能具有良好的个人时间管理素质。
·完善的工作流程和机制。流程和机制可以使各项工作有据可依,在过滤无效需求的同时保证数据安全性、有效性、及时性和落地应用价值。
3.复合型数据架构
复合型数据架构是建立在分散型和集中型数据架构基础上的复合组织架构。数据端集中到统一中心之下管理,该中心通常是IT或数据中心;业务端分散到各业务中心之下设立数据支持部门。
复合型数据架构既能保证数据的质量标准化,又能保证各个业务节点的数据落地应用,同时还可以结合各业务共同需求及公司战略发展需求开发全局应用的智能产品。下面介绍不同中心的分工。