打字猴:1.700433931e+09
1700433931
1700433932 我们要强调的是,最重要的并非组织结构,而是要让正确的人出于正确的原因执行正确的分析。同样重要的是,要创造一种公司环境,并营造一种企业文化,以便招聘、培养和留住合适的分析人才。
1700433933
1700433934 驾驭大数据 [:1700430656]
1700433935 9.5 持续更新团队技能
1700433936
1700433937 分析团队和其他团队一样,也有不同级别的成员,不同成员的技能和职责可能完全不同。有一两名资深的高级管理人员,也有一批刚从学校毕业的毛头小伙子。团队刚开始组建时,关心的是可以立竿见影解决手头问题的急需技能。这时候队伍没有那么大,还不能较好地完成这些工作。
1700433938
1700433939 但随着团队的扩张,我们就需要特意地引进不同的分析人才。可能公司最初找到的人有很深厚的数据挖掘背景。团队壮大以后,我们需要有很强优化背景或者预测分析背景的人。随着各种分析背景的分析专家就位,他们为我们提供的业务增值机会将越来越多。此外,随着团队的不断成长,我们还可以建立不同的职业发展路径。一开始招聘到的员工都是相当有经验的,因为他们必须靠自己,几乎无法从别人那里获得什么指导。随着团队变得越来越大,我们可以招聘一些经验较少的人,慢慢来培养。
1700433940
1700433941 驾驭大数据 [:1700430657]
1700433942 9.5.1 矩阵式方法
1700433943
1700433944 一种可以让分析专家保持敏锐技能的方法是采用所谓的“矩阵式”方法。这是一种非层级化的团队运作方式,其运作方式如下,对于给定的项目,要先指定所谓的分析组长。分析组长有几项关键职责。第一,要负责项目管理。幸运的是,多数分析项目的管理工作并不可怕,组长要把握管理的工作量。第二,组长要为项目方向负责,制定分析计划,保证团队可以按时交付项目。第三,也是最重要的一点,组长是分析结果的总负责人,要负责解释,负责给出建议,负责编纂各种所需的交付结果。领导项目的分析组长通常负责管理一名或多名分析专家。分析专家们在组长的领导下,开展日常的项目工作。
1700433945
1700433946 我们的组织并非一定得有一个顶着分析组长头衔的人待在项目上。这是因为项目组长本身并非是一种头衔或职级,它是由于项目的需要而自然产生的。比方说一个团队有两名分析专家,分别是Bob和Sue。A项目Sue是组长,Bob是手下。B项目,Bob是组长,Sue是手下。每个项目的组长安排要根据谁最适合来确定,如果项目的重点是面向预测分析的,那么熟悉预测分析问题的人就应该担任组长。
1700433947
1700433948 进入矩阵!
1700433949
1700433950 矩阵式方法是一种非常棒的管理分析团队的方法,可以提高生产率,形成团队凝聚力,并使分析专家不断有被挑战的感觉。矩阵法可以使关注点放在交付结果而非头衔和职位上,在这种文化下,人们更容易获得成功,每个人关心的都是如何找到正确的答案,而不是关心到底是谁找到的答案。
1700433951
1700433952 当然,经过一段时间,最强的和最资深的分析专家将有更多的机会成为组长。同样地,新来的和弱一些的分析人员会更多地作为团队成员。但是,这种作法并非只是纯粹地论资排辈,矩阵模式巧妙地进行了融合。这就是使用矩阵式方法来运作分析团队的原因。矩阵式组织结构中,能力不同的分析人员待在一起工作,但团队的紧密程度和凝聚力会让你感到惊讶。小我的感觉会被较好地抑制,因为所有的团队成员都将时不时地在同事的领导下工作。团队会达到真正的互相信任,会了解团队成员彼此的实力。他们还会积极地学习他人的优点,请看下面的交叉培训。
1700433953
1700433954 交叉培训
1700433955
1700433956 不管分析团队的组织结构如何,最重要的事是确保分析专家之间能够交叉培训。如果有人是编程大牛,那他就要时常为大家倾情撰写编程技巧指南,或者一对一地辅导,甚至还可以开一个短期学习班。这样,团队就会一直保持增长势头和被挑战的感觉。最好的方法是让他们进入自己根本不了解的分析领域,并和同事一起做项目。这样,分享知识的分析专家和作为学生的分析人员都会有所收获。
1700433957
1700433958 驾驭大数据 [:1700430658]
1700433959 9.5.2 管理人员不能眼高手低
1700433960
1700433961 分析管理人员和主管也要亲自参与分析,以保持他们的技能水平。不管从事何种工作,人们都讨厌那种“假大空”,虽然职位高高在上,却并不了解如何做事的人。有时候,这些人以前确实了解很多东西,但随着时间流逝,他们逐渐丧失了那些技能。无论如何,这种人都会被认定为眼下做不了太多事儿的人。他们只会说,不会做。
1700433962
1700433963 与普通人相比,分析专家对这些事情更敏感。许多技术领域都存在相同的问题。面对只说不做的领导,技术人员不会尊重他们,他们只会透过别人的肩膀,告诉别人要做什么,对别人的工作品头论足。如果分析专家感觉管理人员只会谈论分析的事情,而不会亲自操刀做分析,那几乎可以肯定管理人员将无法得到分析专家的尊重。但我们并不是说,如果管理人员在每个领域都不像团队成员那么精通,他就做不了管理者。关键在于我们要认识到自己的不足,相信团队可以比自己研究得更深入。
1700433964
1700433965 管理人员技能保鲜法,学习绝地武士!
1700433966
1700433967 星球大战系列中尤达大师总是站在幕后做指挥。但是,有需要的时候,大师也能赤膊上阵,一起战斗。同样地,优秀的分析管理人员可能并不需要每天亲自做分析工作,但有需要的时候,他们也能亲自操刀做出最好的分析。如果员工心里知道团队领导也可以亲自动手做分析的话,团队将会一直保持警惕的心态。
1700433968
1700433969 怎样才能使技能保鲜,我们可以考虑每年至少将各位分析管理人员的职责变动一次,让他们可以深入业务,实际动手去做分析工作。这是一种有效的技能保鲜法,但是很难坚持。也有企业愿意采用这种作法。我知道有一家连锁饭店要求它的所有员工每年都在餐馆里工作一段时间,好理解一线发生的事情。这样每个人都会通过实际接触来获得真实的体验,我认识的那些人,他们都觉得这种每年一次的实际锻炼非常有意义。
1700433970
1700433971 驾驭大数据 [:1700430659]
1700433972 9.6 应该由谁来做高级分析工作
1700433973
1700433974 有一个话题曾反复不断地在分析圈子中被讨论,假如说软件工具可以通过用户友好的界面来执行高级分析操作,那我们应不应该让那些没有经过分析训练的人来自己使用这些工具进行分析?这个话题我也曾在我的博客〔2〕上谈起过。
1700433975
1700433976 这个问题背后隐藏的意思是,许多人都认为,拥有一个可以通过界面点选操作随意进行导航的工具,就能够很容易地实现恰当和合理地使用这个工具。如第6章所述,事实并非如此。工具的容易使用并不表示我们就可以正确地使用工具。事实上,易用性的存在让我们更容易不知不觉地做错事情。譬如说,使用通过点选界面生成SQL的工具可以很随意地做Join操作。虽然工具可以正确地拼凑SQL语法,但可能生成的语法根本没有任何实际含义。
1700433977
1700433978 作为一家企业,我们要确保使用任何工具的个体都具备适合的技能、经验和观点。虽然分析工具可以替我们节约一些编程时间,但我们自己也得理解所生成的分析才行。如果能确保新手可以提出恰当的问题,而给出答案的数据都已经格式正确地在那里等着分析,使用的算法也都是我们所熟悉的,那任何人都能成功。在拥有所有完美条件的情况下,那可真是只用点点鼠标就行了。但是,实际情况是,这种理想状态永远都不会出现。
1700433979
1700433980 关于如何进行分析和建模我们已经讲得够多了,这个过程远远不是单纯地点击鼠标那么简单。我们的预测行为正确吗?支撑预测结果的变量集是不是最好的?分析专家是不是有经验,是否知道事情是什么时候开始变味的?分析专家是否知道该如何处理出现的问题?正如第7章所述,根本不存在什么“魔术”按钮,点一下就可以进行高级分析!
[ 上一页 ]  [ :1.700433931e+09 ]  [ 下一页 ]