【2018年整理】清华大数据文摘：顶级数据团队建设全景报告.pptxVIP

顶级数据团队建设 全景报告 A Roadmap to a Top Data-driven Enterprise 1 数据团队建设现状 行业间数据团队建设存在差异 信息化程度高的行业建设进度领先 数据团队成立时间短仍处于发展期 数据团队建设面临困境 数据团队价值落地艰难 业务团队缺乏合作动力 数据团队存在人才缺口 2 顶级数据团队要素 明确的数据驱动战略 清晰的数据团队建设目标 将数据和数据分析纳入决策流程 高效的数据团队组建 团队领导者的职责 数据团队的架构 数据人才的投资 数据之外的必备技能 附录 问卷调研样本分布 参考文献 调研组主要成员 致谢 联合调研组采用了海量数据分析 、定向问卷调查与深度访谈等方法，分别针对企业高层 、数据团队负责 人 、数据从业者和其他相关人员进行广泛而深入的调研，力求从尽量多的角度还原现阶段数据团队的 建设全景 。 海量数据分析 ：对“ 数据 、分析 、机器学习 ”等关键词进行全网爬取，通过数据清洗 、数据分析 、数据可视 化等步骤对超过 50,000 条的网络公开招聘信息进行分析 。 定向问卷调查 ：通过互联网向数据团队相关从业者和负责人发放定向问卷，并回收 1,033 份有效问卷 。 深度访谈 ：对 10 位优秀数据团队负责人进行深度访谈，涵盖国内外不同行业及发展阶段的公司或组织 。 调研方法 数 据 团 队 建 设 现 状 01 数据团队通过数据采集、数据存储、数据处理、数据分析和 数据洞察等步骤，利用数据科学来为组织提供辅助决策 、 效率提升和流程简化等服务。 行业间数据团队建设存在差异 数据团队需要建立在一定的数据基础之上 。数据本身的采集 、存储 、处理 、分析 、洞察等工作与行业的信息 化程度密切相关 。由于行业间的信息化程度存在较大差异，数据团队的建设也存在较大的差异 。 信息化程度高的行业团队建设进度领先 问卷调研结果显示 ：现阶段，拥有数据团队比例最高的是信息化程度较好的金融业和IT行业 。其中，金融业的数 据业务外包比例最高，多采 用“ 外包+内生 ”模式 ；IT行业的数据团队结构较为集中，在行业中拥有独立数据团队 的比例最大，较少采用数据外包服务 。 目前 ，尽管部分组织的决策者已经具备了数据驱动意识 ，但数据价值的真正落地仍然艰难 。只有某些信息化 程度高的行业 ，如互联网 、金融等 ，配备有完整的数据团队 ，多数信息化程度偏低的行业仍然处于数据团队 建设的初级阶段⸺数据团 队“做什么 ”、“怎么做 ”等问题仍不清晰。 在工作内容方面 ，现阶段的数据团队除了要承担数据驱动决策 、数据驱动业务的工作外 ，往往还承担着产品 优化 、技术研发等工作 。建设目标不清晰 、业务界限模糊 、人才缺乏等问题是这些团队面临的普遍困扰 。但 是长远来看 ，数据团队依然具有非常广阔的发展前景。 金融业 信息技术服务业 能源业 商务服务业 文化、体育和娱乐业 公共管理和社会工作 制造业 科学研究和教育 0% 20% 40% 60% 图1.1.1.1 您所在机构是否有数据团队（分行业） 80% 100% *备注：因样本量太小不具代表性的行业未列入 没有数据 相关团队/岗位 有外包的数据团队 数据团队/ 岗位嵌入其他部门 有独立数据团队 - 10 - 数据军备竞赛赛道 金融业 互联网 比较成熟的工程师文化，数据 团队 作为核心竞争力不愿外包 、资金相 对雄厚 金融 多采 用“ 外包+内生 ”模式 ，重分析 与业务，数据驱动营收模式明显，稳 步推进 交通运输 医疗健康 公共管理 能源 科教 制造 建筑 房地产 *行业内多数公司已有相对规模的完整数据团队 *行业内主要公司仍处在信息化建设 过程中，公司配备有数据人员 住宿餐饮 农业 *行业内主要公司还没有 或者刚刚开始信息化建设 CATERING *行业内主要公司已经完成了信息化， 正在或者打算建设数据团队 终点 起点 互联网 - 11 - 在已经拥有数据团队的机构中，IT 、金融 、制造业中的数据团队建设时间较早，存在1年以上比例最高 。 3个月以下 3-12个月 1-2年 2-3年 3年以上 制造业 信息技术服务业 金融业 科学研究和教育 商务服务业 能源业 13.02% 24.93% 图1.1.2.1 您所在机构拥有数据团队多久了 图1.1.2.2 您所在组织或机构拥有数据团队多久了（分行业） *备注：因样本量太小不具代表性的行业未列入 0% 20% 10% 40% 50% 30% 60% 70% 80% 90% 100% 数据团队成立时间短仍处于发展期 数据团队是近些年随着大数据概念的推广而产生的新型团队 。因此，相较于组织或机构内成熟运行的其他部门， 数据团