数据部门在如今的企业中，都是非常重要的，数据部门的建立需要与产品、研发等部门配合。 首先作者分享了自己在第一家公司中，如何在没有任何产品、技术、业务等资源的情况下，建立起数据部门。 这是我以前没有做过的事情，之前在没有任何经验和资源的情况下，自己搭建起一家公司。 可能大家会想，一个业务岗怎么能成为一家公司的“管理岗”呢？其实这跟大家以前想的有很大不同。
1. 首先需要明确公司的业务目标和数据需求，以便确定数据部门的目标和职责。
“目标”是指公司希望达到的结果，“需求”是指在达成目标的过程中需要的资源。 这两者之间是有对应关系的，并且通常业务目标跟数据需求之间，会有一个“预期差”。 业务目标是一家公司在做某件事情时，希望达到的结果，数据需求则是当你在做这件事时，需要一些数据来支持你做出某些决策。 举个例子来说，一个用户想要购买某件产品时，可能不会关注这家公司具体卖的产品，更多的是考虑这家公司的品牌价值和口碑。然后公司可能会让你去给他推荐一些其他品牌的产品。 一般情况下，对于我们来说，就需要去做“市场调研”、“用户画像”、“竞品分析”等工作。 当你发现这家公司不卖某个产品时，通常会发现市场上还有其他类似的产品在卖。通常会将这些同类产品列出来做比较。 而在这个过程中，其实数据需求也会发生变化。当你发现这个品类的市场非常小，而公司想要去做一个新品类时（比如电商行业），就需要去想这个新品类可能会带来什么样的价值。 而在这个时候，你就需要把这个品类当中一些相关数据给弄出来。 又或者是当你发现某家公司卖这个产品时特别赚钱。那么很可能在公司内部有一些人是靠此赚钱的。 那这个时候你就需要去思考一个问题：这家公司这样赚钱，那么他们获取数据的方式是怎样的？ 如果你能发现这家公司获取数据的方式比较“另类”（比如通过用户数据来分析客户画像），那么就能找到这家公司获取数据的方式。 当你找到了这些方式之后，你就可以去思考数据部门应该怎么去组建和定位了。 虽然数据部门在刚开始搭建时会比较“迷茫”（比如不知道该做什么），但是当你把你想要建立的数据部门想明白之后，就能知道从哪些角度去搭建。 并且数据部门所需要做的工作也是比较清晰的，需要做一些什么事，需要关注哪些关键指标等等。
LinkFlow微信
2. 需要建立一套完整的数据生态系统，包括数据收集、清洗、存储、处理和可视化等环节。
这些环节都是业务部门的工作，产品开发和设计团队也会参与其中，而不是数据部门自己单独做这些事情。所以需要把整个生态系统建立起来，从数据源的收集、清洗到存储，再到对数据进行分析，最后把结果呈现出来。 这个生态系统中各个环节的负责人都应该是业务部门的人员。如果你现在没有业务部门的人员，我建议你从需求入手，梳理需求的优先级。虽然这听起来像一个鸡汤文一样的故事，但是实际操作起来还是有很多坑的。 因为如果你不是业务部门出身，可能没有办法很好地理解业务部门的人想要什么、怎么做。 因为你并不知道这个需求是不是他的核心需求，也不知道他具体想要解决什么问题。如果你之前没有业务经验，又没有找到业务部门的负责人一起来沟通需求，那么这件事情就会变得很困难。 你需要去问业务部门负责人关于这个需求所要解决的问题是什么。问清楚了之后，才能对这个需求进行拆解。 可以用甘特图来描述这个过程： 接下来就是规划数据部门内部组织架构、业务流程和资源分配等问题了。我们现在并不需要去组建一个数据团队来做这件事情，所以要把关注点放在上面三个问题上。 首先要确认产品经理是不是公司高层：如果他不是高层，那他只负责产品功能；如果他是高层的话，那就要跟他沟通清楚数据部门的具体业务和功能。 接下来就是分析不同角色对数据部门在公司中扮演什么角色：
3. 选择合适的数据分析工具和技术，建立相应的数据分析平台和数据仓库。
当时用的是两款产品： Power BI和 Tableau。 Power BI主要用于企业数据分析，我觉得他的优势主要在于： 可以和我们的业务进行对接，分析出来的结果，可以直接用来指导业务；对数据安全有很高的要求，使用的时候需要做脱敏处理；要能够生成 BI报告和大屏等； Tableau主要用于数据分析和报表开发，因为它在技术上有很多特点： 对数据支持方面比 Power BI更好，比如通过关系型数据库，可以同时分析多个表；不需要大量计算；能够很方便地实现报表开发；对于报表开发和数据分析工具都提供了完善的支持。 在搭建平台之前，其实我们已经建立了一个数据仓库，存储着所有的业务数据。 因为当时刚开始做这件事，所以对于这个仓库的内容还不太了解，所以我先建立了一个小型的数据仓库，存放着所有数据。
4. 招聘合适的数据分析人才，并建立良好的团队文化和沟通机制，以便保持团队的高效运作。
最后作者分享了自己建立数据部门的流程，主要分为四步： 1.建立数据团队：从业务部门里找一些有经验的人，并进行分析岗招聘；2.组建数据团队：把有经验的人拉入到数据团队中来；3.数据模型建设：做一些简单的数据模型，并对数据进行清洗；4.团队文化建设：数据团队内部需要有一个良好的工作氛围，沟通机制。在后续工作中，我会持续分享这方面的经验。 作者在开始建立这类组织时，还不知道如何进行有效的沟通，我就通过在工作中学习和总结，通过将自己日常的一些思考记录下来，并撰写成文章。 在最后作者分享了一些小技巧： 1.如果大家对这方面感兴趣，也可以看看我写的《如何从0到1建立一个数据部门？》 2.如果有同事在做这方面的工作，可以尝试对他进行沟通。 3.有能力和资源的同事也可以跟我交流，大家互相学习。
5. 最后需要不断优化数据部门的运作，以确保数据的质量和可靠性，同时不断探索新的数据分析技
数据分析工作的复杂程度也是呈指数级增长，需要持续学习并关注最新的技术，才能不断提升自己的工作效率。所以说搭建数据部门这件事情，也是一场修行，我将一直走在这条路上。 搭建数据部门这件事其实也不复杂，我们在设计开发产品的时候，就已经考虑到如何搭建一家数据部门，而且后续也会有专门的技术团队进行运维。但是对于非技术团队来说，要搭建一家数据部门也不容易。 其实数据部门这个概念最早是在阿里提出来的，阿里最初的定位是做营销平台。后来随着业务的发展，逐渐将重心转移到了产品开发上。当时阿里还没有形成数据驱动型的组织文化，所以对于刚成立的数据部门来说，遇到了很多挑战。 首先是没有业务资源可以用来支撑数据部门的运营；其次是产品和研发经常会把数据分析任务丢给数据部门。再加上我们做的是营销平台，对于用户数据的需求没有那么多，所以这个时候就需要一个专门负责需求挖掘和分析的人。 而在当时我所在的公司没有任何产品、技术和业务资源可以用来支撑这件事，所以我只能硬着头皮自己来做了。
----------
LinkTalk x 游读科技，掌握全域融合的 5 天未来总裁训练营！
主题：数据到底有什么用？！传你一套心法、套路和招式
时间：每周一到每周五，无回放，提前预约锁定！
主要内容：
- 解惑：为什么你看重数据却不如大力出奇迹有效果
- 授业：如何搭建起一整套客观有用的数据洞察体系
- 传道：会看数和会用数之间到底隔着哪些鸿沟
扫码预约直播，根据提示加入学习群：
- 优质圈层智力成果：50000+ 增长黑客、一线运营、销转高手、业务负责人，每日讨论全域营销、用户洞察、转化率优化等热门话题；
- 专属咨询绿色通道：1v1反馈您遇到的问题，请认真填写下方申请，专家将根据您的实际需求为您提供1v1业务诊断与分析：http://ln8w.cn/Svibaa
- 私享大师班直通车：不论你是私域一线还是营销老手，不论您是为了个人突破还是为了团队管理，不论您关注销售、运营还是营销、数据分析，只要您希望通过系统学习彻底解决当前困局，大师班都将为你提供宝贵的知识和实用的策略，助你成为面向未来趋势的顶尖高手：https://m.lizhiweike.com/channel2/1470427
让数据流动起来，开启业绩增长！
了解500+品牌零售商使用LinkFlow的场景用例
