Chiến lược xây dựng nhóm phân tích dữ liệu trong doanh nghiệp (P2)

30/03/2022
2,103
0

Trong phần 1, chúng ta đã tìm hiểu một số thông tin về nhóm phân tích dữ liệu, các vị trí nhân sự chủ chốt định hình nhóm phân tích dữ liệu gồm có những ai. Ở phần 2 này, ANATICS sẽ giới thiệu cách nhóm phân tích dữ liệu hợp tác với phòng ban khác trong doanh nghiệp, cũng như biết được khi xây dựng nhóm cần tham khảo mô hình phát triển nhóm nào.

Cách nhóm phân tích dữ liệu kết hợp với các phòng ban khác trong công ty

Sự thật là không có một cấu trúc hoàn hảo cho việc xây dựng nhóm phân tích dữ liệu, chắc chắn rằng cấu trúc nhóm của bạn sẽ thay đổi rất nhiều trong tương lai. Có thể thấy rằng nếu cấu trúc nhóm phân tích dữ liệu của bạn không thay đổi trong 2 năm qua, thì đó có thể là cấu trúc dưới mức tối ưu, vì nhu cầu dữ liệu của doanh nghiệp đang phát triển nhanh chóng, đòi hỏi sự điều chỉnh của cấu trúc nhóm phân tích dữ liệu.

Bước đầu tiên để xây dựng nhóm phân tích dữ liệu là tìm những người đã quen làm việc với dữ liệu có sẵn trong tổ chức, họ có thể không có danh từ “dữ liệu” trong chức danh nhưng là những người sẵn sàng để phân tích số liệu hoặc có sẵn kỹ năng về ngôn ngữ truy vấn dữ liệu (SQL) nếu bạn không dành thời gian cho việc sắp xếp những nhân sự có sẵn này vào nhóm phân tích dữ liệu, khả năng cao nhóm phân tích của bạn sẽ không phù hợp với những yêu cầu từ phía kinh doanh.

Mô hình tập trung (Centralized Model)

Mô hình tập trung là cấu trúc đơn giản nhất để triển khai và thường là bước đầu tiên đối với các công ty hướng đến việc định hướng dữ liệu. Tuy nhiên cũng có một số hạn chế đối với mô hình này. Cấu trúc này thường dẫn đến một “nền tảng” dữ liệu tập trung, nơi nhóm phân tích dữ liệu có quyền truy cập vào tất cả dữ liệu và các dịch vụ của toàn tổ chức trong nhiều dự án khác nhau. Tất cả các kỹ sư dữ liệu, nhà phân tích dữ liệu và nhà khoa học dữ liệu trong nhóm này được quản lý trực tiếp bởi người đứng đầu.

Mô hình linh hoạt này có thể thích ứng với nhu cầu phát triển liên tục của một doanh nghiệp đang phát triển. Nếu bạn đang bắt đầu hành trình dữ liệu của mình, tức là bạn vẫn đang đấu tranh để có một tầm nhìn rõ ràng về quá khứ và hiện tại thì đây là cấu trúc được khuyên nên sử dụng. Các dự án đầu tiên của nhóm dữ liệu sẽ tìm cách mang lại giá trị có thể nhìn thấy từ dữ liệu cho doanh nghiệp, đảm bảo tất cả các phòng ban trong tổ chức của bạn đều có KPI và trang báo cáo tổng hợp mà họ có thể tin tưởng. Loại cấu trúc này đặc biệt tốt cho phân tích khi khả năng tái sử dụng và quản lý dữ liệu là quan trọng.

Nguồn: Medium

Lợi ích của mô hình:

Nhóm phân tích dữ liệu có thể hỗ trợ dự án của các nhóm khác, đặt ưu tiên cho những dự án quan trọng.
Có nhiều cơ hội hơn để phát triển tài năng và kỹ năng theo mô hình tập trung. Trên thực tế, nhóm dữ liệu làm việc trên nhiều dự án khác nhau, từ đó các kỹ sư dữ liệu, nhà khoa học và nhà phân tích có thể hưởng lợi từ những thông tin hoặc kiến thức từ đồng đội.
Người đứng đầu bộ phận dữ liệu có cái nhìn tập trung về chiến lược của công ty và có thể chỉ định nhân viên dữ liệu vào các dự án phù hợp nhất với khả năng của họ.
Khuyến khích sự phát triển trong sự nghiệp, các vai trò kỹ sư dữ liệu và nhà khoa học dữ liệu có được góc nhìn chi tiết về các vai trò khi đạt cấp bậc cao.

Hạn chế của mô hình:

Khả năng mất kết nối cao giữa nhóm phân tích dữ liệu và các đơn vị kinh doanh khác. Trong mô hình này, các kỹ sư dữ liệu và nhà khoa học dữ liệu không tham gia nhiều vào các hoạt động hàng ngày của các nhóm khác, khiến họ khó xác định các vấn đề liên quan nhất để giải quyết.
Rủi ro nhóm phân tích bị xem là chức năng “hỗ trợ” cho các bộ phận khác dẫn đến các bộ phận khác không nhận trách nhiệm của họ.
Vì nhóm dữ liệu phục vụ cho tất cả các bộ phận của doanh nghiệp, họ sẽ luôn trong trạng thái quá tải. Điều này sẽ làm một số đơn vị kinh doanh có thể cảm thấy nhu cầu của họ không được giải quyết đúng cách hoặc quy trình lập kế hoạch quá chậm.

Mô hình phi tập trung (Decentralized/Embedded Model)

Trong mô hình phi tập trung, mỗi bộ phận sẽ có nhân viên phân tích dữ liệu riêng với một nền tảng dữ liệu tập trung. Trong mô hình này, các nhà phân tích dữ liệu và nhà khoa học tập trung vào các vấn đề mà từng bộ phận cụ thể của họ phải đối mặt, ít tương tác với những người làm dữ liệu từ các phòng ban khác của công ty. Với cấu trúc này, các nhà phân tích dữ liệu sẽ báo cáo trực tiếp cho người đứng đầu đơn vị kinh doanh của họ.

Nguồn: Medium

Lợi ích của mô hình:

Nhóm phân tích dữ liệu được hoạt động trong một phòng ban sẽ có độ nhanh và chính xác cao hơn vì đội ngũ chuyên tâm vào các chức năng kinh doanh tương ứng và có kiến thức chuyên sâu.
Người quản lý sản phẩm có thể giao nhiệm vụ dữ liệu cho những người có đủ năng lực nhất để thực hiện chúng.
Các nhóm phân tích dữ liệu kinh doanh không phải tranh giành tài nguyên để xây dựng dự án dữ liệu của họ vì các tài nguyên này đã được phân bổ về cho mỗi nhóm.

Hạn chế của mô hình:

Không biết được nguồn dữ liệu chính xác và dễ rơi vào tình huống trùng lặp mục đích khi sử dụng dữ liệu.
Nhân viên dữ liệu phải làm việc với các vấn đề dữ liệu bị lặp lại do thiếu liên lạc giữa các nhóm khác nhau.
Điều kiện làm việc tách biệt dẫn đến suy giảm năng suất trong việc phân tích dữ liệu vì làm việc riêng biệt không có sự trao đổi và học hỏi kiến thức từ đồng nghiệp.
Mô hình này khiến việc tối ưu hoá sử dụng nhân sự phân tích dữ liệu trong các dự án khác nhau trở nên khó khăn hơn.
Các nhà quản lý doanh nghiệp, thường thiếu kiến thức về mặt kỹ thuật, sẽ khó quản lý nhân sự phân tích dữ liệu và hiểu chất lượng công việc của họ.

Mô hình liên kết (Federated model/Centre of excellence)

Mô hình liên kết phù hợp nhất với các doanh nghiệp đã có lợi thế nhất định về dữ liệu, có chiến lược dữ liệu rõ ràng và tập trung vào phân tích dự đoán.

Trong mô hình Centre of excellence (COE), nhân viên phân tích dữ liệu được tham gia cùng với các đơn vị kinh doanh nhưng vẫn trong một nhóm và vẫn có những lợi ích của nhóm như được sự hỗ trợ từ đồng nghiệp và tập huấn từ cấp trên. Trong trường hợp nhân sự trong nhóm phân tích của bạn đang được triển khai ở các phòng ban khác nhau, bạn vẫn có một nhà lãnh đạo, người ưu tiên và giám sát các dự án dữ liệu. Điều này đảm bảo rằng các dự án dữ liệu có lợi nhất sẽ được giải quyết trước tiên.

Chiến lược này phù hợp nhất với các công ty quy mô doanh nghiệp, lớn hơn với lộ trình dữ liệu rõ ràng. Cách tiếp cận này giữ lại những ưu điểm của cả mô hình tập trung và mô hình phi tập trung. Đó là một cấu trúc cân bằng hơn, trong đó các hành động của nhóm phân tích dữ liệu được điều phối, nhưng cũng giữ cho các chuyên gia dữ liệu được tham gia cùng với các đơn vị kinh doanh.

Nguồn: Medium

Lợi ích của mô hình:

Là sự kết hợp của cả hai mô hình tập trung và mô hình phi tập trung, mang những lợi ích của cả hai mô hình.

Hạn chế của mô hình:

Mô hình này đòi hỏi cần thêm một tầng điều phối và giao tiếp giúp giữ vững sự thống nhất giữa nhóm phân tích dữ liệu và các phòng ban, đơn vị kinh doanh khác
Không phù hợp với các tổ chức vừa và nhỏ.

Xây dựng một nhóm phân tích chất lượng là “chìa khoá vàng” mà bạn cần nắm bắt nếu doanh nghiệp của bạn muốn phát triển dựa trên dữ liệu. Những giá trị đem lại cho công ty tỷ lệ thuận với sức mạnh của nhóm phân tích dữ liệu và mức độ liên kết giữa nhóm dữ liệu với những bộ phận khác trong doanh nghiệp. Hiện nay vẫn chưa có một lời khuyên “chuẩn” nào về quy mô, thành phần hoặc cấu trúc mà nhóm phân tích dữ liệu nên được xây dựng. Đó là lý do vì sao doanh nghiệp nên định vị được bản thân, hiểu về khả năng thành thạo dữ liệu hiện tại mà công ty đã đạt được. Từ những cơ sở đó, bạn sẽ dễ dàng phát triển đội nhóm dữ liệu phù hợp với chiến lược kinh doanh hơn.

* Nguồn: Towards Data Science