构筑企业数据组织的“蜂巢”

如何建设和规划企业的数据组织，使其形成一个民主、智慧的组织结构，服务于企业的业务部门、服务于企业决策部门，使数据的意义发挥更大的作用，也许“蜂巢理论”会给我们更多启示。

如果仔细观察一群蜜蜂的搬迁，会发现单独一只蜜蜂总是杂乱地飞来飞去，而整个蜂群会向同一方向、高度，协调转移。从微观上看，每个蜜蜂飞来飞去杂乱无章，但是整体却异乎寻常的一致。这中间蜂王只是飞在最后，不负责发号施令，也没有蜜蜂给蜂王报告，每一只蜜蜂无规则飞舞，一旦它发现好地方会飞回蜂群手舞足蹈地飞舞，而后会多几只蜜蜂跟它飞去，都发现好的话，也回来手舞足蹈地飞舞。这样，好地方飞舞的蜜蜂会越来越多，整个蜂群的方向便随之改变。

企业数据组织可借鉴“蜂巢理论”

你会发现无政府状态的蜜蜂，整体上却做到了惊人地协调，你会发现做某种单一的事情，拆开看每一个蜜蜂都很蠢，但是，整体上做到了某种智慧，超过单个蜜蜂的智慧，“蜂巢理论”便源于此。

企业数据组织建设和规划同样需要这样的“蜂巢理论”，某个报表，某个数据分析模型似乎都独立应用于企业的某个部门或个人。这是数据分析在企业中最初级的应用，但数据分析并未在企业发挥巨大威力，仅是一个“蜜蜂”的智慧。

合理划分数据组织机构

这个组织要有合理的架构，企业数据分析的架构大致应该分为三个层次。

首先是数据中心层，负责完成基础数据管理，智能数据仓库地建设和维护。同时要提供BI（商业智能）系统地建立和维护。

其次是运营层，负责自定义个性报表，利用完整的数据模型对运营中的各项数据进行监控和分析。

最后是决策层，进行战略研究，全局性跨部门进行决策研究，最终形成具有核心竞争力的战略部署。

简而言之，决策层指挥运营层，运营层依托于数据中心层。但是这样的规划并不是金字塔型，而是需要更加民主的规划，是将数据分析和数据分析资源共同民主。企业不仅需要对“数据”进行合理规划，也要对企业的数据组织结构进行合理地规划。

数据属于业务，数据中心的数据分析师当然也属于业务。我们拆散数据部门的集中结构，让数据分析师分布到各个业务部门去，他们帮助业务部门运用数据系统、获取数据、处理数据，与业务人员一起更直接、快捷地解读数据，并将结果直接应用于业务。这样，数据部门则只负责两方面：一方面是协助决策层，为协助决策层完成竞争环境研究、战略研究及绩效跟踪；另一方面是完成数据中心中的数据仓库、报表和BI维护。中间的运营层面，由数据分析师和业务部门共同完成。

发挥数据分析师的作用

组织机构划分清楚后，似乎可以认为我们的数据分析产生“蜂巢”效应了，但往往会忽略这个组织架构中重要的角色，即数据中心和数据分析师。

我们通过一张表去反映某段日期经营效益的详细情况，就只能把每天的经营情况打出来拼在一起去看，这样老总们会感觉太累，于是产生了以时间为主线索的分析表。这张表虽然将日期表达清楚了，但分店的信息又不全面，老总们不满意。于是又产生了下一张表，这张表以日期为线索，除了稍长一点以外，老总还算比较满意，能不能以分店为线索呢？数据分析师表示可以，因此又产生了销售分析表。

这下好了吗？老总发现了一个致命缺陷，即没有任何类别分析。于是，数据分析师又搞出了分类销售表。后来老总认为太长，希望只有大类分析，于是数据分析师又设计了大类销售表、中类销售表、小类销售表等。最后老总又希望将分店和日期分别加入。不仅如此，老总还要求加入同比、环比等等。数据分析师最终会觉得老总或管理者们的要求没完没了。

因此不难发现，数据分析师所要具备的不仅是技术，而要有业务知识和战略眼光。这样才能做到提供立体化的、多视角的、具有预测性、潜在的市场信息。

在企业漫长的数据分析过程中就像没有一个发号施令的“蜂王”真正控制着蜂群地迁徙，每一个蜜蜂都做着类似杂乱的事情，松散分布且相对低效地作出亿万个判断，最后用“民主”的方式来决定整体的发展方向。