1.1.3 工作流程

为了保证数据挖掘和分析工作的有效推进，企业对数据分析岗位采取了不同的整合方式，一般来说有以下几种。

1）有独立的数据分析部门的，采用接单模式。有业务数据需求时，数据分析部门会分派数据分析师进行对接，从项目的前期到整个数据分析生命周期结束全程参与。这种模式的优点是可以灵活配置人力资源，但缺点也很明显：数据分析师有点像独立第三方，由于服务对象不固定，无法深入理解业务。

2）数据分析师岗位设立在运营部门的，采用贴身服务模式。数据分析师和运营人员共同负责一条业务线，能够实现优势互补，数据分析师也会全身心地投入到项目中，从而全面理解项目。但这样也有缺点，如果公司存在多条互相交织的业务线，那么会有多个属于这种模式的数据分析师，他们都只了解自己所负责的业务线，无法从公司整体出发进行全局思考。

3）数据分析师接受双线管理，即采用双线模式：数据分析师岗位设立在数据分析部门，但同时受业务负责人的绩效考核。双线模式可以利用制度创新的优势，既能实现数据分析师的有效流动和与业务的高度匹配，又能让数据分析师为业务提供长期、稳定、全面的支持。

一般流程是：运营人员提出需求，数据分析师与运营人员讨论需求并确定分析方案，数据分析师实施方案并输出数据与结论，运营人员进行验证。运营人员如果有疑问，会和数据分析师查找问题，重新讨论分析方案并确定新方案，直至解决疑问。

在这个过程中，以上的不同组织架构可能会带来不同的业务流程。例如：如果数据分析工作由数据分析部门承担，则数据分析会以类似外包的形式进行，业务方发起需求时会受数据分析部门的内部管理制度、资源排期等因素影响；如果数据分析师同在业务部门，则数据分析师可能会经常遇到同质需求，无法更好地从平台全局出发分析业务。

案例：A公司为每个业务设有专职的数据分析师岗位，但由于各业务的复杂度、运营节奏不同，数据分析师的工作量时多时少，加之公司没有整体的数据分析流程，无法进行数据分析资源的统一调度。

无论采用以上何种组织架构和工作流程，若没有相应的系统作为支撑，就很难实现从过程到结果的有效管理。如何保证资源调度的有效性，同时保持数据分析师的独立性，在讨论系统工具时还需要从人员组织架构和制度流程层面进行重新思考。