社区编辑申请
注册/登录
数据项目成功的三个必不可少的因素
大数据 数据分析
Carhartt公司首席数字与信息官John Hill表示为了确保数据可供决策者使用,数据部门的压力也很大。然而,这一切都是紧密相连的,所以应该知道我们整个公司内部都是步伐一致的。

Carhartt公司首席数字与信息官John Hill表示,在疫情爆发时,职业装公司Carhartt可能与虚拟的合作组织相差甚远”。但也像其他组织一样,Carhartt不得不重新思考在当今的混合工作环境下如何完成工作。

Hill说,其中一部分是"“将决策权下放到企业的最底层员工手中”——这个举也十分依赖数据。"

"因此,为了确保这些数据可供决策者使用,数据部门的压力也很大。然而,这一切都是紧密相连的,所以应该知道我们整个公司内部都是步伐一致的。

在最近的未来工作峰会上,Hill 和他的同事Jolie Vitale、与首席信息官资深作家Thor Olavsrud一起讨论了Carhartt该如何向获取数据以及分析的职场文化转变。

以下是经过编辑的对话节选。

关于构建数据科学功能:

Jolie Vitale:今天的两位数据科学家教了我们一些东西。其实,我们刚开始建立团队时,所做的大多事情是去组织团队内部,我们正在将数据科学变得社会化,并试图揭开它的神秘面纱,让它变得更加平易近人。所以,我们开发了一个非常好的项目。随后我们查看了积压的所有项目,便知道需要开发一些方法来了解哪些类型的机会适合我们。

除了与我们公司的目标和我们正在努力推动的价值保持一致外,还需要具备三个必要的条件。

首先,我们需要提前知道该模式需要实现什么目标,如果采用或启动这个模式,我们希望从中获取怎样的价值。所以,我们越是清楚这一点,我们就越能为成功做好准备。

第二个是,我们需要业务合作伙伴,他拥有充足的资源,并且肯投入大量资金实施计划。

然后第三点是,我们在小规模项目数据中发现,这种发现需要从根本上证明,我们认为事情是可以实现的,我们掌握着所需要的数据,过程也是可以仿照的。

据我们了解,这通常不可能独立完成。未来的目标越清晰,成功实现这一目标的可能性就越大。

关于采用产品团队方法:

John Hill:就像Jolie提到的,产品负责人的角色是非常重要的,他们负责决策、

快速地开发出最小可行的产品,并以此为基础进行开发。

有趣的是,我们发现内部客户经常会去找Jolie 这类人,说“我需要分析方面的帮助。”找到应用程序人员,说:“我需要在应用程序增强方面的帮助。”我们想建立团队——基本上是端到端来支持Carhartt内部的某个业务功能或单元。这样他们便拥有了从业务分析师,数据分析师,数据工程师,BI工程师,应用人员,甚至是安全性和DevOps方面的人才。这样我们就能把这个企业的工作看成一个整体,就可以把资源整合起来了。

关于管理变革性变化:

Jolie Vitale:转型需要做很多的改变。所以在早期拥有的客户越多,就会越成功。所以这些循环反馈和迭代的方法允许我们能够以非常小的、易于管理的方式交付,所以这不是一次性的大变化。这样做的时候,结果会给我们反馈,我们便知道这是在朝着正确的方向前进。

尤其是在选择合作伙伴时,我们真正寻找的是可以与之合作的、对那些将受到变革影响的人有着高度的信任,同时他们自己也会转变心态,不仅关注一直以来我们是如何做的,还关注我们能够做什么。


责任编辑:华轩 来源: 企业网D1Net
相关推荐

2013-07-26 14:03:18

VMwarevCenter

2022-07-27 08:07:29

数据仓库数据集合

2022-06-30 21:08:25

大数据数据湖数据仓库

2018-04-09 11:20:40

2011-06-21 11:05:04

软件项目

2015-04-22 15:21:05

软件开发项目项目失败

2016-05-13 11:59:47

2020-10-06 18:50:19

数据科学家机器学习在线工具

2020-07-09 10:26:28

软件项目软件开发CIO

2017-02-23 08:12:35

2020-03-24 17:49:27

大数据IT技术

2011-09-21 09:40:57

软件项目

2016-10-20 13:15:09

2017-03-27 17:59:22

数据存储

2020-03-09 10:43:10

面试中项目经验

2017-03-14 15:43:39

2019-08-08 16:35:02

2011-07-04 09:39:31

项目管理

2011-05-10 09:13:05

项目经理

2011-07-21 08:49:06

同话题下的热门内容

大数据分析技术和方法有哪些?节日消费数据不“杀熟”?大数据带你一起“解”七夕!数据专家的晋级之路:大数据中的四大挑战!五个方法,破解数据分析的核心难题2022年网购如何对抗大数据杀熟,更换商品名词有惊喜

编辑推荐

什么是数据分析的漏斗模型?数据分析师还吃香吗?用数据告诉你对比解读五种主流大数据架构的数据分析能力《狄仁杰之四大天王》影评分析(爬虫+词云+热力图)22个免费的数据可视化和分析工具推荐
我收藏的内容
点赞
收藏

51CTO技术栈公众号