现如今进入大数据时代,很多企业都开始或多或少的利用大数据所产生的价值。对于企业来说,大数据能够起到的角色和分量因企业本身而异。但是有一点可以肯定的是,现今的决策者已不断在利用数据分析辅助决策,已达到让决策更精准的目的。并且也有很多企业组建了数据分析团队,比如很多电商企业就会频繁的利用数据报表来诊断店铺问题,亦或者有很多企业利用DataFocus、Power BI等基于AI的智能数据分析工具来辅助决策。但是也有很多企业在数据分析的实施上遇到问题,无论是从一开始 的实施,还是最后的结果应用。我们以前说过数据分析应作为项目管理,这里从项目角度为大家分享一些实施建议。

实施的核心当然是“人”,需要从各个角度把控好人,并分配相应职能和角色。

启动过程组:

(1)制定项目章程:诞生项目,并为项目经理“正名”;
(2)识别干系人:搞清楚谁与项目相关;

比如必须指定一人为最后的数据结果负责,这个结果指的是整个项目的运行结果以及数据实际投入业务后的反馈结果。干系人可以包含数据分析员和业务人员。
规划过程组:
(3)制定项目管理计划:编制项目执行的蓝图;
(4)收集需求:收集要做什么;
(5)定义范围:确定要做什么;
(6)创建工作分解结构:细化交付成果到可管理的程度;
(7)定义活动:把工作包分解为可估算、可管理的活动;
(8)排列活动顺序:确定工作执行的先后顺序;
(9)估算活动资源:确定到底需要什么才能完成工作;
(10)估算活动持续时间:确定完成工作所需要经历的时间;
(11)制定进度计划:描绘出整个项目的实施进程;
(12)估算成本:确定完成工作所需要付出的代价;
(13)制定预算:批准完成工作所需要付出的代价;
(14)规划质量:确定合格的标准;
(15)制定人力资源计划:需要什么人、需要多少人;
(16)规划沟通:项目干系人需要什么,如何给到他们;
(17)规划风险管理:定义如何对待风险;
(18)识别风险:风险,你在哪里;
(19)实施定性风险分析:揭开风险的面纱;
(20)实施定量风险分析:揭开风险的真相;
(21)规划风险应对:定义如何应对风险;
(22)规划采购:买什么,如何买;

对于数据分析项目来说,这里重点确认数据分析的实施进程、成本、时间等能够让决策结果产生偏差的关键性因素。
执行过程组:
(23)指导与管理项目执行:按图索骥,按照计划执行;
(24)实施质量保证:通过过程保证质量;
(25)组建项目团队:让巧妇能为有米之炊,给到数据分析人员硬件等;
(26)建设项目团队:激发团队的潜能;
(27)管理项目团队:大家好才是真的好;
(28)发布信息:把信息传递给需要的人;
(29)管理干系人期望:沟通并满足干系人的需求;
(30)实施采购:购买要买的东西,比如需要DataFocus等软件工具;
监控过程组:
(31)监控项目工作:盯着,不停地盯着,无论是报表还是其他;
(32)实施整体变更控制:让变更在可控之内;
(33)核实范围:让用户接受项目成果;
(34)控制范围:让范围在可控之内;
(35)控制进度:让进度在可控之内;
(36)控制成本:让费用在可控之内;
(37)实施质量控制:让结果满足既定的合格标准;
(38)报告绩效:是骡子是马拉出来溜溜,看数据报表能否应用在业务;
(39)监控风险:让风险在可控之内;
(40)管理采购:让本次购买可控,软件按年费还是按月费等;
收尾过程组:
(41)结束项目或阶段:给项目(阶段)画“句号”;

标签: , , , , ,
版权声明:除非注明,否则均为DataFocus企业大数据分析系统 原创文章,转载请以链接形式标明本文地址。否则将追究法律责任。
转载请注明来源:https://www.datafocus.ai/25235.html
上一篇:
下一篇: