1.3.3　业务和技术兼备的卓越中心和分析型人才

在每个业务场景中，数字化转型需要强大的驱动力量，企业需要大量业务素养和技术敏感“双优”的复合型人才——他们是企业中衔接业务与技术、数据与分析、分析与价值的关键“中继”。

不过，这类人才通常可遇而不可求，而且人才的价值只有依赖组织和团队才能最大化发挥。从组织的角度看，在企业中存在几种可行性方案，下面笔者依次介绍。

-1.0　在IT部门或财务中增加分析人员或强化分析部门。

在IT部门中增加分析岗位、强化分析部门，是很多传统企业的优先选项，它建立在这样的假设基础上：数据和信息技术一样属于专业领域；按照技术领域分析应归属技术部门；技术部门内部更好地协调数据资源统一赋能业务。

这种方式短期来看阻力较小，长期来看制约性却最大——数据分析的难点在于业务逻辑和决策衔接，而IT部门对“业务逻辑”知之甚少。因此，IT部门主导下的分析往往“降格以求”，敏捷分析变成了报表分析，数字化转型变成了信息化工程。

类似地，很多传统企业以财务部门为中心强化业务分析（通常因为财务部门领导更强势，或者企业习惯以财务核算数据为准），相比由IT部门主导，这种方式似乎更不可取。财务和业务分属于事后和事前思考，况且财务数据是增加了大量人为干预和规范约束的二次处理数据，其细粒度的业务运营过程距离太远，数据分析常常被束缚在“报表分析”阶段。同时，财务指标难以替代业务指标作为业务决策的直接依据——相比销售和利润的运营过程，财务更倾向于成本和费用的专题分析。

传统企业中由IT部门主导或者财务部门主导的数字化转型，具有先天劣势。传统企业应该向“数字原生”的互联网企业和某些“先知先觉”的先进企业学习，强化分析部门与业务部门的整合，同时做好IT部门的基础服务和信息支持工作。

-2.0　在业务部门中强化分析部门，并与IT部门紧密合作，甚至成立COE（卓越中心）。

商业的关键是决策，决策的要害是高效、准确，因此，业务分析的主体是面向一线的业务部门。业务分析要与决策行动紧密结合，快速响应市场变化，做出调整，创造价值。

对于天然高度依赖数据的互联网企业而言，产品运营、用户运营、风险管理等都和数据息息相关，甚至设有专门的“数据运营岗”。受此影响，越来越多的企业开始在业务部门中设立数据分析岗，或者招募具有数据分析背景的运营人员，他们的工作不是使用Excel、PPT完成日报、周报、月报（这些通常是运营助理的常规工作），而是针对领导提出的问题，使用数据工具快速确认、分析问题，并提出改进方案。

更有很多企业在业务侧成立独立部门，采用精益中心或卓越中心（Center of Excellence，COE）的模式，整合具有数据素养的业务用户、数据专家，与业务部门亲密合作，以解决某个复杂问题或者完成特定专题项目为目的，推进业务板块或业务主题的数字化。比如，推进财务部门的发票电子化和自动化、工厂生产质量的西格玛分析等。

相比IT部门中的分析岗位，业务团队中的分析团队更容易取得成功，因为他们更靠近业务需求、业务环境，能“以终为始”倒推数据需求，并借助IT的力量实现底层的优化调整。相比之下，来自IT部门的分析岗位（有时称为IT BP）就难以融入业务部门——相比技术，业务逻辑更依赖于经验、智慧和创造性的随机应变。

在笔者看来，数字化转型成功的关键要素之一，就是业务部门能否主导并深度参与。

-3.0 在业务部门推行“业务—数据双岗混编”，进一步增强业务与技术的结合。

在某些大型企业中，很多复杂的业务分析需要分析师同时做到熟悉业务逻辑、理解数据逻辑。此时，业务部门中的分析岗位难以独自驾驭，而与IT部门的频繁沟通、依赖外部维护数据又成为制约效率的要素。此时，推荐的方式是在关键业务岗位中推行“业务—数据双岗混编”的组织模式。

笔者服务的某家新能源上市公司，其业务审计部同时设立了业务审计岗和IT审计岗，两个人组成“小分队”。业务审计岗负责整理审计需求，分解审计问题，提供审计思路；而IT审计岗负责整理业务明细数据，改进数据质量，构建分析模型，完成可视化展现，并与业务审计岗位确认数据逻辑和业务洞察。前者侧重业务，后者侧重技术；前者聚焦问题，后者聚焦数据。这样的组织模式极大减少了业务部门与IT部门之间的“部门壁垒”，将部门级别的数据仓库（或者称为数据集市）下放到专业的业务团队中完成，此时Tableau Server承担了“数据集市”的功能。

从上述的3个方案中我们会发现，业务分析的宏观趋势是从IT主导向业务主导转变的。在这个过程中，快速发展的分析技术帮助越来越多的业务用户成为数据分析师，“平民数据科学家”（citizen data scientists）开始兴起，其成长速度要超过IT团队的分析岗位。如图1-8所示，随着技术的普及，企业中会出现越来越多的“复合型人才”，他们会成为数字化转型和数字化商业模式的中坚力量。

-4.0 强化企业方法论培训，培养复合型人才，并逐步成长为关键管理岗位。

随着技术的快速发展、计算机算力的大幅提高、教育水平的持续改善，复合型人才会成为数据分析岗位的大趋势。既能理解业务逻辑，又能独立完成数据准备、数据分析的复合型人才，所能带来的业务价值绝非两个岗位的简单累加。昨日沉浸在Excel中的运营“表哥”“表姐”，和未来熟练使用各类数据库、可视化分析的分析师，都是企业在不同时期所亟需的关键人才。

业务分析是典型的创造性工作，技术背后是经验、方法论、行业理解等多种知识的结合体。不同部门、不同岗位之间的沟通效率和“数据传输带宽”，要远远低于复合型人才内部的思考过程。“复合型人才”如同在CPU芯片中整合GPU，甚至整合统一内存，从而实现计算性能颠覆性的革新。

当然，数字化转型企业所亟需的，不仅是能把数据转化为报表、分析和决策建议的复合型分析人才，更需要复合型的管理人才，他们可以站在“商业模式”的角度重新理解企业的数字化业务模式，并为企业规划数据化、信息化、数字化的行动。如《智能商业》一书之于阿里巴巴，《华为数据转型之道》一书之于华为，它们的背后是专家级的复合型智囊团。