專家團｜宋星：不被邊緣化！數據部門如何與業務部門共舞

數據（技術）部門在和業務部門配合的時候，經常有種價值無法發揮的感覺，做了很多事，但總覺得差點意思，甚至工作成果有點可有可無的感覺，存在感極弱。

你是否有碰到過以下類似的情況？

數據部門經常會遇到哪些與業務部門的“矛盾”？

1.業務部門覺得只要有工具和技術，就能把想要的數據都拿到，但是忽略了數據的獲取需要有一套符合業務需求的數據標準，只覺得獲取數據是數據部門要做的事，但是忽略了要獲取符合業務需求的數據也需要業務部門參與數據標準的制定。

2.數據（技術）部門按照業務部門提的需求開發好供業務使用的工具，但最終由于工具難用、提供的數據不符合業務的需求，最終不了了之。

3.業務部門的需求常常會隨著市場和業務環境的變化而變化，而數據部門需要時間和資源來滿足這些變化的需求，當業務部門的需求變化快于數據部門的響應能力時，就容易產生分歧。

4.數據部門提供泛泛而談的洞察，當業務部門需要特定的洞察或數據支持時，數據部門可能只能提供一些淺層次的洞察，而無法提供具體、針對性的分析結果。

......

你還遇到過哪些“矛盾”？請到評論區討論。

如何解決“矛盾”

1.一定要厘清協作職責

數據部門相關的分工、職責不清晰或不合理，是導致數據部門“被邊緣化”的最主要原因。

業務部門經常認為只要有數據部門在，就可以輕松拿到想要的數據，但是經常找數據部門拿數的時候，要么缺數，要么數據不符合應用要求。

從拿到數據到應用數據，每個環節都有很多細節工作需要處理，比如數據監測的標準建立，基于哪些業務目標來建立？有了數據后如何建立標簽體系，誰來制定這個標準？下一次做活動的時候在這些標準上是否有需要調整的地方？要怎么調整是符合業務需求的？等等。

上面的這些問題，有些是數據部門的職責，例如標準建立，有一些并不是數據部門的職責或者至少不全部是數據部門的職責，例如標簽體系的建立。

數據如何獲取，從本質上講，也不是數據部門的職責。但數據被獲取到之后的技術支持與管理工具，確實是要數據部門提供的。

另一方面，業務部門會認為，數據部門只想做容易出成績的工作，甚至會認為，數據部門是不是準備“越俎代庖”，搶我飯碗？

數據部門更愿意接塊狀項目，而不是點狀需求，比如取一些數、做個報表，但業務部門又需要這樣的數據支持工作。

能理解數據同事更愿意接項目的想法，做項目是大家更容易出成果的工作，結束了也更有利于各自的工作匯報。而且數據部門也會覺得當你提出的是項目的時候，說明你已經有較多的考慮，后續推進工作的可控性也會強一些。

但即便如此，數據同事依然需要加強業務知識來進一步理解項目，確保可控性，甚至能站在更專業的角度給予業務部門建議或解決方案。

另一個比較突出的問題是，數據部門為了更好地做好項目，往往不可避免地要深入到業務部門的工作范疇里，但此時業務部門會比較緊張，無論是擔心對方越界，還是具體業務的溝通上，都存在內心的障礙。

所以，數據部門與業務部門的分工，一定要明確。

2.數據部門也要掌握商業邏輯

不理解業務運行的商業邏輯，造成溝通成本高，是數據部門容易被“challenge”的另一個原因。

兩個部門的緊密合作尤為重要，然而數據部門經常面臨的一個挑戰是，他們在處理數據時專注于技術和統計分析，容易忽視了業務的商業邏輯。他們可能能夠提供大量的數據和指標，卻缺乏對這些數據如何與業務目標和市場環境相聯系的理解。這導致他們在與業務部門溝通時無法有效傳遞信息，也無法提供具體的解決方案。

這并不能說明數據部門同事不配合工作，也不是說業務部門同事不愿意溝通，而是業務同事每次要解釋清楚業務邏輯要從很基礎的地方講起時，溝通成本直線上升，久而久之大家都進入疲憊狀態。

解決這一問題的關鍵是數據部門需要往前走一步，先把業務的基礎商業邏輯學習和掌握，甚至比業務更專業，前段時間和一個做技術的朋友聊，他們的老大就是要求他們要比業務更懂業務，雖然有點難度，但是這個思路是對的，只有這樣才有機會快速進入業務同事的溝通語境。

比如業務上來就和你說“誘餌觸點規則模型”，要基于什么規則來設置觸點和誘餌，你可能會覺得為啥不能說人話啊？因為說人話效率低啊，說人話要講背景、講上下文，但是如果雙方都了解這個模型的話，就可以不用交代那么多上下文了，一說到這個模型就知道是要給一些用戶做一個運營策略了。

3.強化業務領域的專業知識

與業務商業邏輯相匹配的專業知識不足，導致溝通不下去，這種情況也時常發生。

經常會碰到業務和你說拿回來這么多數據，把數據都打通一下啊。然后你去尋求各種技術手段去打通，發現根本打通不了，各個數據間并沒有中間鍵，也沒辦法通過技術手段去獲取中間鍵，然后事情不了了之。

這個需求在技術側本來就沒有辦法，需要業務的同事配合通過運營手段獲取比如手機號這樣的ID，或者像利用會員通這樣的功能，但前提也是需要業務同事的運營配合才有可能實現。那么這個配合點如果數據部門無法提出，可能這個事情就卡在這里了。

還有一點是，部門上下對同一需求所掌握的專業知識也不盡相同，很多時候雙方老板都理解需求，但由于下面的同事在專業知識上并沒有很全面的掌握，以至于在實際執行的時候并不能很好地反應當時的需求。

所以，《數據驅動的以消費者為核心的營銷數字化轉型：方法與案例》的全部內容，既是講數據在數字營銷和消費者運營上的商業邏輯，也是系統性介紹與數據相關的業務領域的專業知識的。仍然強烈推薦給數據部門的同事。

4.工作職能的可替代性：做了這個功能，那我是不是要下崗了

是不是很多朋友有這個顧慮？尤其是一些提升工作效率的功能，這些提效功能一上，那我干啥呢？

如果你的工作如此容易被替代，那你更要考慮需要理解業務，站在自己專業的角度給予走在業務前面的應用意見，很多時候數據部門提出來的建議不被采納，業務部門看不上，不是因為提的建議不好，只是在當下業務部門有限的條件下無法在這個階段應用。

我們見過幾個這塊做的好的企業，數據部門只做賦能的工作，把業務部門需要的數據能力工具化、功能化，并且主動探索數據和技術在業務上的應用場景，然后推進和業務的小規模測試應用，再將成功的應用進行更大范圍的推廣，但數據部門只到此為止，將能力轉化成工具、功能或流程化，然后進行新的業務應用的探索。

數據和技術的發展一直在持續推進，因此，擔心自己數據相關的工作被機器或者技術取代實在是多慮了。業務部門實際上更可能有類似的擔憂，但本質上，大家面臨的境況并無太大差異。

持續的學習精進變得尤為重要，因為技術、工具和系統的發展，需要更好地被人駕馭，而不是取代人。人需要有更好的技能，需要持續學習。這是數據部門不被邊緣化的立身之本。