编 辑：彭文华

来 源：大数据架构师（ID：bigdata_arch）

彭友们好，我是你的老彭友。今天我们聊聊公司的数据组织。 嗯，今天有福利，送5本书，具体见文末。

网上经常会传出这样的新闻：某公司负责人因对外透露内部的组织架构被开除、公司为了应对业务更好的发展，对组织架构进行了调整。现在到了年底，也是大多数公司每年一次调整组织架构的时候。

不知道大家看到这样的新闻，会不会好奇为什么公司内部的组织架构会这么的机密和重要？

其实是因为组织架构的背后反映的是公司对业务的理解，以及对战略的部署。

我们常会从战略、组织、行为三个维度去复盘一家公司，组织在其中非常的重要，它会影响到工作推进的效率、部门间的合作等等，决定了战略能否高效切实的推动下去，它确定了员工的汇报关系，受绩效的牵引，最终就会影响到员工的行为。

这带来的启发主要是两方面：一方面要多去关注自己部门在组织中的位置，多去思考在这样的架构中，部门的定位是什么样的，我做的事情和大方向是不是切合的？

另外一方面平时工作中如果遇到部门合作问题、流程问题，或者在分析前负责团队为什么会给公司留下一些坑……不要直接简单的归因成合作伙伴个人的问题，可以尝试从组织架构层面去理解背后发生的原因。

中央集权与分封制

企业的组织架构会影响部门间的合作，决定了战略能否高效、切实地被推动下去。它确定了我们的汇报关系，继而确定了谁是我们的老板。受绩效的牵引，它最终会影响我们的工作行为。

在互联网企业中，数据分析团队的组织架构一般有以下两种：

(1)以独立的实线部门存在（中央集权制）

(2)存在于业务部门中（分封制）

独立的判断标准的核心在于绩效评定权:如果数据分析师的绩效完全由数据分析团队的老板决定，业务方只有建议权或者连建议权都没有，数据分析团队就是独立的。如果业务方有一定比例的决定权，数据分析团队就是非独立的。

当然，每种组织架构都各有利弊，大家不要觉得哪种组织架构是绝对合理或者不合理的，只需要关注组织架构是否适应当前企业业务发展的需要。

如果数据分析团队是独立的实线部门，因为绩效不由业务方决定，所以这就在机制上保证了数据分析师能够站在老板的立场上去客观地评定企业业务的发展状态，真正扮演好老板的军师这个角色。

另外，由于企业的数据分析师都在一个部门中，所招的人更专业，企业能够横向地将数据分析师进行比较，也相对容易做到数据分析团队的专业沉淀，这有利于数据分析师的成长。

如果数据分析师存在于业务部门中，其绩效由业务方来评定，从机制上来看， 数据分析师是与业务方站在一起的，就很容易出现数据分析师在业务方向上汇报的数据是被修饰过的、偏正向的，导致老板没办法了解到项目真实的发展情况。

招到的人的质量及数据分析师的专业成长都会受到一定的负向影响。但数据分析师存在于业务部门中的好处是在业务部门中，数据分析师深入参与业务，能够支持业务快速发展，做出的分析也相对更加及时和接地气。

不同组织形态的工作模式

对独立的实线部门来说，工作模式一般有以下两种：

(1)部门内以小组的形式支持业务部门，参与业务的运营。

(2)纵向业务部门的需求被统一按排期处理，数据分析团队更多的是做横向的赋能。

第一种工作模式对数据分析团队来说，好处是可以深度参与业务，策略可以被 快速地落地与迭代，但坏处在于需要服务两个“老板”：团队“老板”和业务方“老板”。

一旦两个“老板”的需求有冲突，数据分析团队就要用合理的方式来处理，需要根据实际情况来判断，往往采取的方式是高优解决团队“老板”的需求，与业务方协调好需求排期。

因为团队“老板”才能真正决定数据分析师的绩效，而且团队 “老板”的需求影响的是整个团队，所以数据分析团队一定要保证及时和高质量地满足团队“老板”的需求，否则数据分析团队会受到负面影响。

数据分析师在与业务方交互时要拿捏好尺度，因为他们是全情参与业务的，他们希望数据分析师与他们同频，所以数据分析师和业务方之间良好的合作氛围、互相信任与理解非常重要。

数据分析师平时在处理需求时，要预留调整空间，不要把时间安排得太紧。当然，不到万不得已，尽量不要用强硬的方式拒绝需求。

另外，数据分析师还需要注意的一点是产出问题，因为数据分析师与业务方互相交融，密不可分，所以数据分析师的工作产出容易被稀释在业务方的产出中。虽然参与团队工作要有合作精神，但是数据分析师也需要关注自己的专业产出。

第二种工作模式对数据分析团队来说，好处是价值产出非常明确，坏处在于对纵向业务的理解不深，容易导致横向赋能偏浅，落地性较差。在这种工作模式下， 业务部门提出的需求一般会比较简单，排期也会比较久。

经常会闹出这样的笑话: 业务都已经迭代到第 N 版了，或者已经取消了，业务部门突然收到消息说之前的需求被开发完成了。有的业务部门因为接受不了这么久的排期，所以会自己招聘数据分析师，这不失为一种合理的适应方式。

在这种情况下，业务部门的数据分析师可能会受到权限的困扰及视野的局限，不容易从平台的角度去思考问题，但是能够深度参与业务、了解业务。

如果数据分析师存在于业务部门中，工作模式就相对比较确定，数据分析 师与业务部门一起参与业务，其精力不容易被分散。但坏处也比较明显，上文已提到。

绩效与组织架构

组织架构对部门的定位，部门间的合作流程等影响是非常大的。大家平时在遇到合作问题，要用心去思考这背后有没有利益博弈，而不是简单归因到人不靠谱，因为在公司当中，绝大多数情况都是屁股决定脑袋。

当然，对于新人来说，更多的还是要专注于把手上的事情做好，企业的组织架构一般不会影响到大家。

另外组织架构对我们每个人的绩效也会有影响。一般来说，只要平时的工作认真负责，大部分情况下绩效都是在中等水平的位置。

如果平时有做出一些出彩的事情，绩效会在中等偏上的水平，但是要想拿到TOP绩效，需要天时地利人和，平时就要多去思考部门在当下组织架构下的定位是怎样的。

你做的事情是不是切合部门的发展需要，说白了组织架构决定了“老板”的考核方向，而你做的事情是不是“老板”需要的。只有踩对了方向和节奏，才更容易拿到高绩效。

OK，老彭友福利时间到！

送书规则：文章末尾留言，精选3名点赞最高的彭友，以及2名评论最走心的彭友，免费包邮送书！活动截止至10.30日晚~~

本文大部分内容摘编自《大数据实践之路：数据中台+数据分析+产品应用》，经出版方授权发布。

更多精彩：

   数据项目成败的关键-战略、规划、组织与制度！

    神奇的康威定律-组织决定产品形态

    如何撬动组织的力量打造一个超级获客系统？

    企业级数据分析体系的最佳实践

排版 | 老彭

审校 | 老彭  主编 | 老彭