1. BI 四类岗位
- 针对 BI 的四个范畴，在企业组织架构中，也分别对应了一个小型 BI 团队的四个类型的岗位，分别是数据采集、数仓开发、数据分析和可视化开发；
- 这四类岗位的工作职能，会存在部分的重叠，需要做好分工和协作安排；
- 同时，岗位所需的技术栈很多也是通用的，比如 python、SQL，可以根据业务需要，调整岗位设计和人员职能，不要一上来就要求全部配齐人员，却工作量不饱和；
组建团队时要注意，人员的技术栈尽可能全面一些，在工作较忙时可以内部协调、相互帮助，比如数据采集就可以协助做 ETL，可视化最好也懂一点 SQL 和数据分析。
注意：在管理上，可以专人专责，但尽量不要专人专职。
1.1. 数据采集岗
- 第三方数据（部分职能与数仓工程师重叠）：
- RPA；
- API；
- 业务数据：
- 手动报表上传；
- 数据库导入等；
- 埋点数据；
- 日志数据；
- 爬虫数据
2.2. 数仓开发岗
- DBA：
- 数仓：
- Hadoop 生态圈；
- ETL；
- 部分工作会与数据采集职能重叠；
- OLAP;
- 数据湖：
- OSS 等；
2.3. 数据分析岗
- SQL；
- python
- 数据挖掘；
- 算法模型；
2.4. 数据可视化岗
- PowerBI；
- Tableau；
- FineBI；
2. BI 团队搭建
2.1. 常规 BI 团队
-
需要指出的是，在不同的行业、不同企业组织架构不尽相同，对于 BI 的需求和定义不尽相同，BI 各个模块具体职能实际可能是由不同团队负责的，并不一定都在 BI 团队独立负责。
-
尤其是不少企业，数据中台的建设比较完善，数据采集、数据管理的一部分工作，事实上是由多个部门来承担的，比如有专门的爬虫、RPA团队负责外采数据，有专门的的大数据团队负责数仓的统一管理。
2.2. 电商 BI 团队
-
就大多数的电商卖家企业来说，数据中台建设普遍起步比较晚，且数据量、企业规模都比互联网企业低了一个量级，一般来说具体的数据采集和管理，仍是由 BI 团队负责。
-
要注意的是，部门间的沟通协调是非常消耗时间精力的，这无形中会增加企业 BI 建设的成本。
最理想的状态，是一定要保证 BI 团队和职能的完整性，即使职能和相关部门有一定的重叠也是合理的，关键是要厘清分工与协作关系。
3. 工程师的能力要求
- 基本的数据处理能力
- ETL 架构设计
- ETL 工具操作
- SQL 查询及调优
- 复杂存储过程
- 数据仓库建模能力
- 业务指标体系梳理
- 维度建模设计
- 多数据源、多层架构的设计开发能力
- 原型设计能力
- 可视化报表原型设计
- 业务理解能力
- 理解业务指标背后意义
- 业务场景
- 分析逻辑
- 理解业务指标背后意义
- 项目管理能力
- 项目管理规范化、流程化、制度化
- 需求梳理
- 计划资源
- 交付质量
- 文档输出
- 沟通能力
- 语言表达
- 理解能力
- 文档撰写能力
4. 外部沟通协调机制
- 在多数情况下，BI 需求是企业高管、或者前台业务部门提出的，BI 部门直接面对高层领导和前台业务部门；
- 同时 BI 需要的数据、开发资源又掌握在后台开发部门，需要开发部门提供资源和信息支撑；
- 这些决定了 BI 部门需要常态化的多向沟通。
4.1. 业务接口人
- BI 需求一般是由企业高层领导或者部门的领导提出，但多数时候会有一个专门的人员，和 BI 部门进行具体的细节对接；
- 接口人不一定能充分理解领导意图、或业务部门的需求，一定要注意多与领导沟通，了解真实意图；
这些年，随着企业信息化、数字化建设的发展，越来越多的企业业务部门，会配备有专门的数据运营岗，负责处理各种数据、报表，用以支撑部门的管理运营工作。这类人员有一定的数据分析能力，同时又比较了解业务，是比较理想的业务接口人。
- 业务接口人职责：
- 需求整理
- 数据源梳理
- 统计逻辑梳理
- 报表需求整理
- 资源协调
- 提供账号、权限、数据、文档等
- 协调第三方服务商
- 协调业务团队提供支持
- 需求整理
4.2. 内部数据接口人
由于企业信息化建设情况不一，多数企业会存在数据来源多、数据类型多等问题，需要梳理清楚各个 BI 的数据来源，厘清对应的负责人，并且要将其纳入 BI 建设项目协调机制中来，防止出现要数据找不到人、或者对方不配合的情况。
- IT 部门的 DBA
- DBA 主要的职责，是在数据库层面，为 BI 团队提供支撑。
- 具体包括：
- 数据库账号密码、读取权限；
- 数据字典：数据库表关系、字段属性、元数据等；
- 数据库运维支撑；
- 业务部门第三方系统管理人员
- 第三方软件的系统管理工作，一般是由 IT 部门负责的，但也有的会安排在业务部门。
4.3. 第三方服务商接口人
- 一般来说，电商卖家的 ERP、SCM、财务软件、OA大多是外采的产品，第三方服务商交付以后，会安排售后与 BI 对接；
要注意的是，如果外采的软件涉及到二次开发，那工作中真正要对接的，其实是负责开发的 DBA 或写 SQL 的开发人员，只有他们才清楚表结构设计和具体的业务逻辑。
5. 与数据中台关系
5.1. 数据中台概念介绍
数据中台的概念是最早由阿里巴巴首次提出，其最核心的是 OneData 体系。这个数据管理体系包括：全局数据仓库规划、数据规范定义、数据建模研发、数据连接萃取、数据运维监控、数据资产管理工具等。 数据中台对海量数据进行采集、计算、存储、加工，同时统一标准和口径。数据中台把数据统一之后，会形成标准数据，再进行存储，形成大数据资产，进而为企业不同部门设置外部企业提供高效服务。
数据中台的本质，就是“数据仓库+数据服务中间件”，它不仅为数据分析挖掘而建，同时作为各个业务的数据源，为业务系统提供数据和计算服务。在这个过程中，数据中台不仅要解决“读”的问题，也要解决“写”的问题，需要的是一整套的数据治理规范。这一点在“主数据管理”和“交易数据管理”上，都能得到很好的体现。
5.2. BI 与 数据中台 的关系
相比于数据中台，BI 要做的数据分析和展示，则主要是是围绕着“读”数据展开，BI 强调的是利用数据的能力。理解了这一点，也就清楚了数据中台对于 BI 的基础性作用。 我们也可以简单的理解为：数据中台提供数据，BI 使用数据，BI 对数据中台是有依赖的。
需要补充的是，BI 建设和数据中台建设，是需要对方的全程参与的，绝不能闭门造车。比如表结构设计、字段设计、数据获取逻辑等等，这些看似不起眼的问题，如果沟通不畅很容易出问题。尤其是很多企业的数据中台建设起步比较晚，很多都是先开始做 BI，后面才开始做数据中台，这就导致了一系列的问题。
举个最简单的例子，笔者就曾经遇到过 BI 团队为方便数据分析，建表时、表名和字段名都使用汉字，但后来数据中台推出的数据库上线后、却根本不支持汉字，这就让数据中台的建设失去了意义。
