近期收到读者朋友的咨询，他们在建立开发部数据团队的过程中遇到困惑：在大老板的支持下，部门破天荒获得了组建专职数据团队支持开发部，然而新部门几乎没有工作成果，薪酬又高的吓人，几乎面临解散。

我认为如果没有正确的认知，这应该是未来主流的问题，这些传统行业赚的是辛苦钱，大老板能给钱给支持就要用好，本篇分享一些建议：

数据部门的定义

建立数据团队的目的是要解决问题，这是最终目的，在解决业务问题的过程中朋友们遇到最多的问题可能是IT类的问题，于是不论大公司还是小公司，首先在此方面投入大量资金，但随后而来就会发现这些技术人员无法管理，没有工作成果，除了争吵什么问题也没解决。

数据部门根本上是业务部门

出现上述问题的最主要原因就是业务部门不能清晰的把需求传递给IT技术人员：业务的数据化无法完成，那再牛的IT也是巧妇难为无米之炊，这就像在实体商业领域，我们有了一处位置不错的商铺，找人过来装修，但没有设计图纸，装修工人在好也不知道活该怎么干。

因此需要一个类似产品经理的智能，这个职能的角色就是商业装修的设计师一样。

技术类工作是数据部门的重要组成

这就好像工程部门是公司开店的重要组成一样，店装修不出来一切都是零，没有IT 技术也一切无从谈起。IT 技术岗至少需要下面几个职能：

后台职位：类似商业地产建大楼的职能。

数据处理：职能就是把杂乱的数据整合成干净可用的表格。

数据库管理员：DBA 这个职位是管理公司数据库的，比较类似于大型商业项目中搞建筑设计的岗位。

前端职位：类似于软装。

前端包罗万象，但重点强调交互和可视化两个方面。

BI相关岗位：类似于招商经营。

BI岗位也可以包含很多，比如BI数据工程师、BI运维工程师、BI数据项目开发等等。

上面都是最基础的岗位，如果公司有其他需求还要配人，比如有gis需求就要另外配人，有移动端需求还要招募ios和android开发工程师。

把上面这些配齐了还不够，还需要为这个部门配置至少一个领导。至此，部门貌似配置完毕了，但上面的配置基本上只是一个幻想，因为目前IT人员的薪资远比传统行业高，一个团队基本月薪在10万以上，一年至少150万的投资，200万也是正常的。

这种投资对于大公司来说没问题，对于中小品牌来说完全是无法负担的，同时对于IT人员来说，他们在传统行业也学习不到什么技能，而且传统公司也不会给超过行业平均水平的薪酬，也留不住有水平有情怀的技术，加上产品、业务与技术之前沟通一定需要协调，最终效果肯定不佳。

从上面的分析内容来看，完全自建团队基本上只适合大公司，但中型公司和小型公司也需要相关但产品该怎么办 

砍后台：把数据库简化成一张excel

对于中小公司来说，完全没有那么大的数据量，稍微大一些的数量也产生在交易系统，开发工作只要每家门店的月度最多是每天的销售，一张excel表格完全可以搞定。

简化前端：前端是没办法完全砍掉的，但前端可以很复杂也可以很简单，使用最简单的前端工具就好，当然这其中还是涉及到一些专业技能，可以用较低的价格外包。

业务数据化：这一步是最核心也最有价值的，需要公司自己的人来做，百胜餐饮有一个岗位叫做网络规划，大体上可以认为就是从事相关工作的。

整体来说，技术虽然非常重要，但公司毕竟是需要业务落地的，自建技术团队成本高管理难，把有限的预算花在刀刃上，复杂的技术轻量化。业务数据化这块是必不可少的，巨像生产物料一样，总要有人把控。数据平台的后台和前端，至少需要一个数据库和数据仓库，因为还要考虑到后续发展壮大之后，数据量变多便复杂的性能，后台和前端可以用finereport报表类很好的解决，后期的报表开发和维护可以交给一个人去解决。评定这块技术工作之后，关注业务是最好的选择。

下面是总结的三张图片，希望能够解决类似的问题：

业务数据化背后是复杂的过程，麻雀虽小五脏俱全，应用和各种技术一个都不能少，有任何一点儿没有做到就会影响整体效果，木桶效应!

但仅仅技术是搞不定的，根本上是一项业务工作

把有限的资金投资在解决方案上而非硬件和软件等IT投资上：

来源：36大数据