數據辦職責

㈠ 移動數據業務中心的定義和職責

下載下來看看就明白了

【PPT】株洲移動數據業務中心製作
文件格式:PPT/Microsoft Powerpoint - HTML版
株洲移動數據業務中心 彩信推出的市場背景 1.SMS簡訊用戶得到很大的發展,但用戶對簡訊業務需求不能得到滿足,需要得到..."由於您發送的用戶13*手機不支持彩信功能,發送不成功." 這是因為該用戶在彩信中心的狀態還是非彩信用戶或者是未知...
211.142.236.87/bbs/peixun/shuju/msms.ppt 2470K

㈡ 數據分析師的職責是什麼

為公司提供數據報告。

數據分析師可以使企業清晰的了解到企業現狀與競爭環境，風險評判與決策支持，能夠充分利用大數據帶來的價值，在進行數據挖據與展現後，呈現給企業決策者的將是一份清晰、准確且有數據支撐的報告。

所以，大數據分析師已經不是簡單的IT工作人員，而是可以參與到企業決策發展制定中的核心人物。此外，對於新聞出版等內容產業來說，更為關鍵的是，數據分析師可以發揮內容消費者數據分析的職能，這是支撐新聞出版機構改善客戶服務的關鍵職能。

(2)數據辦職責擴展閱讀：

數據分析師需要掌握的統計方法

1、線性回歸（Linear Regression）。在統計學中，線性回歸是一種通過擬合自變數與自變數之間最佳線性關系來預測目標變數的方法。

2、分類（Classification）。分類是一種數據挖掘技術，它將類別分配給數據集合，以幫助進行更准確的預測和分析。也有時稱為決策樹，分類是用於對非常大的數據集進行分析的幾種方法之一。2大分類技術脫穎而出：Logistic回歸和判別分析。

3、重采樣方法（ResamplingMethods）。重采樣是從原始數據樣本中繪制重復樣本的方法。這是統計推斷的非參數方法。換句話說，重采樣方法不涉及使用通用分布表來計算近似p個概率值。

㈢ 如何構建數據治理模式中的職責體系

1 、隨著大數據熱潮的不斷興起，數據資產概念已經被越來越多的企業所接受，大部分企業開始重新審視自身所擁有的數據，對內加強數據對於公司業務模式創新、流程優化、精細化營銷等場景下的應用，對外探索各種數據價值變現的途徑，為公司在市場化競爭的環境下提升競爭力提供支撐和助力。在這個背景下，數據治理的概念也引起了越來越多單位的重視，特別是金融、通信和能源等國內信息化相對領先的行業，這些行業中的大部分單位已經把數據當做一項重要資產來進行管理，從組織、制度、流程和技術等多個方面入手展開數據的匯總、管理和應用的工作。
2、相關數據治理理論以及職責體系的定義
2.1 DAMA數據治理體系
國際數據管理協會DMBOK一書中對數據治理的定義如下：「數據治理是對數據資產管理行使權力和控制的活動集合（規劃、監控和執行）。數據治理指導其他數據管理職能如何執行，是在數據管理之上的更高一層的規劃和控制」，從中可以看到DMBOK把數據相關的活動劃分為數據治理和數據管理兩部分，其中數據治理重點關注於整體制度的規劃、監控和執行，用於指導和規范數據管理工作的開展。而數據管理工作是針對數據運營和操作所展開的日常活動，例如：數據架構設計，數據標准和數據質量管理等等。
數據治理處於數據管理的核心位置，包括了數據戰略、組織和角色、政策和標准等等，在組織和角色方面，DMBOK提出了數據治理的「三權分立」模式。數據治理包括立法職能（策略和標准）、司法職能（問題管理）和行政職能（管理、服務與合規）：數據治理機構的職責包括設置策略、標准、架構和規程，以及解決數據相關問題。數據管理組織的職責包括：管理、監控和執行數據政策、標准和程序，協調、維護和實施數據架構。如圖1所示。
在這個模式中，DMBOK強調數據治理的立法司法和執行之間的獨立和相互制衡，這是數據治理模式三權分立中的關鍵點。DMBOK明確提出了首席數據官、數據治理委員會、數據治理辦公室、數據管理管理專員等概念，對企業數據治理工作的開展起到了很大的推動作用。但是DMBOK對於三權分立模式如何在企業中落地實施著墨不多，這也需要根據企業規模、管理模式方面的特徵來進行具體的落地實施。
2.2 DGI數據治理體系
數據治理研究所（DGI）提出了數據治理的簡單定義和復雜定義。簡單定義為，數據治理是對數據相關事務行使權力並進行決策的一系列活動。復雜定義為，數據治理是關於數據信息的決策權和責任制的體系，並按照共同約定的體系模型落地實施。該模型對數據信息的相關環境、人員、時間和方法、行動都進行嚴格、明確的定義，實現正確的人員在適當時間對合適環境中的相關數據，按照定義的方法採取必要的行動，確保數據滿足規范要求。
在數據治理組織方面，DGI認為一個公司的數據治理組織主要有以下三部分組成：
（1）數據利益相關人：有可能影響數據或者被數據所影響的任何個人和團體，例如：數據架構團隊、業務團隊，DBA等等。
（2）數據治理辦公室：數據治理日常運行的溝通、協調機構，需要推動相關制度的落實、監控日常工作開展情況，推動問題的解決等。
（3）數據管家團隊：負責各自領域數據的管理工作，制定數據的業務規則，採集數據和應用數據來支持工作，並負責自身數據相關質量問題的解決。
2.3 非侵入式數據治理體系
Robert S.Seiner是國際數據治理領域的知名專家，根據對數據治理領域常見痛點的總結，結合自身數據治理經驗的總結，提出了非侵入式數據治理模式《Non-invasive Data governance》，這種模式強調一種自下而上的數據治理方式，和DMBOK、DGI等方面的模式有顯著區別，並在國際上有很大的影響力。
非侵入式數據治理模式的主要特點如下：
（1）數據管理專員是根據當前的工作職責而識別出來的，並對其工作職責進行規范化，而不是讓他感覺到給他增加了新的工作任務。
（2）在現有的策略、流程和方法之上增加數據治理控制的功能，而不是引入新的流程或者方法。
（3）數據治理是統一支持企業范圍內所有的數據集成、風險管理、商業智能和主數據管理等活動，而不是在各自的領域施加不同的控制。
（4）需要讓高層領導者了解這是一種實用的、對現在沒有改變的，高效的數據治理模式，可以協調數據所有者之間的關系，強調把數據當做企業資產進行管理的方式，而不是構建一套獨立的數據治理機制。
（5）非侵入式數據治理模式的關鍵點是高效的溝通，並且能夠充分利用已有的優勢。
在這種模式下，整個數據相關的角色包括操作層的數據管理專員、戰術層的主題域數據管理員、戰術層的數據管理協調員、戰略層的數據治理委員會、戰略層的指導委員會、數據治理團隊、數據治理合作夥伴等七類角色。
這些組織角色的設置和DMBOK中的設置有相似之處，但是在非侵入式數據治理體系中更加強調這些角色的建立是根據其當前工作職責的識別來制定的，不是新增或者重新招聘，這些角色中除了數據治理團隊之外，其他角色都是兼職人員。
3 實踐中的數據治理模式以及職責體系
數據治理相關理論對數據治理相關的職責體系進行了描述，但是企業應該如何構建職責體系沒有涉及，在實際的應用場景中，特別是國內的企事業單位，大部分都是自上而下的方式來構建各自的數據治理職責體系，更多的是參考DAMA數據治理體系中的結構設計，對於非侵入式數據治理體系這種模式國內的實踐案例不多。
數據治理職責體系在國內企業中主要存在兩種類型四種模式：
（1）實體組織類型：獨立數據管理組織模式，IT部門下屬數據管理組織模式。
（2）虛擬組織類型：IT部門牽頭的虛擬數據治理組織，業務部門牽頭的虛擬數據治理組織。
3.1 獨立的實體組織
獨立的數據管理組織模式是把數據業務化的一種方式，針對數據這一企業資產設立獨立的部門來集中進行數據資產的運營和管理。這種模式是完全脫離IT部門再重新建立一個獨立的數據管理部門，統一負責數據架構、數據標准、數據質量和安全等方面的管理，並且對IT部門建設項目中的數據需求、設計和變更進行管理，確保新建項目中能夠滿足公司數據管理方面的要求。同時，有的公司也會把數據分析、數據運營變現的工作放在數據管理部，從而可以把數據管理部門從成本中心轉變為利潤中心，實現從數據到利潤的變現。
這種模式強調數據管理部和技術部之間的平衡，有利於制定獨立的數據管理政策和保證相關政策的落地實施，同時明確了公司數據管理運營許可權的歸屬部門，有利於打破數據的部門壁壘，可以促進數據價值的發揮。同時，由於數據管理部門不僅僅是進行數據管理，同時也可以進行數據分析和變現的工作，業務價值比較容易體現，對於提升自身數據團隊人員的積極也有很大幫助。
3.2 IT下屬的實體組織
由於數據是信息系統的附屬物，隨著信息系統建設的逐漸成熟和穩定，很多公司為把信息化的重點逐漸轉移到數據的管理和分析應用等方面，而信息科技部門往往被認為是最了解數據的部門，因此很多公司會在信息科技部門下面成立獨立的團隊來開展數據管理的工作。這種模式很多的是問題驅動式的，由於數據分析應用過程中面臨的數據問題越來越多，迫切需要進行管理，而數據在公司內部的戰略位置還沒有非常高，所以會選擇在IT部門下設獨立的數據管理部門，在制定數據管理政策和標準的同時，推動數據質量問題的處理，可能還會承擔數據維護的工作。
這種模式下數據管理部的人員出自於信息科技部門，對信息系統就非常熟悉，了解存在的數據問題，和項目人員的溝通交流很方便，相互之間也很容易協作。但是，經常會出現以技術的視角來考慮數據管理的問題，很多數據政策、標準的落地實施常常會妥協於項目實施時間、成本等方面的約束。
3.3 IT牽頭的虛擬組織
由於成立實體的數據管理團隊對組織架構的沖擊比較大，特別是國內的央企和行政事業單位，因此成立虛擬的數據管理組織就成為很多企業採取的模式。信息技術部門往往會極力推動數據治理組織的建設，希望通過公司高層領導的支持，加強公司業務部門在數據管理工作過程中的參與度。而由於IT部門更了解信息系統，更了解技術，理所當然的就成立了由IT部門牽頭的、各業務部門參與的、虛擬的數據治理組織。這種模式會參考DAMA數據治理組織的模式，設置數據治理委員會、數據治理辦公室，業務數據管理員等架構模式，其中數據治理政策的制定、推動實施、監控和協調等主要工作會落實在數據治理辦公室，數據治理辦公室由IT部門負責落實和管理，在IT部門中有可能會指定全職的人員來進行協調和管理的工作，其他的大部分人員都是兼職的。
這種模式的優點就是對組織架構的沖擊比較小，建立成本較小。虛擬組織很容易建立，但是推動數據治理相關制度具體落地執行的難度非常大，業務部門的參與度不高，數據治理的業務價值也不容易體現，因此針對這種模式，建議數據管理部能設置專職的數據管理角色，業務部門的工作職責要能夠落實到崗位描述中。
3.4 業務牽頭的虛擬組織
這種模式是對第三種模式的演進，由於國內很多企業IT部門都是相對弱勢的部門，話語權不強，導致數據治理的制度、標准很難落實，為此，很多企業建立數據治理組織的時候會選擇一個強勢的業務部門牽頭，IT部門配合的模式，例如銀行的風險管理部門、財務部門等等。
這種模式下由於業務部門對於數據的需求和痛點很了解，比較容易體現數據治理的業務價值，同時，由於部門話語權比較強，相關的政策、標准和措施比較容易落地執行。缺點就是牽頭業務部門需要平衡本職業務工作和數據治理工作的投入，同時，由於對信息技術和數據沒有那麼了解，往往需要增加專職的數據管理員。
4 雲南電網數據治理職責體系實踐
雲南電網數據治理組織採用IT牽頭的虛擬組織形式。數據治理委員會職責由網路與信息安全領導小組履行，數據治理管理辦公室職責由網路與信息安全領導小組辦公室履行。在信息部下設置數據治理業務專員，在信息中心下設置數據治理技術專員，其他各業務部門設置數據聯絡員。
4.1 數據治理委員會工作職責
在數據戰略層面：主要負責監督數據戰略和數據政策的實施和執行情況，監控數據風險。
在數據管理層面：主要負責公司數據戰略的目標和策略、數據體系規劃、數據政策制度、數據質量、數據標准、數據需求等數據領域的重大事項審批以及監督評價。
具體職責包括：
（1）對重大數據治理相關事項進行決策，監督數據治理相關工作的開展；
（2）審批公司數據治理工作考評方案，並監督考評結果；
（3）定期向董事會報告公司數據治理相關工作情況。
4.2 數據治理管理辦公室工作職責
數據治理管理辦公室是公司數據治理工作的直接領導與組織部門，負責數據治理相關各領域、各環節的決策支持、監督執行和組織落實。其主要職責包括落實數據治理決策層分配的工作，制定並審議數據治理相關工作流程和各項制度，組織推進公司各部門及基層單位開展數據治理工作。具體職責包括：
（1）審議數據治理工作相關的制度和細則及工作流程；
（2）指導數據標準的編制、執行、變更、復審的協調、決策等管理工作，審查數據標准相關方案，審議數據標准相關的重大事項等；
（3）定期向數據治理決策層匯報公司數據治理工作情況；
（4）負責審議並指導數據治理執行層工作並聽取匯報；
（5）指導數據治理工作考評方案制定，並檢查數據治理工作評結果。

㈣ 數據處理專員干什麼的

一、數據處理專員來主要工源作內容如下：

1、對公司項目的原始資料庫進行清理，並根據反饋意見進行修改；

2、負責各類數據的分類和整理；

3、文字輸入、文件掃描，數據錄入和核對。

4、參與數據處理系統測試；

5、協助部門經理，對數據處理員的工作進行指導；

6、完成領導交辦的其他工作內容。

二、數據處理專員崗位要求如下：

1、大專及以上學歷，3年以上數據處理工作經驗，從事市場研究行業者優先；

2、 熟練使用SPSS、Excel等數據處理工具，具備良好的數據統計、分析及處理能力；

3、 具備嚴密的邏輯思維能力，對項目充分理解，數據敏感，善於從數據分析中發現問題；

4、 良好的溝通、表達和協調能力;；

5、做事細心、嚴謹、勤奮、踏實，具備強烈的責任心和團隊意識；

6、積極良好的心態，能承受工作壓力，樂於與團隊成員分享知識與經驗。

㈤ 數據工程師的工作職責是什麼

分析歷史、預測未來、優化選擇，這是大數據工程師在「玩數據」時最重要的三大任務。通過這三個工作方向，他們幫助企業做出更好的商業決策。
大數據工程師一個很重要的工作，就是通過分析數據來找出過去事件的特徵。比如，騰訊的數據團隊正在搭建一個數據倉庫，把公司所有網路平台上數量龐大、不規整的數據信息進行梳理，總結出可供查詢的特徵，來支持公司各類業務對數據的需求，包括廣告投放、游戲開發、社交網路等。
找出過去事件的特徵，最大的作用是可以幫助企業更好地認識消費者。通過分析用戶以往的行為軌跡，就能夠了解這個人，並預測他的行為。
通過引入關鍵因素，大數據工程師可以預測未來的消費趨勢。在阿里媽媽的營銷平台上，工程師正試圖通過引入氣象數據來幫助淘寶賣家做生意。比如今年夏 天不熱，很可能某些產品就沒有去年暢銷，除了空調、電扇，背心、游泳衣等都可能會受其影響。那麼我們就會建立氣象數據和銷售數據之間的關系，找到與之相關 的品類，提前警示賣家周轉庫存。
根據不同企業的業務性質，大數據工程師可以通過數據分析來達到不同的目的。以騰訊來說，能反映大數據工程師工作的最簡單直接的例子就是選項測試 （AB Test），即幫助產品經理在A、B兩個備選方案中做出選擇。在過去，決策者只能依據經驗進行判斷，但如今大數據工程師可以通過大范圍地實時測試 —比如，在社交網路產品的例子中，讓一半用戶看到A界面，另一半使用B界面，觀察統計一段時間內的點擊率和轉化率，以此幫助市場部做出最終選擇。