创建一个强大的数据团队绝非易事，它需要领导者决定哪种数据团队结构最适合他们的组织。
在我的公司 BombBomb，我面临着这个决定，并亲身体验了嵌入式（“分布式”）和集中式团队结构的优缺点。嵌入式团队结构是指每个数据专业人员完全嵌入为业务团队（如营销团队）一部分的数据团队。而集中式数据团队是指集中处理来自所有业务部门的所有请求的数据团队。
评估数据团队的使命并概述您的企业对数据团队的确切需求可以帮助您决定如何构建该团队。
例如，如果您的组织中只有一个数据人员，则嵌入式模型可能无法工作。如果只有一个人来处理所有请求，则集中式方法将是最佳选择，这样一个人组成的数据团队可以与多个部门合作以推动洞察。
我的组织正在使用嵌入式模型。虽然此模型具有优势，但由于公司缺乏数据成熟度（一种衡量公司使用和访问嵌入式数据的指标），我们的业务正遭受优先级排序不佳的困扰，并且项目远远落后。
我感到有必要探索不同的团队结构，希望让我们的数据专业人员达成共识，提高我们组织的数据成熟度，并为同行之间的技能分享创造强大的环境。在探索模型时，我想出了这个优缺点列表
集中式模型的优势
- 团队可以轻松地跨他们支持的所有部门对项目进行优先级排序；
- 数据团队可以建立自己的团队使命并致力于自己的成果，同时还为组织提供支持；
- 数据主管可以更广泛地了解公司的整体战略，并可以轻松地在整个组织中提供数据支持；
- 让数据工程师、数据分析师和数据科学家在同一个团队中工作，可以鼓励同行之间的学习，并为技能组合发展创造机会；
- 整体数据战略在团队内部共享和维护；
您必须考虑的集中式模型的一些缺点
- 团队可能会变成更像是工单处理机，而不是成为不同部门的积极合作伙伴；
- 数据主管必须对公司战略有深入的了解，才能准确地确定工作优先级。即便如此，某些部门可能会受到青睐，而让其他部门感到不受支持；
- 虽然团队内部的知识共享程度可能很高，但数据工程师和数据科学家可能与利益相关者过于脱节，从而导致业务背景被忽略；
虽然集中式团队结构通常是迈向嵌入式团队结构的垫脚石，但这并非适用于所有企业。
嵌入式模型的优势
- 在部门内部建立牢固的关系，消除技术团队成员和业务合作伙伴之间的障碍，减少围绕数据和业务需求的困惑；
- 减少不同主题和部门之间的上下文切换可以提高生产力；
- 优先级排序在团队内部清晰且一致 - 高度定向。团队成员可以成为各自部门的学科专家；
嵌入式模型促进了数据成员和业务部门之间更好的对齐。
您应该考虑确保嵌入式模型有效的缺点
- 由于数据工程师、数据分析师和数据科学家有不同的领导者和各自的使命，他们可能会变得不一致；
- 如果没有一个人对项目的方向做出最终决定，则在确定项目优先级时可能会增加冲突；
- 这种团队结构可能会让人感到孤立，因为您周围的人不具备相同的技能，而且您共同解决问题的能力并不总是存在；
- 不同部门之间的职业发展可能会有所不同；
我的目标是在工程师和分析师团队中创建对业务目标和目的的共同理解，同时也在具有相似技术技能的成员中创建清晰的方向和技能共享环境。
考虑到我们组织的数据成熟度较低，我严重倾向于集中式模型 - 因为我们的组织需要一个强大的团队，该团队可以相互依靠并轻松地根据公司整体目标而不是单独的目标进行优先级排序。自从实施集中式模型以来，我可以自信地说，我们提高了整个组织对数据的访问权限，提高了数据质量，创建了与公司目标对齐的数据团队目标，并创建了以信任和共同努力实现共同目标为中心的积极团队文化。
因此，当您面临挑战要确定最适合您组织的团队结构时，请记住，构建数据团队没有“操作指南”模型，而是专注于了解您公司的数据成熟度水平，以便您可以构建一个与您的组织需求和战略良好对齐的团队。
最后，请记住您的结构可能会而且很可能会发生变化，并拥抱这种变化。