事业部中的数据团队负责该事业群的日常统计分析和事业群专题类的深度洞察，并辅助事业群的技术人员合理的把数据规范的上报到中央数据部门，与中央数据部门合作，共同深刻理解该业务的数据结构、做更精细且与本部门关联性更高的用户画像等与业务关联度更高的数据工作，推动该事业群所有数据的集中化到中央数据部门，并辅助推动公司级的数据产品应用到本业务部门或者向中央数据部门提出数据产品化、数据建模的需求。
4.搭建有效的大数据团队
人才是大数据战略实施至关重要的方面，因此，设置符合大数据能力要求的团队显得尤为重要。如果组织缺乏合适的人才或能力，大数据战略实施的结果很可能会令人沮丧。因此，企业做好相应的人才规划，按照合理的规模和构成来建设人才库。在上文提到，在合理的大数据组织架构下，有两类数据团队，一类是各事业部中的数据团队;第二类是中央数据部门的数据团队。上文提到两类团队其职责不同，因此，能力要求也不一样。事业部的数据团队能力要求是数据分析为主，招聘主要为数据分析师或者数据分析专家。而中央数据部门的数据能力要求较为复杂，包括六大方面的能力，即数据分析、用户研究、数据产品、算法工程、数据统计和数据平台。在此我们展开介绍中央数据部门六大方向的能力要求：
(1)数据分析团队负责公司级的业务数据体系梳理和建设、公司级的业务专题数据分析和收入分析;此处的数据分析团队能力要求与事业部中的数据分析团队类似，区别主要是他们分析时的视角有所不同，中央数据部门的数据分析团队要站在整个公司角度去审视业务，洞察不同业务的问题，发现机会;
(2)用户研究团队负责用户调研(调查问卷、座谈会、访谈以及眼动仪等)、口碑监测、产品体验分析等方面。用户研究团队主要面对的小数据，但由于用户研究可以发现大数据所不能发现的用户使用行为背后的动机及态度等方面，所以用户研究团队与数据分析团队两者结合将能实现大小数据结合全方面洞察用户的作用;
(3)数据产品团队负责把分析能力产品化、或者基于算法或者模型所产生的数据产品(如渠道防作弊系统、个性化推荐系统等)、数据平台相应系统的产品化、数据可视化等方面的工作。该团队人员类型有数据产品经理、前台开发以及交互设计师等;
(4)算法工程团队主要负责算法研究并把算法能力嵌入到业务的流程或者业务产品中，帮助业务提升业务绩效或者提升运营效率。研究的方向包括分类算法、个性化推荐算法、基于数据挖掘的客户生命周期管理等方向。算法工程团队主要是招聘算法工程师，对数据敏感，要求数学和机器学习方面的能力较高，同时算法工程化的能力较好;
(5)数据统计团队主要负责完成各事业部提出的统计需求，并把统计结果展示到报表系统，同时还负责元数据管理、数据处理、数据统计、数据质量控制和维护等方面工作。
(6)数据平台团队主要负责数据统计产品的后台开发、数据仓库建设、数据接入系统、计算任务调度系统、元数据管理系统和实时计算能力的建设等方面工作。
5.用制度和文化来保障大数据的实施
大数据的顺利实施还需要构建数据决策的企业文化和相关的制度来保驾护航。大数据没有企业高管的重视，没有一线员工积极的参与，在实施时会变得效率很低。通过企业文化和相关的制度调动组织的积极性，才能让大数据的实施取得更好的效果，具体做法有三大方面：
(1)转变思维方式，形成数据决策的文化。企业文化本质是老板文化，如果要构建数据数据决策的文化，企业老板们则需要形成看数据的习惯，老板要带头看数据，比如通过邮件看每天的关键指标的日报、看每周的周报，看月报、季报等。无论是日报周报还是月报，一旦发现数据有异动，则马上回复邮件问数据异动原因。同时，老板在做相关决策的时候，形成用数据决策的习惯，让下属提供充足的数据决策依据，这样会驱动员工才更关注数据。
(2)相关岗位能力增加数据分析能力。在企业可能用数据较多的职位如运营岗位、客户服务岗位、营销岗位、人力资源、产品设计等增加数据分析能力的要求，员工在各自方向晋升的时候，需要评审其数据分析能力，需要举证相关的数据支撑日常工作的案例。通过这样的要求，员工自然会对数据的使用度更高。