واژگان فنی را به buzzwordها ترجیح دهید

بفهمید واقعاً وقتی درباره داده صحبت می‌کنید چه منظوری دارید.

از "داده" به عنوان تکیه‌گاه برای تفکر تنبل استفاده نکنید

بفهمید واقعاً وقتی درباره داده صحبت می‌کنید چه منظوری دارید.

آسان است که در دام استفاده از کلمه "داده" و اصطلاحات تحلیلی دیگر به عنوان placeholderهای مبهم برای آنچه واقعاً منظور دارید بیفتید، مثل یک محل تخلیه برای اطلاعات متفرقه که کاملاً نحوه بیان آن‌ها را فهمیده‌اید.

"داده" برای مخاطبان مختلف معانی مختلفی دارد. همکاران مهندسی، حقوقی، و بازاریابی شما همه ایده‌های مختلفی از اینکه داده چیست دارند، و همه درست هستند. برای بریدن از این سردرگمی، مهم است که هنگام صحبت درباره فیلدها و ردیف‌هایی که پایگاه‌های داده شما را تشکیل می‌دهند و اطلاعاتی که نیاز به اعتبارسنجی تصمیمات دارید خاص باشید. پایبندی به زبان مستقیم و دقیق به تیم شما کمک می‌کند ایده واضح‌تری از اطلاعاتی که از قبل دارید، سؤال‌هایی که می‌خواهید پاسخ دهید، و نحوه کمک پاسخ دادن به آن سؤال‌ها به مشتریان برای پیشرفت به سمت اهداف خود تشکیل دهند. و هرچه مشتریان استراتژی تحلیلی جدید شما را بهتر درک کنند، علاقه‌مندتر خواهند بود، و بیشتر به آن کمک خواهند کرد.

یک طنز خاص در راهنمایی که ارائه می‌دهیم وجود دارد — بله، این همه توصیه گسترده درباره نحوه خاص بودن هنگام فهمیدن نحوه کار تحلیل در سازمان شما است، اما با ما اینجا بمانید. و نه، احتمالاً استفاده از کلمه "داده" را کاملاً متوقف نمی‌کنید، اما می‌توانید سعی کنید از صحبت‌های مبهم تحلیلی شرکتی تا حد امکان اجتناب کنید.

ایجاد زبان خاص و تعاریف مشترک

بیشتر مشتریان در سازمان شما یک مدل ذهنی قوی برای نحوه قرار گرفتن "داده" کنار هم دارند، حتی اگر خودشان فکر نمی‌کنند. آن‌ها هر زمان که کار خود را انجام می‌دهند، چه در فروش، بازاریابی، یا بخش دیگر، از آن مدل ذهنی استفاده می‌کنند. نقشه‌برداری این مدل‌های ذهنی کسب‌وکار به اطلاعاتی که می‌توانید تحلیل کنید یک گام اساسی برای راه‌اندازی و اجرای تحلیل است، مثل فهمیدن نحوه تعریف سازمان از "مشتریان"، چه چیزی به عنوان یک مشتری فعال، یک مشتری بازگشتی، یک مشتری خوب، یا یک مشتری ریزش شده واجد شرایط است. رفتن از فکر کردن درباره نحوه کار کسب‌وکار شما به ساخت instrumentation که آن داستان را اعتبارسنجی می‌کند یک چالش برای هر سازمان در حال رشد است، پس سعی کنید درباره نحوه ترجمه این مدل‌های ذهنی به نقاط داده که می‌توانند ثبت و بررسی شوند فکر کنید؛ به معنای واقعی کلمه، چه چیزی است که می‌خواهید بشمارید، میانگین بگیرید، یا جمع کنید، و چگونه؟

کار در بخش‌های مختلف برای توسعه این تعاریف مشترک به مشتریان سهمی در فرآیند می‌دهد، و اطمینان می‌دهد که تحلیل در سازمان شما سازماندهی شده می‌ماند. و در آینده وقتی درباره مشتریان فعال صحبت می‌کنید، مشتریان اطراف شما می‌دانند آن اصطلاح به چه معناست، و می‌توانند از تحلیل شما از آنچه آن مشتریان فعال انجام می‌دهند برای اطلاع‌رسانی تصمیمات خود استفاده کنند.

به سادگی، مشتریان از استراتژی BI شما پشتیبانی می‌کنند اگر بفهمند درباره چه چیزی صحبت می‌کنید.

روی "داده" یا اصطلاحات تحلیلی دیگر تکیه نکنید، مشخص کنید واقعاً چه منظوری دارید

اگر خود را در حال صحبت درباره "داده" نامشخص می‌بینید، آن را به عنوان سیگنالی در نظر بگیرید که ممکن است confused باشید، و نیاز به روشن کردن استراتژی خود دارید. سازمان شما از قبل نوعی اطلاعات جمع‌آوری می‌کند، و زبان مبهم مثل "بینش‌ها"، "تحلیل"، و "داده" همه با برخی اقدامات یا معانی واقعی زندگی همبستگی دارند. شناسایی معنی پشت اطلاعاتی که از قبل دارید — آنچه از قبل جمع‌آوری می‌کنید — یک نقطه شروع خوب است. به عنوان مثال، "داده" می‌تواند به معنای page viewها، معاملات، قراردادها، لایک‌ها، نصب‌ها، یا مشتریان باشد. وقتی درباره "تحلیل" صحبت می‌کنید، درباره عملیات‌های درگیر خاص باشید، مثل میانگین گرفتن، گروه‌بندی بر اساس تاریخ، فیلتر کردن، یا مقایسه دوره‌های زمانی مختلف. اگر این معانی را می‌دانید، از آن‌ها استفاده کنید! این buzzwordهای نامشخص همیشه به چیزی اشاره می‌کنند، پس درباره آن چیز صحبت کنید.

پس از شناسایی آنچه از قبل دارید، آن خاص بودن را هنگام فکر کردن درباره چه چیز دیگری که می‌خواهید ثبت کنید، اگر چیزی، حفظ کنید. در اینجا یک مثال وجود دارد:

مبهم: "بیایید داده بیشتری درباره موفقیت آزمایش‌های مشتری خود جمع‌آوری کنیم."

بهتر: "در 30 روز گذشته، چند درصد از مشتریانی که با یک آزمایش رایگان شروع کردند به پرداخت برای سرویس ما تبدیل شدند؟ برای آن‌هایی که نکردند، آیا پروفایل خود را تکمیل کردند؟ آیا با ما تماس گرفتند، و آیا ما در بازه زمانی ذکر شده در توافقنامه سرویس خود پاسخ دادیم؟ مشتریان بیشتر درباره چه مسائلی با ما تماس گرفتند؟"

این مثال دوم شامل پرسیدن سؤال‌های بیشتر — دقیق — و مشخص کردن دقیقاً اطلاعات جدیدی که به دنبال آن هستید و مشکلاتی که داشتن آن حل می‌کند است. این خاص بودن بخشی از داستان‌سرایی مؤثر است، چه در حال پیشنهاد یا توسعه یک سیستم جدید، ساخت داشبوردهای مفید، یا ارائه یافته‌ها هستید. نیاز به فکر انتقادی درباره بازار فعلی و مشکلاتی که کسب‌وکار شما سعی در حل آن‌ها دارد دارید، اما تیز کردن این مهارت‌ها اساسی برای ساخت یک استراتژی هوش کسب‌وکار قوی است.