a digitális analitika univerzuma hatalmas, és ugyanolyan összetettnek tűnhet, mint a kozmikus univerzum.
ilyen nagy, bonyolult témákkal eltévedhetünk a hatalmas vadonban, vagy csapdába eshetünk egy Silóban. Céltalanul vándorolhatunk, vagy hamis érzést érezhetünk a teljesítményről vagy a frusztrációról. Következésképpen szem elől tévesztjük, hogy hol vagyunk, hogyan vagyunk, és melyik irány az igazi észak.
magam is számos alkalommal tapasztaltam ezeket a kihívásokat. Még olyan egyszerű kérdések is, mint például: “mennyire hatékony az elemzési stratégiánk?”bonyolult válaszokat vált ki, egyszerű kép helyett a CxO internalizálható. Ez azért van, mert meg kell beszélni eszközök (oly sok!), munka (gyűjtés, feldolgozás, jelentéskészítés, elemzés), folyamatok, szervezeti struktúra, irányítási modellek, utolsó mérföldes hiányosságok, metrikák a félelmesség létrái, és… szóval… sokkal… több.
hamarosan a digitális elemzési stratégiai keretrendszered, amelyről azt remélted, hogy valódi északot nyújt az elemzési stratégia kérdéséhez, így néz ki…
a fenti keretek csak az értékelés egyik dimenzióját fedik le (!). Van egy másik kritikus keret, hogy kitaláljuk, hogyan lehet az analitika kifinomultságát bárhol is legyen nirvanaland.
egy gyors keresési lekérdezés szemlélteti, hogy ez valahogy így néz ki…
fontos hangsúlyozni, hogy ezen keretrendszerek/válaszok egyike sem létezik vákuumban.
mindkét fenti kép félelmetesen összetett, mert az általunk elfoglalt analitikai világ összetett. Ne feledje, eszközök, munka, folyamatok, szervezeti struktúra, irányítási modellek, utolsó mérföldes hiányosságok, metrikák a nagyszerűség létrái, és… szóval… sokkal… több.
a komplexitás következményei.
a fenti képeken látható megközelítéseknek két mélyen fájdalmas eredménye van (amelyekben a munkám is képviselteti magát).
1. Nyilvánvaló:
2. Nem nyilvánvaló:
amikor valaki megragadja ezt a két eredményt – vak üzleti vezetők, vak analitikai vezetők – egyszerűen szívszorító.
a komplexitás egyszerűsítése.
a dilemma, hogy hogyan egyszerűsítsük ezt a komplexitást, hogy látó üzleti és elemzési vezetőket hozzunk létre, jó ideje bennem maradt. Olyan egyszerű látványt akartam létrehozni, amely elnyeli a skálát, a komplexitást és a sok mozgó részt.
Ezen a blogon számos kísérletet láttam a dilemma orvoslására. Hogy csak néhányat említsünk: Digitális Marketing & mérési modell | analitikai ökoszisztéma | Web Analytics 2.0. Mindegyik egy adott dimenzió megoldására irányult, de egyik sem oldotta meg teljesen a szívfájdalmat. Különösen a nem nyilvánvaló probléma #2 felett.
az éhség megmaradt.
szerettem volna létrehozni egy vizuális, hogy működne, mint egy diagnosztikai eszköz annak megállapítására, ha elveszett, csapdába esett egy siló vagy kóbor céltalanul. Ez segít megérteni, hogy az analitika milyen mértékben befolyásolta az üzleti eredményt ma, és mit kell elérnie a jövőbeli elemzési terveknek.
aztán egy nap, egy varázslatos pillanat.
a mérés tervezésével kapcsolatos vita során egy kortárs a kihívások egyedülálló gyűjteményével küzdött. Feltett néhány kérdést, és ez felvetette az ötletet.
odamentem a táblához, és izgatottan felvázoltam valami egyszerűt, ami elvonatkoztatta a bonyolultságot – és ugyanakkor megőrizte az okosabb gondolkodás erejét.
itt van a vázlat, amelyet válaszul rajzoltam:
igen, csúnya szülés volt. De nekem, a büszke szülőnek, gyönyörű volt.
tizenhat órás közvetlen járat kellett Szingapúrba, hogy a squiggly vázlat életre keljen-hol máshol, a Powerpointban!
a végeredmény mindössze öt diák. Ahogy a mondás tartja: ez nem a tinta, ez a gondolat.
szeretném megosztani veletek ma a négy diák teljesen kidolgozott, gyakorlatba átültetett és finomított változatát. Együtt, segítenek abban, hogy alapvetően átgondolja elemzési gyakorlatát, 1. az adatok tényleges hatásának megértése a vállalatára ma, 2. nagyon pontos és konkrét dolgok kiválasztása, amelyeknek a közeli és hosszú távú elemzési tervekben kell lenniük.
az ütközési mátrix.
az analitika nagy, bonyolult világának egyszerű képét festeni, a fenti tábla egy 2 db 2-es mátrixot mutat.
minden cella tartalmaz egy mutatót (online, offline, nonline).
az üzleti hatás az y tengelyen van, a szuper taktikától a Szuperstratégiáig szemléltetve.
a hasznos idő az x tengelyen van, valós időtől 6 havonta szemléltetve.
mielőtt továbbmennénk… Igen, ha az x tengelyt több időszakaszra bontjuk, akkor egy 2! 5-ös mátrix jön létre, nem pedig egy 2! 2-es mátrix. Vedd úgy, hogy ez az az ár, amit azért fizettem, hogy ezt még jobban megtehessem neked. 🙂
búvárkodás egy kicsit mélyebbre az y-tengely… szuper Taktikai a lehető legkisebb hatással van az üzleti (törtek fillérekért). A Super Strategic a lehető legnagyobb hatást gyakorolja az üzletre (több tízmillió dollár).
az y tengely skálája exponenciális. Észre fogod venni, a számok világos betűtípus között szuper taktikai és szuper stratégiai megy 4 – től 10-ig 24-től 68-ig és tovább. Ez azt mutatja, hogy a hatás nem lépésváltás-minden lépés jelentősen nagyobb hatást eredményez.
merülés egy kicsit mélyebbre az x-tengely… míg a legtöbb adatot lehet gyűjteni valós időben most, nem minden mutató hasznos valós időben.
például a megjelenítések valós időben gyűjthetők, és valós időben is hasznosak lehetnek (ha cselekvésre kerülnek, szuper taktikai hatásuk lehet – filléres törtek). Az ügyfél élettartamának értéke viszont hosszú időt vesz igénybe, hogy hasznos legyen, több hónap alatt (ha cselekvésre kerül, szuper stratégiai hatással lehet az üzletre – több tízmillió dollár).
itt van ezeknek az ötleteknek az ábrázolása az Impact Matrix-on:
a megjelenítések valós időben használhatók a megjelenítési, video-és keresési platformok döntéshozatalához (pl. automatizálás útján). A bruttó nyereséget valós időben jelentheti, természetesen, de ez szinte teljesen haszontalan. Havonta mélyen elemezni kell, hogy értékes, nagyobb hatású betekintést nyerjen. Végül, az élettartam-érték talán a legkeményebb stratégiai elemzést igényli, a hónapok során felhalmozott adatokból, és a művelet időbe telik az eredmények eléréséhez – de csodálatosak.
szünet. Tükrözze a fenti képet.
ha megérted, miért van minden mutató ott, ahol van, a bejegyzés többi része eufórikus örömmel tölti el, amelyet ritkán tapasztalnak fizikai érintkezés nélkül.
az ütközési mátrix: örömteli mély merülés.
összességében az Impact Matrix 46 leggyakrabban használt üzleti mutatót tartalmaz – hangsúlyt fektetve az értékesítésre és a marketingre. A mutatók a digitális, a televízió, a kiskereskedelmi üzletek, a hirdetőtáblák és a márka bármely más jelenléte. Több digitális mutatót lát, mert a digitális mérhetőbb.
néhány mutató minden csatornán érvényes, mint például a tudatosság, a megfontolás és a vásárlási szándék. Meg fogja jegyezni, hogy a legkritikusabb alsó metrikák, amelyek az ERP és CRM rendszerekből származhatnak, szintén szerepelnek.
minden mutató helyet foglal el az üzleti hatás és az idő alapján, de a körülötte lévő egyéb mutatók összefüggésében is.
itt egy nagyított nézet, amely tartalmazza a mátrix bal alsó részét:
folytassuk az impact és time-to-useful internalizálását egy konkrét példa segítségével: visszafordulási arány. Ez a sorban jelzi hatását négy és a time-to-hasznos oszlop heti. Míg a visszafordulási arány valós időben érhető el, csak akkor hasznos, ha kritikus mennyiségű adatot gyűjtött (mondjuk egy hét alatt).
a felszínen furcsának tűnhet, hogy egy olyan egyszerű mutató, mint a visszafordulási arány, négy, a TV GRP-k és az új látogatások % – a alacsonyabb. Ennek oka a visszafordulási arány szélesebb hatása.
a visszafordulási arányok hatékony elemzéséhez és kezeléséhez a következőkre van szükség:
* a pattogó felhasználóknak tett üres ígéretek azonosításának képessége.
* A tartalom ismerete, beleértve annak érzelmi és funkcionális értékét.
* A céloldalak optimalizálásának képessége.
képzelje el ezeknek a felismeréseknek a hatását; ez jóval meghaladja a visszafordulási arányokat. Ez az oka annak, hogy a visszafordulási arány nagyobb súlyt kap, mint a benyomások, a tudatosság és más általános mutatók.
amikor egy mutatót KPI-ként jelölünk meg, ez a legfontosabb szempont: a befolyás mélysége.
az Impact Matrix jobb megértésével itt található a teljes verzió:
ahogy a kitöltött mátrixra reflektálsz, megjegyzed, hogy finom ösztönzőkben rétegeztem.
például, ha emberenként számítana valamit, akkor teljesen fel kell újítania az identitásplatformjait (ezt a stratégiát mindig is támogattam: az Identitásrendszerek következményei az ösztönzőkre). Miért kellene ezt az extra erőfeszítést tennie? Figyelje meg, hogy ezek a mutatók milyen magasak az üzleti hatásskálán!
egyéb rejtett funkciók.
az ügyfélmutatók hangjának értéke nyilvánvaló az y tengely kontextusában való magas elhelyezésükből. Vessen egy pillantást arra, hogy a tevékenység befejezési aránya az elsődleges cél és az ajánlott valószínűség szerint hol van. Magas rangúak a hierarchiában, mivel pozitív hatással vannak mind az üzleti, mind a vállalati kultúrára – így puha és kemény előnyt biztosítanak.
azt is vegye figyelembe, hogy a legtöbb tiszta digitális mutató – Adobe, Google Analytics – a taktikai alsó sorban helyezkedik el. Ha minden, amit éjjel-nappal csinálsz, csak ezek a mutatók, ez egy ébresztő hívás az Ön számára a vállalatra gyakorolt tényleges hatása és ennek a karrierjére gyakorolt hatása összefüggésében.
A jobb felső sarokban felfedezheted a nyereség és a növekedés iránti megszállottságomat, amelyek a versenyelőny alapját képezik 2018-ban (és azon túl). Ezeknek a mutatóknak az elemzése nemcsak alapvetően változtatja meg a marketingstratégiát (gondoljon több tízmillió dollárra a nagyvállalatok számára); betekintésük megváltoztathatja a vállalat termékportfólióját, az ügyfelek elkötelezettségi stratégiáit és még sok mást.
a mátrix tartalmazza azt is, ami valószínűleg a világ első széles körben elérhető gépi tanulással működő metrikája: a munkamenet minősége, amelyet nagyjából a közepén talál. Az asztali vagy mobil webhely minden munkamenetéhez a Session Quality 1 és 100 közötti pontszámot ad annak jelzésére, hogy a látogató milyen közel áll a konvertáláshoz. A szám kiszámítása Egy ML algoritmus alapján történik, amely a felhasználói viselkedés és a konverziós adatok mély elemzéséből tanult.
szünet. Töltse le a kép teljes felbontású verzióját. Reflektálj.
remélem, hogy mind a 46 mutató elhelyezése segít olyan mutatók hozzáadásában, amelyek egyediek lehetnek a munkájában. (Oszd meg őket az alábbi megjegyzésekben, add hozzá kollektív tudásunkhoz.)
a mátrix jobb megértésével készen állsz arra, hogy legyőzze azt a két problémát, amely a poszt elején összetörte a szívünket – és tegyen valami szuper klassz dolgot, amire nem gondoltál.
1. művelet: analitikai Program Érettségi diagnosztika.
elég elmélet, idő egy igazi, szexi munkához.
az Impact Matrix létrehozásának alapvető mozgatórugója a nem nyilvánvaló probléma volt #2: mennyire számít az elemzési gyakorlat az alsó sor szempontjából?
számít, ha üzleti hatása van. Akkor lesz üzleti hatása, ha elemzési gyakorlata elég kifinomult ahhoz, hogy fontos mutatókat készítsen. Lásd a szép kör alakú hivatkozást?
🙂
esetünkben az érettséget nem az emberek, a folyamatok és a rétegek eszközrétegekről történő értékelésével mérjük, hanem az érettséget az egész dal és tánc kimenetének értékelésével mérjük.
válaszolj erre az egyszerű kérdésre: milyen mutatókat használnak leggyakrabban olyan döntések meghozatalához, amelyek minden héten/hónapban/többet hajtanak végre?
hagyja figyelmen kívül a kilenc hónappal ezelőtt kísérleti gyakorlatként előállított mutatókat. Hagyja figyelmen kívül azokat a mutatókat, amelyek egyetlen célja az adathányások folyója mentén lebegni. Hagyja figyelmen kívül azokat a mutatókat, amelyeket elemezni szeretne, de jelenleg nem.
valóság. Értékelje, valóság. Nincs értelme becsapni magad.
vegye ki a cselekvést aktívan vezérlő mutatók részhalmazát, és változtassa meg a betűszínüket zöldre az Impact mátrixban.
egy többcsatornás létezésű nagy európai ügyfél számára a következő volt az Impact Matrix ezen őszinte önreflexió után:
a digitális mutatók közül több zöld, mert több digitális metrika van. Láthatja, hogy a vállalat marketingstratégiája kiterjed a televízióra és más offline hirdetésekre, beleértve a kiskereskedelmet is.
valószínűleg sok ilyen mutatót felismer, mint amelyet az elemzési gyakorlat minden nap kiad. Ezek a vállalati alkalmazottak és a külső elemző partnerek sok kemény munkájának eredményét képviselik.
megpróbáljuk megválaszolni a mennyit számít az analitikai gyakorlat. Most már sokkal élesebben látod.
ennél a vállalatnál a legtöbb zöld mutató a bal alsó negyedben csoportosul, a legtöbbnek tíz vagy annál kisebb hatása van (1-től A-ig terjedő y tengely skálán ). Van egy egyértelmű outlier (Nonline Direct Revenue – egy nagyon nehéz metrikus kiszámítani, így hurrá!)
mint minden jó tanácsadó tudja, ha van egy 2-es 2-es, akkor négy tematikus negyedet hozhat létre. A mi esetünkben a négy kvadráns neve szilárd alap, köztes, haladó:
vállalatunk számára az analitikai gyakorlat érettsége leginkább a szilárd alap kvadránsba illeszkedik.
Ez jó dolog?
ez attól függ, hogy mennyi ideig működik az elemzési gyakorlat, hány elemzője van a vállalatnak, mennyi pénzt fektetett be az elemző eszközökbe, az ügynökségi elemző csapat mérete stb.
Ha 50 emberből álló csapatuk évente 18 millió dollárt költ elemzési befektetésekre, az elmúlt évtizedben, évente 12 eszközzel és 25 kutatási tanulmányokkal… most arra következtethet, hogy ez nem jó dolog.
ettől függetlenül az Impact Matrix most világosan megvilágítja, hogy a nagy hatású mutatók kihasználatlanok. Ezek azok a mutatók, amelyek megkönnyítik a mélyebb gondolkodást, a türelmet és az elemzést, hogy nagy alsó hatást érjenek el.
Uno ajánlás:
ajánlás Dos:
ajánlás TR ons:
a jó hír az, hogy végre világos, hová mész, és miért mész oda. Gratulálok!
ajánlás Cuatro:
a legtöbb vállalat arra vár, hogy néhány Jézus-Krisna hibrid leereszkedjen a mennyből, és egy dicsőséges hatalmas forradalmi projektet szállítson (egyik napról a másikra!). Ezek soha nem történnek meg. Sajnálom, Jézus-Krishna. Ehelyett minden alkalmazott egy kicsit felfelé és egy kicsit jobbra mozog, miközben az elemző csapat megkönnyíti ezeket a váltásokat. Kis változások felhalmozódnak nagy alsó sorban hatása idővel.
tehát. Mi a kvadránsod? És mi a következő jobb vagy következő lépésed?
2.művelet: mutatók igazítása & vezetői magasság.
amikor felkínálják az adatokat, mindenki mindent akar.
az emberek általában úgy vélik, hogy több adat jobb eredményeket jelent. Vagy, hogy ha egy ügynökség biztosítja a 40 lap, betűméret 8, táblázatkezelő tele számokkal, hogy biztosan sok munkát végeztek – ezért jobb ár-érték arány. Vagy, egy alelnök további két hisztogramot akar, amelyek hét dimenziót képviselnek az egyoldalas irányítópultján.
ha több adat felel meg az okosabb döntéseknek, akkor béke lenne a földön.
az elemzési gyakorlat tulajdonosaként munkánk alapvető része annak biztosítása, hogy a megfelelő adatok (metrika) a megfelelő időben eljussanak a megfelelő személyhez.
ehhez figyelembe kell vennünk a magasságot (más néven az y tengelyt).
A magasság határozza meg a döntések hatókörét és jelentőségét. Azt is diktálja, hogy milyen gyakorisággal érkeznek az adatok ,valamint az adatokat kísérő betekintés mélysége (IABI FTW!). Végül a magasság határozza meg a megállapítások megvitatására szánt időt.
A menedzsereknek alacsonyabb a magasságuk, taktikai döntéseket kell hozniuk-befolyásolva mondjuk több tízezer dollárt. A VP-k magasabb magasságban vannak, sokkal többet fizetnek fizetésben, bónuszban és részvényekben, mert ők viselik a felelősséget a szuper stratégiai döntések meghozataláért – több tízmillió dollárt befolyásolva.
ennek a problémának gyönyörűen elegáns megoldása van, ha az ütközési mátrixot használja.
szeletelje vízszintesen a mátrixot, hogy az egyes vezetőknek átadott mutatók igazodjanak a magasságukhoz.
A Vp – k olyan döntéshozatalban ülnek, amely egyenesen a Szuperstratégiai birodalomban van-a ~40-es vagy annál magasabb skálán. Ez a gyűjtemény a mutatók hatalom nehéz döntéseket igénylő bőséges üzleti környezetben, mély gondolkodás és befolyásolja a széles körű változás. Az elemzőknek erre az időre lesz szükségük a megfelelő elemzés elvégzéséhez és az IABI megszerzéséhez.
azt is láthatja, hogy a VPs-hez szállított szinte minden mutató havonta vagy még ritkábban érkezik meg. Egy másik tükrözi azt a tényt, hogy magasságuk Olyan problémák megoldását igényli, amelyek összekapcsolódnak az orgs-en, az ösztönzőkön, a felhasználói érintkezési pontokon stb.
tehát. A VP irányítópultjainak/diákjainak mutatói a Szuperstratégiai klaszterben vannak?
vagy. Az elemzési gyakorlata olyan, hogy a VP-k taktikai döntések meghozatalával töltik az idejüket?
A VP réteg alatt metrikus klaszterek láthatók, amelyek valamivel kevésbé stratégiai hatással vannak a vállalat alsó sorára az igazgatók számára. A hasznos idő az x tengelyen is változik számukra. Ezek után következik a vezetők rétege, akik még gyakoribb, taktikai döntéseket hoznak.
az utolsó réteg a kedvenc módszerem a döntéshozatal javítására: az emberek eltávolítása a folyamatból. 🙂
a legújabb technikai fejlesztések lehetővé teszik számunkra, hogy algoritmusokat – gépi tanulást – használjunk a szuper taktikai hatású metrikák által hozott döntések automatizálására. Például nincs szükség arra, hogy egy ember felülvizsgálja a Megtekinthetőséget, mert a fejlett megjelenítési platformok automatikusan optimalizálják a kampányokat ezzel a mutatóval. Valójában egy drága ember nézi jelentések, hogy a metrikus csak lassítja a dolgokat-kiküszöbölve a frakciók penny hatása, hogy a metrikus szállít.
ajánlás Cinco:
például: Az utolsó közös piacszervezési jelentés tartalmazza-e az egy emberre jutó nyereséget, a nem vonalas csatornánkénti növekményes nyereséget, a nem vonalas csatornák értékesítéshez való % -os hozzájárulását? Ha igen, hurrá! Ehelyett, ha tudatosságot, megfontolást, szándékot, konverziókat, visszafordulási arányt jelentenek… szomorú idő. Miért használná a KPSZ értékes idejét taktikai döntések meghozatalára? Ez kulturális probléma? Ez tükrözi az analitikus hozzáértés hiányát? Miért?
egyszerűen fogalmazva, a nagy és bonyolult nem olyan nagy és nem olyan bonyolult. Ez az egyszerű elemzés segít azonosítani azokat az alapvető kérdéseket, amelyek megakadályozzák az adatok hozzájárulását az okosabb, gyorsabb üzleti sikerhez.
Seis ajánlás:
a többi réteg esetében a művelet attól függ, hogy mi a probléma. Szükség lehet új vezetésre az elemző csapatban, szükség lehet A vállalati kultúra megváltoztatására, vagy más rétegekre (vezetők, igazgatók, VPs) eltérő elkötelezettségi modellt igényelhet. A magasság beállításához minden bizonnyal szükség lesz egy dologra: az alkalmazottak kompenzációjának megváltoztatására.
amint azt fentebb észrevetted, a mátrix erőssége abban rejlik, hogy képes egyszerűsíteni a komplexitást. Ez nem azt jelenti, hogy nem kell foglalkoznia a bonyolultsággal – most jobban összpontosíthat rá!
3. művelet: az analitikai erőfeszítések stratégiai összehangolása.
még egy szeletelési gyakorlat a mátrixunk számára, ezúttal magának az elemző csapatnak.
Az elemző csapatok félelmetes kihívással néznek szembe, amikor kitalálják, milyen erőfeszítéseket kell tenni az Impact Matrix fantasztikus lehetőségeinek kezelésére.
ezt a kihívást súlyosbítja az a tény, hogy mindig túl sok a tennivaló, és túl kevés ember van ahhoz, hogy ezt megtehesse. Ó, és ne kezdd el időben! Miért csak 24 óra van egy nap??
tehát hogyan biztosíthatjuk, hogy mindegyik optimális analitikai megközelítéssel rendelkezzen?
szeletelje fel a mátrixot függőlegesen a time-to-useful dimenzió mentén …
minden olyan metrikához, amely valós időben hasznos, ki kell csomagolnunk az automatizálás erőit. A kampányok optimalizálhatók valós idejű megjelenítések, kattintások, látogatások, oldalmegtekintések, beszerzési költségek stb. Le kell állítanunk ezek jelentését, és el kell kezdenünk betáplálni őket kampányplatformjainkba, mint például az AdWords, a DoubleClick stb. Egyszerű szabályokkal-többnyire tartományokkal-az automatizálási platformok jobb munkát végezhetnek, mint az emberek.
ha gépi tanulási tehetségekbe fektet be a csapatán belül, még az általuk épített szűken intelligens algoritmusok is gyorsabban tanulnak, és gyorsan felülmúlják az embereket ezen egyszerű döntések érdekében.
az életszellem napi szívása csökken, a taktikai hatásdöntések automatizáltak, az analitikai gyakorlatnak ideje van arra, hogy olyan mutatókra összpontosítson, amelyek hosszabb ideig hasznosak, és mélyebb emberi elemzésre van szükségük az IABI kinyeréséhez.
a hetente vagy néhány héten belül rendelkezésre álló mutatók esetében a különböző érdekelt feleknek (főként vezetőknek és Igazgatóknak) történő jelentéseknek megfelelően tájékoztatniuk kell a döntéseket. Használja az egyéni riasztásokat, küszöbérték – célokat és még sok mást, hogy ezeket az adatokat a megfelelő személynek küldje el a megfelelő időben. A heti idő-hasznos mutatókhoz az érdekelt felek elegendő taktikai kontextussal rendelkeznek ahhoz, hogy ne kelljen időt töltenie a mély elemzésre, mivel a mutatók tájékoztatják a taktikai döntéseket.
Több tisztánlátás, a terhek átgondolt áthelyezése az érdekeltekre, és több szabad idő arra, hogy arra összpontosítson, ami igazán számít.
ahol a hasznos idő a hónap tartományában van, most valóban stratégiai területre tartasz. Tükrözze az ottani mutatókat-kihívást jelentő, stratégiai, igazgató és VP magasság. Már nem elég csak jelenteni, hogy mi történt, meg kell határoznia, hogy miért történt, és mi az ok-okozati hatás a miért tényezőkre. Ez olyan betekintést eredményez, amely több millió dolláros potenciális hatással lesz a vállalatra. Ez azt jelenti, hogy befektetnie kell annak biztosításába, hogy történetei nem csupán betekintést nyújtanak, hanem konkrét ajánlott műveleteket és előre jelzett üzleti hatásokat is tartalmaznak. Bámulatosan, akkor csak annyi szöveget, mint az adatok a kimenet (ez honnan tudod, hogy jól csinálod!).
végül megvan az analitikai teljesítmény csúcsa. Utolsó vertikális szeletünk olyan mutatókat tartalmaz, amelyek többek között az ügyfélszegmensek, divíziók és csatornák teljesítményét mérik. Ez az, ahol a metaanalízis jön szóba, igénylő még több időt, még bonyolultabb analitikai technikák, hogy húzza az adatokat BigQuery vagy hasonló környezetben, ahol meg tudod csinálni a saját csatlakozik, felszabadítsa R, használja statisztikailag modellezési technikák (hello random erdők!), hogy megtalálja a legfontosabb befolyásoló tényezők a vállalat teljesítményét.
az analitikai csapat erőfeszítéseinek megoszlása e négy kategória között egy másik módszer az érettség értékelésére, valamint az értékes néhány elemzési erőforrás optimális hatásának biztosítására. Például: ha az idő nagy részét azzal tölti el, hogy adatokat szolgáltat a döntéshozóknak az automatizálás és a függőleges szeletek jelentésének mutatóihoz, akkor valószínűleg a kezdő szakaszban van (és nincs nagy hatása az üzleti lényegre).
ajánlás Siete:
az ezekre a kérdésekre adott válaszok az elemzési gyakorlatok alapvető újragondolását eredményezik. A következmények mélyek és szélesek lesznek (emberek, folyamatok, eszközök). Így juthat el az igazi nirvanaland felé vezető úton.
#sisepuede
az Impact Matrix középpontjában az egyetlen dolog, ami számít: az üzleti lényeg. Két egyszerű dimenzió, hatás és hasznos idő használatával egyszerűen három egyedi elemet magyarázhat el minden sikeres elemzési gyakorlatnak. A reflexiók néha fájdalmasak, de a napvilágra hozásuk lehetővé teszi számunkra, hogy lépéseket tegyünk analitikai gyakorlatunk szisztematikus fejlesztése felé.
Ez egy 2 6 (vagy 2 5)!
itt található az Impact Matrix Excel verziója személyes használatra.
mint mindig, most is rajtad a sor.
amikor a KPSZ megkérdezi: “mennyire hatékony az analitikai stratégiánk?”, mi a válaszod? Milyen egyszerűen lehet keretezni? Melyek az elsődleges inputok a közeli és hosszú távú elemzési fejlesztési terveihez? Ha a VP-k megkapják a mutatókat a fejlett kvadránsban, milyen stratégiák voltak hatékonyak abban, hogy odaérjenek? Ha sikeresen megvalósította a mintaillesztést és a fejlett osztályozási metaanalízis technikákat, szeretné megosztani velünk a leckéket?