het universum van digitale analytics is enorm en kan net zo complex lijken als het kosmische universum.
met zulke grote, ingewikkelde onderwerpen kunnen we verdwalen in de uitgestrekte wildernis of vast komen te zitten in een silo. We kunnen doelloos ronddwalen, of een vals gevoel van prestatie of frustratie voelen. Daardoor verliezen we uit het oog waar we zijn, hoe we het doen en welke richting het ware noorden is.
Ik heb deze uitdagingen zelf bij tal van gelegenheden ervaren. Zelfs eenvoudige vragen als ” hoe effectief is onze analytics strategie?”ontlokken een ingewikkelde set van antwoorden, in plaats van een eenvoudig beeld van de CXO kan internaliseren. Dat komt omdat we moeten praten over tools (zo veel!), werk (verzameling, verwerking, rapportage, analyse), processen, organisatiestructuur, bestuursmodellen, last-mile hiaten, metrics ladders van awesomeness, en… zo… veel… meer.
binnenkort ziet uw digital analytics strategic framework waarvan u hoopte dat het een echt noorden zou bieden aan de analytics strategy vraag er als volgt uit …
de bovenstaande frameworks bestrijken slechts één dimensie van de beoordeling (!). Er is een ander kritisch kader om erachter te komen hoe u uw analytics verfijning kunt nemen van waar het op het moment is naar nirvanaland.
een snelle zoekopdracht zal illustreren dat dat er ongeveer zo uitziet…
Het is belangrijk te benadrukken dat geen van deze frameworks / antwoorden in een vacuüm bestaat.
beide afbeeldingen hierboven zijn angstaanjagend complex omdat de analysewereld die we bewonen complex is. Vergeet niet, tools, werk, processen, organisatiestructuur, bestuursmodellen, last-mile hiaten, metrics ladders van awesomeness, en … zo … veel… meer.
de implicaties van complexiteit.
Er zijn twee zeer pijnlijke uitkomsten van de benaderingen die je ziet in de foto ‘ s hierboven (waarin je ook mijn werk ziet vertegenwoordigd).
1. Voor de hand liggende:
2. Niet voor de hand liggend:
wanneer men deze twee uitkomsten begrijpt-blinde business leaders, blinde analytics leaders-is het gewoon hartverscheurend.
vereenvoudiging van de complexiteit.
het dilemma van het vereenvoudigen van deze complexiteit, het creëren van inzicht in business en analytics leiders, is al geruime tijd bij me blijven hangen. Ik wilde een eenvoudig beeld maken dat de schaal, complexiteit en vele bewegende delen absorbeert.
op deze blog heb je talloze pogingen van mij gezien om het dilemma op te lossen. Om er een paar te noemen: Digitale Marketing & Measurement Model / Analytics Ecosystem / Web Analytics 2.0. Elk gericht op het oplossen van een bepaalde dimensie, maar geen van de hartzeer volledig opgelost. Vooral voor het niet-voor de hand liggende probleem #2 hierboven.
De honger bleef.
Ik wilde een beeld maken dat zou functioneren als een diagnostisch hulpmiddel om te bepalen of je verdwaald bent, gevangen zit in een silo of doelloos ronddwaalt. Het zou u helpen realiseren van de mate waarin analytics invloed op de zakelijke bottom line vandaag, en wat uw toekomstige analytics plannen moeten bereiken.
dan op een dag, een magisch moment.
tijdens een discussie over het plannen van metingen worstelde een peer met een unieke verzameling uitdagingen. Hij stelde me een paar vragen, en dat leidde tot een idee.
Ik liep naar het whiteboard en schetste opgewonden iets simpels dat de complexiteit weg abstraheerde – en tegelijkertijd de kracht van slimmer denken bewaarde.
Hier is de schets die ik tekende in antwoord:
Ja, Het was een lelijke geboorte. Maar voor mij, de trotse ouder, was het prachtig.
Het duurde een rechtstreekse vlucht van zestien uur naar Singapore voor de squiggly sketch tot leven kwam-waar anders, in PowerPoint!
het eindresultaat was slechts vijf dia ‘ s. Zoals het gezegde luidt: het is niet de inkt, het is het denken.
Ik wil de volledig uitgewerkte, in de praktijk gebrachte en verfijnde versie van deze vier dia ‘ s vandaag met u delen. Samen, ze zullen u helpen fundamenteel heroverwegen uw analytics praktijk door, 1. inzicht in de werkelijke impact van data op uw bedrijf vandaag en, 2. picking zeer nauwkeurige en specifieke dingen die moeten worden in uw nabije en lange termijn analytics plannen.
De Impactmatrix.
om een eenvoudig beeld te schetsen van de grote, ingewikkelde wereld van analytics, toont het whiteboard hierboven een 2×2 matrix.
elke cel bevat een metriek (online, offline, non-line).
De bedrijfsimpact ligt op de y-as, geïllustreerd van Super tactisch tot Super strategisch.
De tijd-tot-nuttig is op de x-as, geïllustreerd van Real-Time tot 6-maandelijks.
voordat we verder gaan… ja, het splitsen van de x-as in meerdere tijdssegmenten creëert een 2×5 matrix, en niet een 2×2. Beschouw dat als de prijs die ik heb betaald om dit actiever voor je te maken. 🙂
Een beetje dieper in de y-as duiken… Super tactisch is de kleinst mogelijke impact op het bedrijf (fracties van centen). Super Strategic vertegenwoordigt de grootst mogelijke impact op het bedrijf (tientallen miljoenen dollars).
de schaal op de y-as is exponentieel. U zult merken dat de nummers in lichte lettertype tussen Super tactische en Super strategische gaan van 4 naar 10 naar 24 naar 68 en verder. Dit toont aan dat impact geen stap-verandering is – elke stap omhoog levert een enorm hogere impact op.
duiken een beetje dieper in de x-as… hoewel de meeste gegevens nu in real-time kunnen worden verzameld, zijn niet alle metrics nuttig in real-time.
als voorbeeld, impressies kunnen worden verzameld in real-time en ze kunnen ook nuttig worden in real-time (indien geactiveerd, kunnen ze een super tactische impact hebben – fracties van centen). Customer Lifetime Value aan de andere kant duurt een lange tijd om nuttig te worden, over maanden en maanden (als actioned, het kan een super strategische impact hebben op het bedrijf – tientallen miljoenen dollars).
Hier is een weergave van deze ideeën over de Impactmatrix:
impressies kunnen in real-time worden gebruikt voor besluitvorming door uw beeldscherm -, video-en zoekplatforms (bijvoorbeeld via automatisering). U kunt de brutowinst in real-time rapporteren, natuurlijk, maar dit doen is bijna volledig nutteloos. Het moet maandelijks grondig worden geanalyseerd om waardevolle, meer impact bruikbare inzichten op te leveren. Tot slot zal Lifetime Value misschien wel de zwaarste strategische analyse vereisen, gebaseerd op gegevens die gedurende maanden zijn verzameld, en de actie kost tijd om resultaten op te leveren – maar ze zijn prachtig.
Pauze. Reflecteer op de bovenstaande foto.
Als u begrijpt waarom elke metriek is waar het is, zal de rest van dit bericht u vullen met euforische vreugde die zelden wordt ervaren zonder fysiek contact.
De Impactmatrix: een vreugdevolle diepe duik.
in totaal bevat de Impactmatrix 46 van de meest gebruikte bedrijfsstatistieken – met de nadruk op verkoop en marketing. De metrics span digitale, televisie, winkels, billboards, en elke andere aanwezigheid van een merk dat je kunt bedenken. Je ziet meer digitale statistieken omdat digitaal meetbaarder is.
sommige metrics zijn van toepassing op alle kanalen, zoals bewustzijn, overweging en aankoopintentie. U zult merken dat de meest kritische bottom line metrics, die kunnen komen uit uw ERP-en CRM-systemen, zijn ook opgenomen.
elke metriek neemt natuurlijk een plaats in op basis van bedrijfsimpact en tijd, maar ook in de context van andere metrics eromheen.
Hier is een vergrote weergave die het linkerbenedengedeelte van de matrix bevat:
laten we doorgaan met het internaliseren van impact en tijd-tot-nuttig door te kijken naar een specifiek voorbeeld: Bounce Rate. Het staat in de rij met een impact van vier en in de tijd-tot-nuttige kolom wekelijks. Terwijl Bounce Rate is beschikbaar in real-time, is het alleen nuttig nadat u een kritische hoeveelheid gegevens hebt verzameld (laten we zeggen, meer dan een week).
aan de oppervlakte lijkt het misschien vreemd dat een eenvoudige metriek zoals Bounce Rate een impact heeft van vier en TV GRP ‘ s en % nieuwe bezoeken zijn lager. Mijn reden daarvoor is de bredere invloed van Bounce Rates.
het effectief analyseren en reageren op Bounce Rates vereist het volgende:
* de mogelijkheid om lege beloftes te identificeren die gemaakt zijn aan de gebruikers die stuiteren.
* kennis van de inhoud, met inbegrip van de emotionele en functionele waarde.
* de mogelijkheid om landingspagina ‘ s te optimaliseren.
stel je de impact van deze inzichten voor; het is veel meer dan Bounce Rates. Dat is de reden waarom Bounce Rate garners meer gewicht dan indrukken, bewustzijn en andere gemeenschappelijke statistieken.
bij het aanwijzen van een metriek als een KPI, is dit uw belangrijkste overweging: diepte van invloed.
met een beter begrip van de Impactmatrix, is hier de volledige versie:
Als u nadenkt over de ingevulde matrix, zult u merken dat ik subtiele prikkels heb gebruikt.
bijvoorbeeld, als je iets per mens zou berekenen, zou je je identiteitsplatformen volledig moeten vernieuwen (een strategie die ik altijd heb gesteund: implicaties van identiteitssystemen op Incentives). Waarom zou je deze extra inspanning doen? Merk op hoe hoog deze statistieken zit op de business impact scale!
andere verborgen functies.
de waarde van voice of customer metrics wordt duidelijk door hun hoge positie in de context van de y-as. Neem een kijkje op waar taak voltooiing tarief door primaire doel en waarschijnlijkheid aan te bevelen zijn, als een voorbeeld. Ze staan hoog in de hiërarchie vanwege hun positieve impact op zowel het bedrijf als de bedrijfscultuur – waardoor ze een zacht en hard voordeel opleveren.
u zult ook merken dat de meeste pure digitale statistieken – Adobe, Google Analytics – zitten in de tactische bottom line impact. Als alles wat je dag en nacht doet is alleen die statistieken, Dit is een wake-up call voor u in de context van uw werkelijke impact op het bedrijf en de impact daarvan op uw carrière.
rechtsboven zie je mijn obsessie met winst en Incrementaliteit, die de basis vormen van concurrentievoordeel in 2018 (en daarna). Het analyseren van deze statistieken niet alleen fundamenteel verandert marketing strategie (denk tientallen miljoenen dollars voor grote bedrijven); hun inzichten kan veranderen van uw bedrijf product portfolio, uw customer engagement strategieën en nog veel meer.
de matrix bevat ook wat waarschijnlijk ‘ s werelds eerste algemeen beschikbare machine learning-aangedreven metric is: Session Quality, die je ruwweg in het midden zult vinden. Voor elke sessie op uw desktop of mobiele site, Session Quality biedt een score tussen 1 en 100 als een indicatie van hoe dicht de bezoeker is om te converteren. Het aantal wordt berekend op basis van een ML-algoritme dat heeft geleerd van diepgaande analyse van uw gebruikersgedrag en conversie gegevens.
Pauze. Download de volledige resolutie versie van de foto. Weerspiegelen.
Het is mijn hoop dat de plaatsing van elk van de 46 metrics u zal helpen metrics toe te voegen die uniek kunnen zijn voor uw werk. (Deel ze in reacties hieronder, voeg toe aan onze collectieve kennis.)
met een beter begrip van de matrix, bent u klaar om de twee problemen die onze harten brak aan het begin van de post te overwinnen – en iets supercools te doen waarvan u dacht dat we dat niet zouden doen.
actie # 1: analyse programma Maturity Diagnostic.
genoeg theorie, tijd om wat echte, sexy, werk.
de belangrijkste driver achter de creatie van de Impactmatrix was het niet voor de hand liggende probleem #2: in hoeverre doet uw analytics praktijk ertoe vanuit een bottom line perspectief?
u bent belangrijk als u een zakelijke impact hebt. U zult een zakelijke impact hebben als uw analytics praktijk is geavanceerd genoeg om statistieken die ertoe doen produceren. Zie je de mooie cirkelreferentie?
🙂
in ons geval meten we volwassenheid niet door mensen, processen en lagen op lagen van gereedschappen te evalueren, maar meten we volwassenheid door de output van dat hele lied en dans te evalueren.
beantwoord deze eenvoudige vraag: welke metrics worden het meest gebruikt om beslissingen te nemen die elke week/maand/meer tot werkelijke acties leiden?
negeer de statistieken die negen maanden geleden als experimentele oefening werden geproduceerd. Negeer de statistieken waarvan het enige doel is om langs de rivier van data-kotsen te drijven. Negeer de statistieken die je wilt dat je analyseert, maar doe het momenteel niet.
realiteit. Beoordelen, realiteit. Het heeft geen zin om jezelf voor de gek te houden.
neem de deelverzameling van metrics die actief actie drijven, en verander de letterkleur voor hen in groen in de Impactmatrix.
voor een grote Europese klant met een multi-channel bestaan, hier is hoe de Impact Matrix eruit zag na deze eerlijke zelfreflectie:
Meer van de digitale metrics zijn groen, omdat er meer digitale metrics periode. U kunt zien marketing strategie van het bedrijf overspant televisie en andere offline reclame, met inbegrip van de detailhandel.
u zult waarschijnlijk veel van deze metrics herkennen als degene die uw analytics elke dag uitvoert. Ze zijn het resultaat van veel hard werk van de medewerkers van het bedrijf en externe analytics partners.
we proberen de vraag te beantwoorden in hoeverre de analyse er toe doet. Dat zie je nu scherper.
voor dit bedrijf zijn de meeste groene metricscluster in het kwadrant linksonder, waarbij de meeste een impact hebben van tien of minder (op een y-as schaal van 1 tot A ). Er is een duidelijke uitschieter (Nonline directe omzet – een zeer moeilijk metrisch te berekenen, dus hoera!)
zoals elke goede consultant weet, kunt u met een 2×2 vier thematische kwadranten maken. In ons geval worden de vier kwadranten Solid Foundation, Intermediate en Advanced genoemd.:
voor ons bedrijf past de maturiteit van de analysepraktijk meestal in het Solid Foundation quadrant.
Is dit een goede zaak?
Het hangt af van hoe lang de analytics praktijk al bestaat, hoeveel analisten het bedrijf heeft, hoeveel geld het heeft geïnvesteerd in analytics tools, de grootte van hun agency analytics team, enzovoort.
als ze een team van 50 mensen hebben die elk jaar 18 miljoen dollar uitgeven aan analyseinvesteringen, in de afgelopen tien jaar, met 12 tools en 25 onderzoeken per jaar… dan kun je nu concluderen dat dit geen goede zaak is.
hoe dan ook, de Impactmatrix laat nu duidelijk zien dat zeer invloedrijke metrics onderbenut zijn. Dit zijn de statistieken die dieper nadenken, geduld en analyse te vergemakkelijken om grote bottom line impact te leveren.
aanbeveling Uno:
aanbeveling Dos:
aanbeveling Très:
het goede nieuws is dat het nu eindelijk duidelijk is waar je heen gaat en waarom je daarheen gaat. Gefeliciteerd!
aanbeveling Cuatro:
So. Wat is je kwadrant? En, wat is je volgende rechts of volgende omhoog zet?
actie # 2: Metrics uitlijnen & Leiderschapshoogte.
wanneer data wordt aangeboden, wil iedereen alles.
mensen geloven vaak dat meer gegevens betere resultaten betekenen. Of, dat als een Agentschap is het verstrekken van een 40 tabblad, lettergrootte 8, spreadsheet vol met nummers die ze veel werk moeten hebben gedaan-dus een betere prijs-kwaliteitverhouding. Of, een VP wil nog twee histogrammen die zeven dimensies vertegenwoordigen geperst in haar één pagina dashboard.
als meer gegevens slimmere beslissingen evenaren, zouden ze vrede op aarde zijn.
een kernonderdeel van onze taak, als eigenaren van de analytics-praktijk, is ervoor te zorgen dat de juiste data (metrisch) de juiste persoon op het juiste moment bereikt.
om dit te doen, moeten we rekening houden met hoogte (aka de y-as).
hoogte bepaalt de reikwijdte en betekenis van beslissingen. Het bepaalt ook de frequentie waarmee gegevens worden ontvangen, samen met de diepte van inzichten die nodig zijn om de gegevens te begeleiden (IABI FTW!). Tot slot bepaalt de hoogte de hoeveelheid tijd die wordt toegewezen om bevindingen te bespreken.
Managers hebben een lagere hoogte, ze zijn verplicht om tactische beslissingen te nemen – met impact op bijvoorbeeld tienduizenden dollars. VP ‘ s hebben een hogere hoogte, ze worden een ton meer betaald in salaris, bonus en voorraad, omdat ze de verantwoordelijkheid dragen voor het maken van super strategische beslissingen – impact tientallen miljoenen dollars.
dit probleem heeft een prachtig elegante oplossing als u de Impactmatrix gebruikt.
snijd de matrix horizontaal om er zeker van te zijn dat de metrics die aan elke leider worden geleverd op één lijn staan met hun hoogte.
VP ‘ s bevinden zich bij het nemen van beslissingen die volledig in het super strategische domein liggen – op onze schaal ~40 en hoger. Deze verzameling metrics macht zware beslissingen die overvloedige zakelijke context, diep denken en zal invloed hebben op brede verandering. Analisten zullen die tijd nodig hebben om de juiste analyse uit te voeren en het IABI te verkrijgen.
u kunt ook zien dat bijna alle gegevens die aan de VPs worden geleverd maandelijks of zelfs minder vaak aankomen. Een andere weerspiegeling van het feit dat hun hoogte het oplossen van problemen vereist die zich verbinden tussen orgs, incentives, gebruikersaanraakpunten, enz.
So. Zijn de statistieken op uw VP Dashboards / dia ‘ s die in Super strategische cluster?
of. Is uw analytics praktijk zodanig dat uw VP ‘ s hun tijd besteden aan het maken van tactische beslissingen?
onder de VP-laag ziet u metrische clusters voor iets minder strategische impact op de bedrijfsbronlijn voor bestuurders. De tijd-tot-nuttig verandert ook op de x-as voor hen. Na hen is de laag voor managers, die nog frequenter, tactische beslissingen te nemen.
de laatste laag is mijn favoriete manier om de besluitvorming te verbeteren: mensen uit het proces verwijderen. 🙂
recente technische ontwikkelingen stellen ons in staat om algoritmen – machine learning – te gebruiken om beslissingen te automatiseren gemaakt door metrics die een super Tactische impact hebben. Er is bijvoorbeeld geen noodzaak voor een mens om de Viewability te beoordelen, omdat geavanceerde display platforms campagnes automatisch optimaliseren tegen deze maatstaf. In feite een dure mens kijken naar rapporten met die metriek zal alleen maar vertragen dingen naar beneden – het elimineren van de fracties van penny impact die die metriek levert.
aanbeveling Cinco:
bijvoorbeeld: Bevat uw laatste CMO-rapport winst per mens, incrementele winst per Non-line kanaal, % bijdrage van Non-line kanalen aan de verkoop? Zo ja, hoera! In plaats daarvan, als ze bewustzijn rapporteren, overweging, Intentie, conversies, Bounce Rate … trieste tijd. Waarom zou uw CMO zijn of haar kostbare tijd gebruiken om tactische keuzes te maken? Is het een cultuurprobleem? Is het een weerspiegeling van het gebrek aan analytische kennis? Waarom?
simpel gezegd, het grote en ingewikkelde is niet zo groot en niet zo ingewikkeld. Deze eenvoudige analyse zal helpen bij het identificeren van kernproblemen die de bijdrage die gegevens kunnen leveren aan slimmer, sneller, zakelijk succes belemmeren.
aanbeveling Seis:
voor de andere lagen hangt de actie af van het probleem. Het kan een nieuw leiderschap in het analytics-team vereisen, het kan een verschuiving in de bedrijfscultuur vereisen, of het kan een ander engagement model tussen lagen (managers, directeuren, VPs) vereisen. Een ding om de hoogte aan te passen zal zeker nodig zijn: verandering in de manier waarop werknemers worden gecompenseerd.
zoals u hierboven ziet, ligt de kracht van de matrix in zijn vermogen om complexiteit te vereenvoudigen. Dat betekent niet dat je niet te maken hebt met complexiteit – je kunt er nu meer op gericht zijn!
actie # 3: strategische afstemming van analytische inspanningen.
nog een slicing oefening voor onze matrix, deze keer voor het analytics team zelf.
Analyseteams staan voor een enorme uitdaging wanneer ze uitzoeken welk soort inspanning ze moeten leveren om de fantastische verzameling mogelijkheden die in de Impactmatrix worden weergegeven, aan te pakken.
die uitdaging wordt nog verergerd door het feit dat er altijd te veel te doen is en te weinig mensen om het mee te doen. Oh, en laat me niet op tijd beginnen! Waarom zijn er maar 24 uur per dag??
dus, hoe zorgen we ervoor dat elk een optimale analytische benadering heeft?
snijd de matrix verticaal langs de tijd-tot-nuttige dimensie …
voor elke metriek die in real-time nuttig is, moeten we de krachten van automatisering uitpakken. Campagnes kunnen worden geoptimaliseerd op basis van real-time impressies, klikken, bezoeken, paginaweergaven, kosten per acquisitie etc. We moeten stoppen met het rapporteren van deze, en beginnen met het invoeren van hen in onze campagne platforms zoals AdWords, DoubleClick etc. Met eenvoudige regels – ranges meestal – automation platforms kunnen een betere baan van het nemen van actie dan mensen.
Als u investeert in machine learning talent binnen uw team, zullen zelfs eng intelligente algoritmen die ze bouwen sneller leren en mensen snel overtreffen voor deze eenvoudige beslissingen.
met het dagelijkse zuigen van life spirit verminderd, tactische impact beslissingen geautomatiseerd, de analytics praktijk heeft tijd om zich te concentreren op metrics die een langere time-to-useful en diepere menselijke analyse nodig hebben om het IABI te extraheren.
voor statistieken die wekelijks of binnen een paar weken beschikbaar zijn, moet rapportage aan verschillende belanghebbenden (meestal Managers en directeuren) voldoende informatie verschaffen over beslissingen. Gebruik aangepaste waarschuwingen, trigger threshold targets en meer om deze gegevens op het juiste moment naar de juiste persoon te sturen. Voor wekelijkse time-to-useful metrics hebben uw stakeholders genoeg tactische context dat u geen tijd hoeft te besteden aan diepgaande analyse, omdat de metrics de tactische beslissingen informeren.
meer duidelijkheid over de rol, een bedachtzame verschuiving van de lasten naar de stakeholders en meer vrije tijd om zich te concentreren op wat er echt toe doet.
voor waar tijd-tot-nuttig is in de maand range, bent u nu echt op weg naar strategisch gebied. Denk na over de statistieken daar – uitdagend, strategisch, directeur en VP altitude. Het is niet langer genoeg om alleen te rapporteren wat er gebeurd is, je moet identificeren waarom het gebeurde en wat de causale impact is voor de waarom factoren. Dit zal inzichten opleveren die miljoenen dollars potentiële impact op het bedrijf zal hebben. Dat betekent, je nodig hebt om te investeren in ervoor te zorgen dat uw verhalen hebben meer dan alleen inzichten, maar ook specifieke aanbevolen acties en voorspelde zakelijke impact. Verbazingwekkend, je hebt net zo veel tekst Als gegevens in uw uitvoer(dat is hoe je weet dat je het goed doet!).
ten slotte hebben we het toppunt van analytics-prestatie. Onze laatste verticale slice bevat statistieken die de prestaties meten in klantsegmenten, divisies en kanalen, onder andere elementen. Dit is waar meta-analyse in het spel komt, die nog meer tijd, met nog complexere analytische technieken die gegevens te trekken in BigQuery of soortgelijke omgevingen waar je je eigen joins kunt doen, ontketenen R, gebruik statistisch modellering technieken (Hallo random forests!) om de belangrijkste factoren te vinden die van invloed zijn op de prestaties van uw bedrijf.
de verdeling van de inspanningen van uw analytisch team over deze vier categorieën is een andere methode voor het beoordelen van de volwassenheid en het garanderen van een optimale impact door de kostbare weinige analytische middelen. Bijvoorbeeld: als het grootste deel van uw tijd wordt bezet door het verstrekken van gegevens aan besluitvormers voor statistieken in de automatisering en rapportage verticale slices, bent u waarschijnlijk in de beginner fase (en niet met veel impact op de zakelijke bottom line).
aanbeveling Siete:
de antwoorden op deze vragen zullen een fundamentele re-verbeelding van uw analytics praktijken veroorzaken. De implicaties zullen diep en breed zijn (mensen, proces, instrumenten). Zo kom je op weg naar het echte nirvanaland.
#sisepuede
De kern van de Impactmatrix is het enige dat telt: de zakelijke bottom line. Met behulp van twee eenvoudige dimensies, impact en time-to-useful, kunt u eenvoudig drie unieke elementen van een succesvolle analytics praktijk uit te leggen. De reflecties zijn soms pijnlijk, maar door ze aan het licht te brengen, kunnen we stappen zetten in de richting van systematische verbetering van onze analytische praktijk.
dat is de macht van een 2×2 (of een 2×5)!
Hier is een Excel-versie van de Impactmatrix voor persoonlijk gebruik.
Zoals altijd is het nu jouw beurt.
wanneer uw CMO vraagt: “hoe effectief is onze analytics strategie?”, Wat is je antwoord? Hoe eenvoudig kun je het inlijsten? Wat zijn de primaire input voor uw nabije en lange termijn analytics evolution plannen? Als uw VP ‘ s krijgen de statistieken in het geavanceerde kwadrant, welke strategieën zijn effectief geweest in het krijgen van u daar? Als u met succes pattern matching en geavanceerde classificatie meta-analysetechnieken hebt geïmplementeerd, wilt u uw lessen met ons delen?