数据可以是一个可怕的词。

它不应该是,但它是。主要是因为人们纠结于如何管理它。

许多公司已经达到了他们有这么多数据的地步,他们不知道下一个去哪里。其他人认为他们是如此之小,没有必要投资企业数据策略。

立即下载:免费增长策略模板"align=

事实是,无论您公司的大小和数据的当前状态如何,您将受益于实施数据策略。bob全站app

为了帮助您开始,我们才能招募专业知识Zosia Kossowski他是HubSpot商业智能团队的集团产品经理(即我们的内部数据战略专家)。

阅读完本文后,您将对公司当前的数据成熟度级别有了更好的了解,在构建战略之前应该考虑哪些因素,以及在此过程中提供帮助的一些步骤。bob全站app

尽管存在受欢迎的信念,但企业数据策略不仅仅适用于具有大量数据量的大公司。事实上,小型企业可以提早投资数据策略,并设定将有助于他们的基础。

企业数据策略的好处

许多组织面临的共同陷阱是,当他们收集大量数据时,每个团队都以自己的方式解释它。没有标准的报告方法,每个团队可能对相同的指标报告不同的值。

这意味着每个人最终都得到了不同的数据,而不清楚什么是准确的。当没有单一的真相来源时,要相信你的数据并获取有价值的见解就变得非常困难。

“数据并不只是存在于竖井中,”Kossowski说。“营销团队不会只使用其他团队无法影响的营销特定数据。他们也想从不同的领域获取信息。”

她继续说,“因此,治理和标准化的要素以及一种共同的语言对于确保这些团队能够彼此沟通是非常重要的。”

因此,通过实现EDS,您可以防止信息孤岛,允许信任数据,并启用决策。

构建企业数据策略时应该考虑什么

1.您当前的数据成熟度级别

Kossowski建议在建立策略之前建议做的第一件事是自我评估。

问问你自己:你的公司处于数据成熟阶段的什么位置?bob全站app

戴尔有一个广泛使用的“数据成熟度模型”,可以帮助公司确定他们的公司实际上是如何受数据驱动的。bob全站app有四个阶段:

  • 数据清楚-贵公司的报告bob全站app系统没有标准化,系统、数据源和数据库之间没有集成。此外,对数据本身也缺乏信任。
  • 数据熟练-对数据,特别是数据质量仍然缺乏信任。您可能已经投资了数据仓库,但仍有一些缺失的部分。
  • 精通数据-你的公司有权bob全站app根据你的数据做出商业决策。然而,在业务领导和IT部门之间仍有一些问题需要解决,因为IT部门要按需提供可靠的数据。
  • 数据驱动的- IT和业务部门在同一页上紧密合作。现在,重点是扩展数据策略,因为基础工作(特别是集成数据源)已经成功实现。

这里最重要的是现实地看待你的公司所处的位置。bob全站app

Kossowski表示:“我认为,我看到的最大陷阱是,对自己的公司处于数据成熟阶段没有真正诚实。”bob全站app

她补充说,仅仅关注数据如何驱动你的感觉是不够的认为你的公司。bob全站app看看事实。

首先识别您公司目前所面临的数据问题,因为这是您站立的伟大指标。bob全站app

2.行业和公司规模bob全站app

您所在的行业以及公司的大小将确定您是否采取了对数据策略的集中或分布式方法。bob全站app

但是在我们分解这些方法之前,让我们先讨论两个数据策略框架:进攻和防御。

在我与Kossowski的谈话中,她提到了这个框架(详细解释)这里)帮助HubSpot制定了自己的战略。

数据防御优先考虑数据安全、访问、治理和准确性等问题,而数据攻击则关注获得有助于决策制定的见解。

每家公司都需bob全站app要违法行为和防御。然而,一些基于其行业的光谱的一端更多。

例如,医疗保健组织或金融机构可能处理高度敏感的数据,其中数据隐私和安全至关重要。

获取实时数据和快速洞察可能不是最优先事项,而为谁提供可能访问数据的护栏可能是。因此,他们将更多地倾向于防御框架。

另一方面,你有科技公司,这是一个倾向于快速发展的行业,更依赖于数据洞察力的快速转变。

所以,他们更倾向于进攻。尽管如此,在科技公司(以及其他快速发展的行业)中,肯定有一些部门将更多地关注国防,比如金融。

现在回到集中式和分布式策略上来。

你所使用的框架将决定哪种策略最适合你的公司。bob全站app

在集中式结构中,您有一个集中式报表或商业智能(BI)团队来管理和准备数据以及报表。

科索斯基说:“这种结构在一个较小的组织中可以发挥更大的作用,特别是在一个优先考虑防守的组织中,因为你会移动得更慢。”“你将成为瓶颈,但你也对每一块都有严格的控制。”

另一方面,分布式模型更适合采用进攻性方法的大型团队。这样,每个团队都可以快速行动,并被授权以适合他们的方式工作。

Kossowski解释说,在这个模型中,BI只负责平台,并在团队进行开发工作时设置护栏。

她说:“如果你考虑一个组织,随着公司变得越来越大,有一个更加集中的团队,它会变得越来越难bob全站app以扩大规模。”“你最终只能雇佣越来越多的人才能做到这一点。”

“所以我认为,以公司的某种规模来看,无论如何你最终都会越来越倾向于分散化(bob全站app战略)。”

因此,一旦您了解哪种框架最适合您的行业和大小,您可以实施适当的策略。

3.你的数据管理团队

Kossowski表示,数据科学是目前数据管理领域的热门话题。她说的没错。

2012年,《哈佛商业评论》(Harvard Business Review)为其命名21世纪最性感的工作.近10年后,Glassdoor网站已将其命名为美国的第二个最佳工作。

但是,如果您正在争论要添加到数据管理团队的角色,则数据科学家不应该是您的第一个选择。

Kossowski突出显示您的数据科学只是与推动它的数据一样好。如果该数据不值得信赖,那么您就不会获得宝贵的见解。

“数据科学不是一根魔棒,能神奇地将错误数据转化为见解。无论如何,你仍然需要数据基础。”“所以,因为它是下一个大事件而投身其中,我认为这是一个大问题。”

如果您处于数据成熟度模型的早期阶段,Kossowski就在何处提出了焦点的建议。

“数据仓库架构师甚至是在编写SQL和构建SQL表时经历的数据分析师,”她说。“如果你只雇用一个人,你没有那么多的数据,那可以是一个非常强大的雇用,因为当你处于较小的规模时,一个人可以做很多人。他们可以戴很多不同的帽子和学习不同的东西。“

当涉及到更技术性的任务时,比如将数据输入仓库,您可以使用第三方工具来完成这一工作。

在这个阶段,你真正需要的是有人帮助你构建你的数据。

1.概述您的数据架构。

您要做的第一件事是在粒度级别上理解您的数据。

问问自己这些问题:

  • 数据将保存在哪里?
  • 您将收集什么类型的数据?来自什么来源?
  • 数据将如何组织?

这里的目标是理解数据的结构。

如果对结构没有了解,则无法建立如何管理数据的全面计划。

2.定义BI和你的团队之间的关系。

谈到数据策略,最重要的步骤之一是定义流程中涉及的团队,并设置对BI的期望。

在一个以前没有考虑过数据策略的大型组织中,您经常会发现每个团队都遵循不同的模型,并且与BI有不同的关系,这使得BI难以以流线型和标准的方式运行。

它还模糊了数据分析师和BI之间的角色界限。

数据分析人员应该了解特定于其团队的业务逻辑以及所收集数据的结构。另一方面,BI不需要对它所支持的操作领域有特定的知识,而应该专注于数据源和管理支持分析师的平台。

当BI定期调整其流程以匹配团队的特定业务逻辑时,一切都会变慢,并不断产生重新学习的需求。

Kossowki的建议?将业务逻辑从BI层中脱颖而出,并在与尽可能多的团队相关的内容上工作。

此外,为BI和团队之间的关系提出一个标准的分析师概要和模型。

“我们仍然有一些我们正在研究数据集而不是整个平台的地方,”Kossowski说:“但尽可能多地,它正在清理基础数据,使其很容易加入,但不是实际上做那些加入和他们的逻辑。“

3.分配所有权。

在你的团队和BI之间建立关系之后,下一步是定义谁将拥有什么。

数据的每个部分通常都有不同的所有者。例如,一个人或团队可能拥有操作数据,而另一个人或团队拥有报告数据。

您可能还需要在管道的不同阶段分配所有者。BI团队可能在某个特定阶段拥有数据,然后将其传递给分析师。

科索斯基认为,所有权从产生数据的团队开始。

她说:“他们需要对数据有一定程度的所有权,如果出现问题,也需要有一定程度的问责。”“因为如果从源头上看是错误的,BI就无能为力了。”

她继续说道:“如果你试图在这个层面上打补丁,你将会遇到更多的问题,所以这种关系也很重要。”

4.建立数据治理。

数据治理是一组政策和法规,告知如何收集和存储数据,以确保准确性和质量。

简单地说,数据治理是在说“嘿,你想使用并成为我们创造的真实数据来源的一部分吗?那么你必须满足这个标准。

这可能包括满足编码标准,拥有一定数量的审阅者,以及遵循特定的文档流程。

Kossowski说:“当我们考虑治理和采用的时候,这实际上是关于你可以实施的机制,以实现坚持。”

当涉及到治理时,您必须考虑两个方面:文化方面和技术方面。

从文化的角度来看,您如何让您的团队采用这些标准?从技术角度来看,哪些流程可以自动化,从而不需要行为修改?

当您考虑这两部分时,您必须同时考虑分析人员和工程师(或源团队)。

Kossowski解释说,对于工程团队来说,很难想象数据进入仓库时是什么样子的,因为它不是他们产品或职责的核心部分。

他们可能看不到数据的实际好处,除非是一个与分析师紧密合作的数据驱动型组织。在这种情况下,分析师可以传递数据支持X个决策,所以在数据意味着Y个需求之前,不能做出决策。

对于分析师来说,更容易看到好处,因为它们更接近业务,并且可以看到直接影响。他们可以意识到,在数据治理标准下意味着依赖于BI,这使得事物更快地移动。

“来自数据的见解必须为产品决策提供动力,因为这是获得产品和工程团队的唯一途径

相信数据的价值,并在输出数据时思考他们的数据。”

5.定期重新评估。

无论您使用什么数据成熟度模型,您的数据策略总是需要一些调整。

科索斯基表示:“(在HubSpot),我们有一个三年计划,以及所有这些关于这些年中会发生什么事情的想法。”但我完全希望,一年后,当我们看着它的时候,我们会根据事情的变化来调整一些事情。”

例如,你在你的产品或服务中引入了一个新功能,现在正在收集更敏感的客户数据。这可能需要采取更防御性的方法。如果您的公司呈指bob全站app数级增长,您可能需要转向分布式战略,而不是集中式战略。

即使你的公司运作方式没有变化,你可能仍然需要重新评估。bob全站app以下是你需要重新审视数据策略的两个主要指标:

  • 事情花了这么长时间让人很沮丧。
  • 数据缺乏信任。

Kossowski说,找到这两者之间的平衡是关键。

“你不希望BI做所有的事情,因为那将会花费很长时间,”她说,“但你也不希望在分析师群体中有太多的自由,以至于你不能真正依赖任何数据。”

一个好的经验法则是每六个月到一年回顾一下你的策略。与业务领导、IT和您的团队沟通,了解每个人对您的进展的感受,并确定需要做出哪些更改。

构建EDS的过程因公司而异,因为您的数据成熟度级别、行业和公司规模都在您采取的步骤中发挥着作用。bob全站app

通过评估你的公司目前所处的位置,你可以制定一个策略来满足你公bob全站app司的特定需求。

新的文字-动作"></a></span></span>
                <!-- end HubSpot Call-to-Action Code --></p><p></p>
               <div id= 新的文字-动作"></a></span></span>
                <!-- end HubSpot Call-to-Action Code -->
               </div><p></p></span>
              <p class=最初发布于2021年7月1日早上7:00:00,2021年7月1日更新