【数据运营】发现公司中的不良数据

2019-11-28 / 无评论

274_thumb_zoocem.jpg
你不需要非常努力地寻找支持坏数据对公司和组织有害这一论点的研究。全面的研究告诉我们,坏数据不再仅仅是提高操作效率的问题,而且是一项关键的任务需求。

我们的团队确保我们的企业客户成功实现我们的平台。通过过去几年的经验,我亲眼看到了坏数据的影响有多么严重,而且它并不针对任何一个行业或组织规模。

我的团队深入了解了糟糕的数据如何阻碍了许多公司与客户沟通、提供可靠的分析以及推动可衡量的业务影响的能力。如果不加以解决,糟糕的数据对公司的盈亏既有短期影响,也有长期影响。

在本文中,我将与您分享一些关于坏数据是什么样子的观察,并为您提供一些关于最好的公司如何在第一时间防止坏数据的提示

何为不良数据

糟糕的数据并不总是一开始就糟糕。很多时候,是好的数据出了问题。(可怜的数据!)

如果我们认为糟糕的数据是一种结果或副产品,那么它的原因是什么?以下是我们识别出的坏数据的标记。

过时的数据是坏数据

过时的数据听起来像是:“这是上个月的数据。 今天的报告在哪里?”

由客户数据提供支持的越来越关键的业务用例要求数据几乎可以实时获得。 从营销,销售,分析,产品到财务,大多数现代组织职能部门都需要这样做。

团队需要尽快获得新的客户数据,以便他们能够做出明智的决策或为客户提供个性化的体验。 以下是一些需要快速准备数据的方案。

不可访问的数据是坏数据

不可访问的数据听起来像:我必须等三个月才能启动活动,因为我无法得到正确的数据。

不良数据的另一个关键指标是何时最需要公司的团队无法访问它们。 我发现,随着组织规模越来越大,分布越来越分散,无法访问正确的数据变得越来越重要。 这通常被称为“数据孤岛”问题,其中跨业务部门或团队无法获得信息。

数据孤岛可以由系统权限问题,不兼容的架构,庞大的工具堆栈或填充不同环境的不同数据源创建。 为了统一各自为政,过去几年中,许多公司开始了数据湖项目,将整个公司的所有数据汇总到一个仓库中。 但是,这种方法无法解决可访问性问题,因为只有专业的技术团队才能从数据湖中提取数据。 为每个部门的工具和数据湖提供支持的通用基础结构具有相同的数据可能是一个很好的解决方案。

令人困惑的数据是错误数据

令人困惑的数据听起来像:我们部门有谁知道我们表中的数据点实际上是什么意思吗?我只想快速更新一下这个报告。

为了使数据有用,它需要被清楚地理解。我曾与一些公司合作,这些公司随意设置现有的数据捕获方法,没有一个清晰的系统,任何人都可以用来理解数据的实际含义。这种方法的结果是,只有少数人知道如何解释数据。

拥有清晰的声明性格式来命名和描述数据有助于减少内部团队可以使用之前“清理”或“清理”数据的额外过程。 简化,易于理解的命名客户数据的标记框架对于使数据驱动的决策民主化至关重要。 建立一个中央存储库以存储需要该数据的任何人都可以访问此信息也很重要。

不尊重数据是不好的数据

不尊重的数据听起来像:一个愤怒的潜在客户问为什么我们发送这个消息,而他们从来没有要求收到我们的信息。

消费者隐私对于各种规模的公司都变得至关重要。 十年前,互联网服务和应用程序收集的大量消费者数据被视为一项资产。 如今,人们的情绪发生了变化,没有正确控制的客户数据收集就变成了责任。 结果,不良数据看起来就像未经同意收集的,并且没有按照客户明确的偏好使用的数据。

为了遵守规定,你不仅需要收集和使用数据,如果客户要求,你还需要一个简单的方法来删除或隐藏客户的信息。如果没有一个统一的数据基础设施,这是很难争论的。

使用通过数据代理购买的第三方数据,并在公司之间进行混合,会加剧这个问题,因为很难准确地收集第三方数据的同意。优化与第一方数据的使用体验,或者只在客户和与之交互的公司之间使用数据,是一种更有礼貌的方法。

不可信任的数据是错误数据

不可信的数据听起来像是:“您确定这些数字正确吗? 他们与我的分析不符。”

组织中有许多实例可能导致数据不信任。 报表可能会让人感到不适,在进行一些挖掘之后,您会发现数据源已损坏或完全停止收集。 对于同一个问题,不同的工具和仪表板可能会读取不同的结果,提示更多问题,并使业务停顿。 任何数据差异都可能造成巨大的业务影响,不仅是在跟踪数据上所花费的时间,而且还可能由于触发不良的客户体验或做出错误的业务决策而导致潜在的收入损失。

公司的数据策略的最佳方法是为业务提供一个真实的来源,允许每个团队和部门创建适合他们的数据视图。

处理不良数据

既然我们知道什么是不良数据及其后果,公司将如何确切地改善其数据实践?

首先,重要的是要承认拥有不良数据实际上是公司的默认状态。 没有积极的流程和基础架构,您的数据将变得混乱。

考虑到今天生成的数据量之大—如今,现有的90%以上的数据是在不到2年前创建的。 虽然大量的客户数据可能使组织在机器学习和个人个性化等方面有潜在的优势,但将其组织,清理,处理和分类它也成为一项艰巨的任务。 这就是为什么在此细分市场中,我们提倡我们的客户和合作伙伴对他们的客户数据采取审慎而有目的的方法。

在与一些全球最具远见的企业公司合作时,我观察到了一些最佳的数据策略和管理模式。

像对待产品一样对待数据

当公司真正将数据操作化时,它们将数据基础设施视为一种产品,其人员配备、监控和维护都是适当的,就像一个生产级系统。他们指定一个负责任的执行级别的个人,如CIO或CDIO(首席数字信息官),这个人有一个由产品经理、工程师和分析师组成的跨职能团队。

这些组织跨业务单元和产品团队实现统一的中央数据治理策略。

平衡标准化和灵活性

强大的组织寻求实现一种平衡标准化和灵活性的数据策略。标准化是关键,这样所有的团队就可以利用对数据真相的共同理解来进行协作。,我们相信我们必须使用的数据)。另一方面,灵活性对于适应使用数据以满足其需要的团队和他们喜欢使用的工具是必要的。

如果您在团队使用数据的方式上完全僵化,而没有考虑到他们的需求,那么部门就会失控,并像前面讨论的那样创建孤立的数据。但是,如果您不给他们提供任何参数来指导他们如何在通用框架下正确地使用数据,那么您将永远无法跨产品、平台和业务单元进行更高层次的分析。

定期审核数据栈

解决数据问题的新解决方案几乎每周都会出现(请参阅有关martech的分析),并且最好的公司可以轻松地测试和尝试新工具,而不必专注于清理现有的混乱情况。 我认为行业领导者的组织实施了数据基础架构,使他们能够采用新技术,并且随着对新工具和系统的需求引入市场,它们具有长期的灵活性。

这些组织还采用实践和工具来自动化审核数据。 这包括在源处标记和阻止不良数据,以及执行预定义的数据规范,以便他们可以信任使用的每个工具中的数据。

围绕文档建立一种文化

强大的知识管理,共享和可访问性比以往任何时候都更加重要。 归根结底,公司只是一群为共同目标而共同努力的人的聚集。 公司规模越大,产生的信息就越多,而在组织的利益往往越来越高的情况下,传达重要和不重要的信息就越困难。

共享数据实践的清晰渠道,如何捕获数据的指南以及如何与需要数据的人安全有效地共享数据的规则都是成功的关键要素。

是时候对不良数据说再见了

在此细分市场中,我们一直在寻求提供有用的产品和工具,以帮助客户观察,评估并采取行动纠正其不良数据。 我们的平台可帮助各种规模的组织通过主动监控收集的数据,实施标准数据实践并为每个团队和工具提供对相同,一致的第一方数据的访问权限,从而主动地对良好数据进行处理。

我们认为好的数据就是细分数据。 在我们的下一篇博客文章中,我们将更深入地探讨如何使用细分来获得良好的数据。

是否想学习如何处理不良数据,以便做出自己信任的业务决策? 伸手。 我们很高兴讨论如何提供帮助!

无回应:“【数据运营】发现公司中的不良数据”

发表评论

电子邮件地址不会被公开。 必填项已用*标注