Aprenda a utilizar los datos en lugar de revolcarse en ellos
Las cuatro etapas de la rueda de datos sobre muertes:
Etapa 1: Etapa 2: Los datos se vuelven irrelevantes Etapa 3: Las personas pierden la confianza Etapa 4 : La gente utilizará menos datos
Si estas cuatro etapas de Dead Data Wheel te suenan familiares, no estás solo.
Si estas cuatro etapas de la "rueda de datos de la muerte" le suenan familiares, no está solo: calculo que dos tercios de los datos de cualquier empresa pasan por estas cuatro antes de volverse inválidos. .
Esto significa problemas. Esto se debe a que los datos desempeñan un papel transversal fundamental tanto en su propio crecimiento como en la mentalidad humana. Sin datos de alta calidad, no se puede ejecutar un ciclo experimental razonable.
Hoy voy a explicar cuatro razones por las que tus datos pueden verse muy bien pero a menudo fallan al usarlos, y qué puedes hacer al respecto.
Pregunta 1: Pensamiento de proyecto versus pensamiento de proceso
La mayoría de las empresas que quieren tomarse los datos más en serio ven los datos como un proyecto: un proyecto con un comienzo claro y un final claro.
La "rueda de la muerte de los datos" ocurre cuando piensas en los datos como un proyecto.
Enmascaramiento de Proyecto: Cuando alguien descubre en un momento dado un conjunto de datos que no parecen ser correctos. Como no creen que el conjunto de datos sea correcto, dejan de utilizarlos. Como nadie utiliza los datos, estos no persistirán, lo que generará más desconfianza en ellos.
En la situación anterior, es un error pensar en los datos como un elemento que necesita ser procesado. De hecho, al igual que la creación de un producto, los datos son un proyecto continuo e interminable.
Tratar los datos como un producto
Fase 1: Recopilación de datos - gt; Fase 2: Medir el impacto de la producción de datos - gt; Fase 3: De qué datos se utilizan o qué datos; no es Aprender usándolo
Sus datos deben mejorarse y actualizarse continuamente en el proceso continuo por las siguientes razones:
1. Su producto cambiará
2. Cambiarás tu comprensión de tu negocio
Los datos deberían darte una idea sólida de que necesitas priorizar lo que es importante en tu negocio: prioriza ciertas cosas y luego considera. otras cosas.
Andrew Chen dice: "Sus datos y KPI deben reflejar su estrategia. Es decir, su estrategia cambiará con el tiempo y el seguimiento y el análisis deberán evolucionar con ella.
p>3. Nuevas respuestas revelan nuevas preguntas
Obtienes nuevos conocimientos a partir de los datos, y estos conocimientos abren la puerta a hacer nuevas preguntas porque tienes otras nuevas, por lo que necesitas actualizar tu descripción y análisis. Este proceso está "finalizado", lo que significa que necesitas aprender todo sobre tus usuarios, productos y canales a lo largo del camino.
4. es simple
Porque los datos no terminarán
A las personas les costará más ajustar y actualizar los datos. Dedicar más tiempo a analizar qué herramientas utilizar para procesar los datos.
p>
La mentalidad del proyecto es una mentalidad detrás de los datos, y puede estar relacionada con la mentalidad de "tengo que hacerlo bien la primera vez". El problema con la mentalidad es que si no tienes datos sólidos. herramientas de procesamiento, terminará con parálisis del análisis.
Si ve los datos como un proceso continuo, entonces, por definición, nunca termina. A medida que surgen nuevas necesidades, es más probable que se quede estancado repitiendo el procesamiento de datos. procesos.
Qué debe hacer
Debe asignar recursos dedicados a la recopilación y el análisis de datos en lugar de adoptar un enfoque único y procesar los datos solo como planea utilizarlos.
Asignar recursos dedicados en las primeras etapas del crecimiento de una empresa puede ser una de esas cosas en las que un ingeniero o director de proyectos dedica tiempo. No importa cuánto tiempo lleve (aunque sea un poquito), este paso es una parte fundamental de todo lo que deben hacer los ingenieros y directores de proyectos.
En las últimas etapas del crecimiento de su empresa, es posible que necesite un equipo dedicado para mantener los procesos de datos, incluida la construcción y el mantenimiento de la infraestructura de datos y la promoción del uso de los datos.
Debe recordar que el procesamiento fluido de datos depende de algo más que simples instrucciones. Otro trabajo que debe hacer es generar confianza con los consumidores de datos de su organización. Debe tomarse el tiempo para validar los datos en al menos algunos informes y trabajar con el equipo más grande que lo rodea para asegurarse de que comprendan y confíen en los datos que están viendo.
Si no confían en los datos, no los utilizarán.
Asunto 2: Cambio de motivación
Incluso si trata los datos como un proceso o proyecto, eso no significa necesariamente que tendrá éxito. Algunas empresas dedican demasiado tiempo a la infraestructura, las herramientas y las instrucciones, pero pierden algo muy importante.
Permitir que las organizaciones utilicen datos requiere cambios en el comportamiento individual.
Cambiar el comportamiento personal es muy difícil. La falta de cambio a menudo esconde un culpable oculto: incentivos y recompensas sesgados.
Los equipos y las personas finalmente recibirán las recompensas que merecen. Si desea cambiar su comportamiento, debe asegurarse de que el cambio de comportamiento sea una condición para que reciba la recompensa.
Hay muchos tipos de recompensas:
Recompensas financieras (bonos/aumentos salariales/acciones) Recompensas por progreso (promociones) Reconocimiento autorizado (elogios de jefes/supervisores, etc.) Reconocimiento de pares (compañeros, etc.) de elogios)
Mira a tu equipo, ¿cuántas veces les has dado algún tipo de recompensa por usar datos?
La pregunta es la siguiente:
Si no son recompensados por usar los datos, entonces su análisis de los datos y las herramientas que utilizan para analizarlos se considerarán como si son recompensados o barreras para que se les perciba como si estuvieran haciendo un buen trabajo.
Si son recompensados por utilizar los datos, entonces el trabajo que hacen para incorporarlos se convierte en un aliado en el trabajo que hacen bien.
Entonces tienes que hacerte la segunda pregunta: ¿Qué tan relevante es la recompensa que estás recibiendo por las otras cosas por las que estás recompensando?
Considere la probabilidad de que se utilicen los datos o la frecuencia con la que se paguen, en comparación con la importancia o prioridad de otras recompensas. Los gerentes deben tener cuidado al utilizar los diferentes factores de ponderación como parte de sus recompensas.
Qué hacer
1. Cada equipo necesita un indicador clave de rendimiento (KPI)
Cada equipo necesita un KPI como medida de su éxito. Cada equipo necesita un indicador clave de desempeño como parte de la medición de su éxito. Cada equipo necesita un indicador clave de rendimiento que aborde el uso y posicionamiento de los datos como punto de fricción.
Simplemente establecer KPI no es suficiente, hay tres cosas más que deben hacerse:
Los equipos deben desarrollar un sentido de propiedad de los KPI: que ya son dueños de los KPI. . Si no sienten que ya poseen el KPI, lo verán como un problema de otra persona. Todos los miembros del equipo deben comprender los KPI y poder ver fácilmente las métricas.
A menudo, sólo el director del proyecto o unas pocas personas del equipo lo entienden realmente.
El KPI debe ser una de las cuatro recompensas obtenidas, pero no es la única recompensa que obtiene el equipo.
Para los equipos de producto, existen otros factores importantes, como la velocidad de envío, la calidad del producto, etc. Como ocurre con la mayoría de las cosas, estos factores están diseñados para equilibrar el equipo.
2. Diseñe un sistema para cada tipo de recompensa
Con cuatro tipos de recompensas, diseñe un sistema para recompensar el uso de datos. ¿Qué quiero decir con sistema aquí?
Aquí hay un ejemplo rápido de un sistema de recompensas de reconocimiento empoderador: los mejores gerentes que conozco preparan una lista de verificación para cada encuesta individual a los empleados. Un elemento de la lista de verificación podría ser: "¿Esta persona usa datos en el trabajo?
Reconozca siempre al empleado si usa datos en el trabajo. A menos que le dé instrucciones específicas para que use los datos, es fácil pasarlo por alto. esto
3. Comunique las recompensas con claridad
No asuma que los miembros de su equipo saben lo que deben hacer para recibir reconocimiento, bonificaciones y oportunidades de promoción. : Cree un plan de refuerzo claro. Debe comunicarse demasiado para ejecutar el plan.
Cuando elogie a alguien, no se limite a decir: "Felicitaciones a Jane Smith, ascendida a gerente sénior de productos". En su lugar, dé ejemplos de lo que hizo que la llevó a su ascenso.
Asunto 3: El equipo de datos se convierte en un cuello de botella
Si estás en medio de un proceso o proyecto de resolución de problemas y tu motivación y uso de los datos comienza a volverse valioso, entonces Surgirán algunos problemas nuevos.
El primer problema es que el equipo de datos puede convertirse en un cuello de botella en el proceso o proyecto, provocando que el proceso o proyecto falle. Esto se debe a la mentalidad de "propiedad" del equipo de datos hacia los datos, una mentalidad de "nosotros somos dueños de los datos".
Pero esta mentalidad de "propiedad" ignora una cuestión importante:
Cada equipo de datos tiene un "cliente".
Los clientes del equipo de datos son las personas de otras empresas que utilizan datos: analistas de datos, directores de producto, ingenieros, especialistas en marketing, etc.
Para atender a estos clientes internos, el equipo de datos debe actuar como otros equipos de productos:
Definir segmentos de clientes
Comprender las necesidades de los clientes
Entregar las soluciones más atractivas
¡Debemos iterar!
En otras palabras, el equipo de datos no puede poseer completamente los datos; su producción de datos debe poder respaldar la producción de datos de otros equipos.
Pregunta 4: Respuestas brillantes, preguntas inútiles
Una vez que los datos se vuelven valiosos y reconocidos, surge un segundo problema: la gente comienza a utilizar esta información para proporcionar datos. Ya sea porque les resulta divertido y atractivo el uso de datos, o simplemente porque el uso de datos los hace parecer inteligentes, productivos, etc. Ese es el poder de los datos :)
Ken Rudin, jefe de análisis y crecimiento de usuarios de Google y exjefe de análisis de Facebook, cree que buscar datos por el simple hecho de tener datos es una trampa tentadora, pero solo crear "un problema de inutilidad". Maravillosa respuesta".
Rudin nos recuerda que, si bien aumentar el conocimiento es tentador, simplemente descubrir ideas no es suficiente; los resultados y el impacto son los verdaderos objetivos del análisis. Para hacer esto, los equipos de datos deben asegurarse de hacer las preguntas correctas y no simplemente brindar más y más respuestas.
Rudin hizo dos sugerencias sobre cómo crear un proceso de datos que realmente satisfaga las necesidades comerciales:
1. Contratar analistas con mentalidad empresarial y no solo centrados en los datos o el uso de herramientas.
Cuando entreviste a candidatos a analistas, no se centre únicamente en "¿Cómo logramos esta métrica?" Pregúnteles: "¿Qué métricas cree que son importantes en el negocio?"
2. Haga que el uso de datos sea algo que todos hagan.
El equipo de datos de Rudin en Facebook organizó un “campamento de entrenamiento de datos” de dos semanas para todos en la empresa. Este bootcamp proporciona a la organización en general una lengua **** para describir las preguntas que los datos pueden responder.
Rudin también proporciona un proceso de datos sólido al formular preguntas buenas y sólidas sobre el impacto empresarial. (Rudin también enfatizó que los equipos de datos deben ser responsables de los "conocimientos prácticos" y de los pasos necesarios que se deben tomar).
Los datos proporcionan respuestas y comportamientos que ayudan a hacer mejores preguntas.
A medida que las respuestas de los datos se traduzcan en impacto, las personas se sentirán motivadas para seguir trabajando en los datos e incluso mejorar los sistemas de datos. Estas acciones dan como resultado una mayor capacidad de datos, proporcionando respuestas poderosas a mejores preguntas.