Mit Daten gewinnen: Zusammenfassung und Rückblick

Kapitel 1

Früher bevorzugte die Werbebranche die Art von kreativen Ansätzen, die in der Fernsehsendung dargestellt wurdenVerrückte Männer. Heutzutage treibt Mathematik die Strategie weitaus mehr voran als die Kreativität. AnstattVerrückte Männer, Werbeprofis sind Mathe-Männer: Informationstechnologie liefert die Werkzeuge für die Entwicklung von Kampagnen; Algorithmen leiten die Entscheidungsfindung; Fast alle Arbeiten werden am Computer ausgeführt. Seitdem hat sich einiges verändertVerrückte MännerTage.

Daten haben eine Vielzahl unterschiedlicher Bereiche verändert, nicht nur die Werbung. Daten sind die Zukunft, und Unternehmen müssen verstehen, wie sie sie nutzen und sich mit ihnen weiterentwickeln.

In einem Unternehmen mit operationalisierten Daten bestimmen Daten das Verhalten jedes Mitarbeiters. Uber besitzt beispielsweise kein Inventar; das ganze Geschäft basiert auf Daten. Das Unternehmen entsendet Fahrer viel effizienter als altmodische Taxiunternehmen und sorgt durch ein Feedback-System, das problematische Fahrer leicht identifiziert, für eine hohe Zufriedenheit. Daten = operationalisiert.

Sofortige Daten sind von entscheidender Bedeutung und die Nachfrage nach sofortigen Informationen wächst. Wir möchten, dass unsere Fragen sofort (!) beantwortet werden. Da es früher zu lange dauerte, bis Mitarbeiter in ihrem Unternehmen Informationen erhielten, wurden Daten in der Vergangenheit als Instrument zur Messung vergangener Leistungen verwendet. Unternehmen mit einer guten Dateninfrastruktur können jedoch Informationen erstellen und Entscheidungen auf Basis aktueller Kennzahlen treffen. Diese Unternehmen können sicherstellen, dass die Daten dort ankommen, wo sie benötigt werden, und zwar sofort zu denjenigen, die sie benötigen. Ineffiziente Lieferketten (die Personen, Prozesse und Programme, die mit den Daten in Berührung kommen) führen zu langsamen Daten, bei denen mehr Menschen danach suchen als sie bereitstellen. Früher war das ein Problem, aber heute sind wir reich an Daten und es gibt immer mehr zu sammeln.

Die Datenmenge macht das Sortieren jedoch schwieriger und zeitaufwändiger als früher. Kleine Unternehmen haben möglicherweise keine Mitarbeiter für die Datenanalyse, und das Erstellen und Ausführen von Abfragen und Berichten kann überwältigend sein. Ohne Zugang zu adäquaten Daten gewöhnen sich Unternehmen daran, Entscheidungen auf der Grundlage von Meinungen zu treffen. Dies ist nie der beste Weg, um ein Unternehmen zu führen, und es kann ein Zeichen dafür sein, dass ein Unternehmen eine neue Datenlieferkette aufbauen muss.

Einige Unternehmen haben ganze Teams, die sich der Gewährleistung einer einheitlichen Art und Weise widmen, wie Daten gemessen, beschrieben und verwendet werden. Sie schulen andere im Unternehmen und befähigen sie, Daten kreativ zu nutzen. Datenteams demokratisieren den Datenzugriff, indem sie jedem helfen, besser zu verstehen, wie das Unternehmen mithilfe von Daten anstelle von Meinungen vorangebracht werden kann.

Kapitel 2

Es gibt einige Probleme mit Daten, die für unsere Zeit charakteristisch sind.

Etymologisch Neugierige werden daran interessiert sein, etwas über die Fleischmanns zu erfahren, tschechische Bäcker, die in die Vereinigten Staaten einwanderten und für die Backhefe berühmt wurden, die noch heute in Supermärkten verkauft wird. Die Fleischmanns backten jeden Tag Brot und hatten am Ende des Tages immer etwas übrig, das sie an die Armen verschenkten. Die Schlangen der Menschen, die auf dieses kostenlose Brot warteten, wurden als bekanntBrotlinien. Heutzutage gibt es Brotzeiten für die Datenarmen. Die Leute warten auf die Informationen, die sie brauchen, wie ein armer Mensch auf Brot wartet. Einige Datenanfragen werden priorisiert; andere Anfragen warten. Daten-Breadlines verursachen mehrere Probleme:

Auch die Datenunklarheit ist problematisch. Reaktionszeit und Genauigkeit verlangsamen sich, wenn Daten desorganisiert sind. Schließlich kann ein Unternehmen das Vertrauen in seine Daten verlieren.

Ein weiteres Problem ist die Datenfragmentierung. Wenn Menschen die benötigten Daten nicht erhalten können, finden sie eine Möglichkeit, diese zu erfassen und ihre eigenen Datenbanken zu erstellen. Betrügerische Analysten und Schattendatenbanken ignorieren häufig normale Validierungs- und Aktualisierungsprozesse und halten die Informationen in Silos.

Schließlich stellen Datenschlachten erhebliche Probleme für Unternehmen dar. Durch die Datensegmentierung kann es zu Fehlausrichtungen kommen. Wenn die Informationen nicht konsistent sind, beginnen die Menschen, dem Standpunkt des anderen zu misstrauen. Sie sind anderer Meinung; Sie streiten sich; Sie kämpfen. Alle Menschen in Unternehmen müssen auf einer Wellenlänge sein. Sie müssen dieselben Metriken und dasselbe Lexikon verwenden.

Kapitel 3

Business-Intelligence-Systeme bestehen traditionell aus drei Schichten: Eine Datenbank speichert die Daten; ein Data Warehouse sammelt die Daten aus der Datenbank und aggregiert sie; und eine Visualisierungsschicht formatiert und präsentiert Berichte für den Endbenutzer. Dies ist eine Art knarrendes altes System, bei dem jedes Mal neue Abfragen für neue Berichte geschrieben werden müssen, wenn eine andere Frage gestellt wird.

Als sie noch ein kleines Startup waren, verfügte Google über riesige Datenmengen, konnte sich aber die Datenbankgebühren von Oracle nicht leisten. Um dieses Problem zu umgehen, kauften sie eigene Server und verteilten ihre Daten darauf. Die Strategie hat funktioniert, und wie Sie sicher wissen, ist Google heute ein Vorbild für das Datenmanagement. Das Unternehmen hat unanständige Datenmengen generiert, und Google-Mitarbeiter nutzen diese Daten für alle Arten von Recherchen und Analysen.

Auch bei Facebook wird die Datenanalyse ernst genommen und verschiedene Technologien entwickelt, um Mitarbeitern Zugriff auf Daten zu ermöglichen. Eine Schnittstelle, HiPal, erleichtert Analysten die Suche nach Daten. Benutzer, die mit SQL (Structured Query Language (SQL)) nicht vertraut sind, können mit diesen Unternehmenstechnologien die gleichen Analysen durchführen wie mit SQL. Andere Unternehmen wie LinkedIn nutzen eine ähnliche Dateninfrastruktur.

Looker ist eine neue Art von Datenschnittstelle. Es erstellt eine einzige Version von allem, die von der gesamten Organisation verwendet werden kann, wodurch die Datenintegrität erheblich verbessert wird.

Extreme Datensammlung ist die neue Normalität; alle großen Unternehmen verfügen über diese leistungsstarken Datenbanken. Sie sind sehr schnell, die Lagerung ist billig und es gibt viel Platz und Möglichkeiten. Angesichts dieser Fortschritte muss der gesamte Analyseansatz aktualisiert werden. Riesige Informationsmengen können angehäuft werden, und versierte Mitarbeiter sind es gewohnt, auf Daten zuzugreifen. Sie benötigen ausgereifte Tools, um anspruchsvolle Informationsbedürfnisse zu erfüllen. Und je einfacher es ist, die Tools zu verwenden, desto mehr Menschen werden sie verwenden.

Heutzutage gibt es viele Daten zu erforschen und die Menschen haben die Freiheit, sie zu erkunden. Dies ist die Datenstruktur der modernen Welt.

Eine kurze Lektion zur Geschichte der Datentechnologie: Die Datenbank wurde 1970 von einem IBM-Mitarbeiter namens Edgar Cook erfunden. Oracle Systems wurde zum dominierenden Entwickler von Datenbanken und verdiente viel Geld mit der Speicherung von Daten in ihren Datenbanken. In den 1990er Jahren führten andere Unternehmen Software ein, die die Nutzung von Datenbanken vereinfachte und die Datenbankkosten minimierte.

Kapitel 4

In der Regel verwenden Unternehmen Daten, um zu untersuchen, was in der Vergangenheit passiert ist. Der neue Weg besteht darin, Daten zu operationalisieren und sie zu verwenden, um Ereignisse zu verstehen, sobald sie auftreten.

Damals waren Kleidung und Stoffe so teuer, dass sogar Aristokraten gebrauchte Kleidung kauften. Leute namens Strazzaroli handelten mit hochwertiger gebrauchter Kleidung. Doch als die industrielle Revolution voranschritt, wurde die Kleidung billiger und die Strazzaroli verloren ihre Lebensgrundlage. Schneller Vorlauf zu einem modernen Versandunternehmen, The RealReal. Sie nutzen Echtzeitberichte, um zu sehen, was sich in ihrem Lager befindet und wie sich alles in der Wertschöpfungskette bewegt. Jeder im Unternehmen hat Zugriff auf die gleichen Informationen; Jeder kann in Echtzeit auf die Daten reagieren. Design, Marketing, Finanzen, Betrieb – jeder kann sofortige Informationen zum Nutzen des Unternehmens nutzen.

ThredUp ist ein weiterer Händler für gebrauchte Kleidung. Neben der Verfolgung und Verarbeitung von Waren verwendet ThredUp Daten, um vorherzusagen, welche Arten von Kleidung zu einem bestimmten Zeitpunkt nachgefragt werden. Die Verwaltung ihrer Daten half ihnen, nach der Einführung schnell zu skalieren.

Unternehmen verbringen zu viel Zeit mit Nebensächlichkeiten. Meetings verschlingen die Zeit aller. Das ist Produktivitätsverlust. Die richtigen Daten verkürzen jedoch die Besprechungszeit, da sie den Menschen helfen, sich auf die richtigen Fragen zu konzentrieren.

HubSpot, Anbieter von Marketing-Automatisierungssoftware, verfolgt fünf Metriken, um die Leistung seiner Vertriebsmitarbeiter zu bewerten. Vertriebsmitarbeiter können auf ihr eigenes Dashboard zugreifen, um zu sehen, wie sie ihre Ziele erreichen. Looker, wie bereits erwähnt, hat auch ein Tool entwickelt, um die Verkaufsleistung zu verfolgen. Vertriebsmitarbeiter können sehen, wie nahe sie ihrem Kontingent sind und was sie in der Pipeline haben. Zendesk, Anbieter von Kundenservicelösungen, nutzt NPS-Kundenumfragen, um Daten zu generieren, die ihnen zu einem beeindruckenden Wachstum verholfen haben.

Daten sind ein wichtiger Bestandteil jedes erfolgreichen modernen Unternehmens. Es spielt eine wichtige Rolle bei der Vermarktung von Lagerbeständen, der Reaktion auf Kundenanfragen, dem rechtzeitigen Aufbau von Vertriebsmitarbeitern und der Erhöhung der Reaktionsgeschwindigkeit.

Dieses Kapitel ist reich an Ratschlägen der Autoren:

Die Entscheidungsfindung kann wirklich willkürlich sein, wenn sie nicht durch Daten untermauert wird. Je mehr Informationen wir haben, desto bessere Entscheidungen treffen wir.

Kapitel 5

Neugier ist eine grundlegende menschliche Emotion und laut den Autoren der beste Weg, die Kultur eines Unternehmens in eine datengesteuerte Kultur umzuwandeln. Mitarbeiter sollten neugierig sein. Sie sollten die Möglichkeit haben, die Informationen nachzuschlagen, die sie interessieren, und sie sollten in der Lage sein, ihre Hypothesen zu testen.

Wenn ein Unternehmen von Daten angetrieben wird, sind einige kulturelle Veränderungen zu erwarten:

Experimentieren ist wichtig. Um den Wert des Experimentierens zu demonstrieren, diskutieren die Autoren das Lohn- und Gehaltsabrechnungsmanagementprodukt Paycycle von Intuit. Produktmanager dachten darüber nach, eine Funktion einzuführen, die es Arbeitgebern ermöglicht, Schecks sofort zu kürzen, aber Untersuchungen ergaben, dass Kunden an einer solchen Funktion nicht interessiert wären. Sie beschlossen, die Funktion trotzdem zu testen, und am Ende erfreute sie sich überraschend großer Beliebtheit. Die richtige Kultur beginnt bei neugierigen Mitarbeitern; Es beginnt mit Menschen, die Fragen stellen.

Es ist wichtig, neugierige Menschen zu finden, und das beginnt bereits beim Einstellungsprozess. Aber Einstellungsgespräche sind normalerweise nicht sehr informativ. Sie können ziemlich willkürlich sein. Stattdessen schlagen die Autoren vor, dass es einen systematischen Prozess geben sollte, der die Bestimmung wünschenswerter Eigenschaften eines Kandidaten, die Formulierung von Interviewfragen, die diese Eigenschaften ansprechen, und die Bewertung der Kandidaten hinsichtlich der gewünschten Eigenschaften umfassen könnte. Der Kandidat mit der besten Punktzahl gewinnt.

Rekrutierungskennzahlen sind nützlich, um Einstellungspraktiken zu bewerten – zum Beispiel die Anzahl der qualifizierten Kandidaten, die ein Telefoninterview bestehen, die Zeit vom ersten Kontakt mit einem Kandidaten bis zur Unterzeichnung des Angebots usw. Um die Zufriedenheit zu überwachen, können Sie Kandidaten nach Interviews befragen, um zu sehen, was Sie dachten an die Erfahrung. Eine weitere wichtige Kennzahl ist die Angebotsannahmequote (der Prozentsatz der Personen, die Stellenangebote annehmen). Berechnen Sie Ihr Einstellungsziel, indem Sie die Anzahl der Einstellungen durch das Einstellungsziel dividieren.

Letztendlich möchten Sie Mitarbeiter, die zur Unternehmenskultur passen. Aber wie misst man Kultur? Nutzen Sie Umfragen und andere Tools, um einen Dialog zwischen Management und Mitarbeitern über das Unternehmen herzustellen. Was sind die Ziele der Menschen? Was gefällt ihnen am Unternehmen? Welches Feedback können sie geben? Dieser Prozess setzt sich fort, bis sich die Unternehmenswerte herauskristallisiert haben und erfasst werden können.

Durch die Klärung dieser Punkte kann der Interviewer leichter feststellen, inwieweit die Werte eines Kandidaten gut zusammenpassen. Wenn Ihr Unternehmen beispielsweise Wert auf einen qualitativ hochwertigen Kundenservice legt, könnten Sie einen Mitarbeiter nach einem Beispiel für eine Situation fragen, in der er einem Kunden geholfen hat.

Google geht mit Metriken einen Schritt weiter als alle anderen. Sie messen absolut alles über den Einstellungsprozess und geben ihren HR-Mitarbeitern viel Feedback. Interviewer erhalten routinemäßig Informationen, um ihre Leistung zu verbessern.

Kapitel 6

Sobald Sie neugierige Mitarbeiter haben, können Sie damit rechnen, dass sie Fragen stellen, was den typischen Fortschritt in datengesteuerten Unternehmen einleitet:

Twilio hatte zwei Arten von Datensuchern. Einerseits wusste das Datenteam alles über die Dateninfrastruktur und deren Nutzung. Sie wünschten sich Berichte, die mehrfach ausgeführt und an das entsprechende Publikum geliefert werden konnten. Auf der anderen Seite wollte der Rest des Unternehmens eine einfache Schnittstelle, die es ihnen ermöglicht, durch die Daten zu blättern. Die Befriedigung dieser beiden sehr unterschiedlichen Zielgruppen ist eine kritische Aufgabe der Dateninfrastruktur.

Problematisch ist auch die Dezentralisierung der IT-Einkaufskompetenz. Teamleiter und Abteilungen kaufen zunehmend Software, wodurch das Datenteam aus der Schleife herausgeschnitten wird. (Diese fehlende Rechenschaftspflicht gegenüber der technischen Abteilung wird Schatten-IT genannt.) Anbieter sind gerne bereit, ihren leitenden Kunden maßgeschneiderte Lösungen anzubieten, aber dies führt zu einer Datenfragmentierung, bei der verschiedene Abteilungen und Einheiten unterschiedliche Versionen der Wahrheit haben.

Datenteams müssen die Datenarchitektur transformieren, um den Benutzern mehr Macht zu geben. Endbenutzer sollten entscheiden, welche Berichtstools sie verwenden möchten. Die Rolle des Datenteams besteht darin, die Infrastruktur zu unterstützen, damit Benutzer die Daten analysieren können. Cloud-Datenbanken sollten mit lokalen Unternehmensdatenbanken funktionieren.

Die Datenstruktur – die Informationsmatrix innerhalb des Unternehmens – muss für jeden zugänglich sein, und eine Möglichkeit, sie zu standardisieren, ist die Datenmodellierung. Jeder im Unternehmen sollte die gleichen Nummern verwenden und die gleiche Sprache sprechen. Konsistenz ist so wichtig. Wissenschaftler und Ingenieure verstehen vielleicht die Datenarchitektur eines Unternehmens, aber nicht alle anderen. Data Fabric macht die Informationen für alle verfügbar.

Kapitel 7

Während des Zweiten Weltkriegs hatte eine Gruppe von Mathematikern und Statistikern geheime Treffen in New York, bei denen sie militärische Daten analysierten und Empfehlungen an Washington richteten (die häufig befolgt wurden). Einer der Jungs im Team, Abraham Wald, war von der Air Force gebeten worden, Panzerungen für Flugzeuge zu entwerfen. Daten von zurückkehrenden Flugzeugen zeigten, dass sich die meisten Einschusslöcher um den Heckschützen und die Flügel befanden, sodass die Leute dachten, dass dies die Bereiche seien, die die Panzerung tragen sollten. (Die Panzerung war schwer, so dass sie nicht einfach das ganze Flugzeug damit belegen konnten. Sie mussten selektiv vorgehen.) Aber Abraham Wald wies darauf hin, dass die Flugzeuge, deren Flügel in die Tragflächen geschossen worden waren, die Flugzeuge waren, die überlebten, um die Geschichte zu erzählen. Die Autoren erzählen diese Geschichte, um zu veranschaulichen, wie wichtig es ist, Datenverzerrungen zu vermeiden.

Es gibt viele potenzielle Fallstricke, viele Arten von Datenverzerrungen, die Sie daran hindern können, Daten zu verstehen:

Sie können sich Illusionen der Validität machen und glauben, dass das Sammeln von mehr Daten dazu beiträgt, die Zukunft vorherzusagen, aber es gibt viele Möglichkeiten, wie Sie die Daten nicht richtig interpretieren können. Vorsichtig sein.

Neue Facebook-Mitarbeiter nehmen an einem zweiwöchigen Datencamp teil, um mehr Datenkompetenz zu erlangen. Dies gibt allen einen gemeinsamen Hintergrund, um Probleme und Chancen zu diskutieren. Sie lernen verfügbare Tools und Datensätze kennen. Außerdem haben sie die Möglichkeit, an Projekten mitzuarbeiten, um ihr Wissen zu erweitern. Datenteams können viel tun, um sich mit Mitarbeitern zu treffen und die Datenkompetenz im gesamten Unternehmen zu verbessern. Eine solche Auseinandersetzung mit der Unternehmenskultur ist ein wichtiger Bestandteil ihrer Arbeit.

Kapitel 8

Deskriptive Analysen fragen, was passiert ist; Die diagnostische Analytik fragt nach dem Warum. (Dashboards, die in diesem Buch irgendwie verleumdet werden, sind die Schnittstellen der deskriptiven Analyse.)

Deskriptive und diagnostische Analysen blicken auf die Vergangenheit, während es bei prädiktiven und präskriptiven Analysen um die Zukunft geht. Predictive Analytics nutzt historische Daten, um zukünftige Ergebnisse vorherzusagen. Analysten können hypothetische „Was wäre wenn“-Fragen stellen, um zu entscheiden, welchen Weg sie einschlagen wollen. Prescriptive Analytics empfiehlt auf Basis der Daten die Vorgehensweise. Dies erfordert viele Daten und ausgefeilte Analysen.

Die Data Sophistication Journey ist ein Modell, das von Gartner, einer Marktforschungsagentur, entwickelt wurde. Data Sophistication bildet die Entwicklung eines Teams von der deskriptiven zur diagnostischen Analyse und von der prädiktiven zur präskriptiven Analyse ab. Aber Gartner vermisst etwas zwischen diagnostischer und prädiktiver Analyse: explorative Analyse. Dies hilft uns, eine Hypothese zu finden; Hier wird gefragt: „Warum?“ Konfirmative Analysen werden verwendet, um festzustellen, ob eine Hypothese wahr ist.

Daten sind nur dann nützlich, wenn Sie darauf reagieren können. Das Sammeln von Daten ohne wirklichen Grund dient keinem wirklichen Zweck. Andererseits wissen Sie erst nach einer Analyse, welche Kennzahlen umsetzbar sind. Es ist gut, ein Gleichgewicht zu haben.

Bestimmte Kennzahlen sind erprobt und wahr. Der Lifetime Value eines Kunden (LTV) ist eine Schätzung des gesamten Bruttogewinns, der mit einem Kunden im Laufe der Zeit erzielt werden kann. Die Kosten der Kundenakquise (CAC) sind die Summe aller Vertriebs- und Marketingaufwendungen gemittelt für einen Kunden. Das LTV/CAC-Verhältnis gibt an, wie effizient ein Unternehmen Einnahmen erzielt. Aber manchmal können neue Kennzahlen an eine Situation angepasst werden, und die Erstellung neuer Kennzahlen kann neue Möglichkeiten eröffnen. Die mMedia-Site Upworthy verfolgt verschiedene Metriken, um zu beurteilen, welche Faktoren ihre Inhalte beliebter machen. Sie benötigten jedoch mehr Informationen und erfanden daher eine völlig neue Metrik, um die tatsächliche Benutzeraufmerksamkeit zu messen (d. h. ohne Berücksichtigung der Momente, in denen eine Webseite geöffnet wird). der Leser ging, um die Katze zu füttern). .

Entwerfen Sie ein Experiment. Bestimmen Sie die Umsetzbarkeit. Die Daten sollten sich auf tatsächliche Entscheidungen beziehen, die getroffen werden können. Buchen Sie die erwarteten Ergebnisse. Bestimmen Sie im Voraus die Parameter des Experiments. Entwerfen Sie das Experiment. Entwickeln Sie eine Hypothese. Entscheiden Sie sich für mehrere verschiedene Datenpunkte. Berechnen Sie den p-Wert. Der p-Wert ist die Wahrscheinlichkeit, dass die Hypothese falsch ist. Anweisungen für diese Berechnung werden bereitgestellt. Planen Sie die Durchführung des Experiments. Finden Sie heraus, wie lange es dauern wird. Wie viele Proben benötigen Sie? Wer wird die Arbeit erledigen und wie wird sie strukturiert sein? Vergessen Sie nicht, eine Kontrollgruppe einzubeziehen, um die Ergebnisse zu vergleichen. Führen Sie das Experiment durch. Analysieren Sie die Ergebnisse. Vergleichen Sie sie mit der Kontrollgruppe.

Kapitel 9

New York City hat der Öffentlichkeit eine Reihe von Daten zur Verfügung gestellt. Ein Stipendiat, Ben Wellington, begann mit der Analyse der Daten und berichtete in seinem Blog darüber, unter anderem über die Kartierung von Fahrradunfällen in der Stadt. Er wurde sehr populär und schreibt seinen Erfolg seinen Fähigkeiten im Geschichtenerzählen zu.

Zu Wellingtons Lehren gehört auch, wie wichtig es ist, Daten in Beziehung zu setzen. Verwandeln Sie es in Geschichten. (Das erzähle ich meinem Team ständig!) Manche Leute denken, Daten seien irgendwie langweilig und sie allein reichen nicht aus, um sie zu inspirieren. Indem Sie daraus eine Geschichte machen, verleihen Sie ihr einen emotionalen Reiz. Besonders wichtig ist es, Ihre Geschichte erzählen zu können, wenn Sie um Investoren werben. Unternehmer, die Investoren Startups vorstellen, müssen nachweisen, dass sie eine neue Chance erkannt haben – d. h. Dringlichkeit nachweisen.

Eine Standardmethode zur Datenkommunikation sind Präsentationen. Definieren Sie zunächst das Ziel der Präsentation. Was versuchst du zu erklären? Versuchen Sie, jemanden von etwas zu überzeugen? Versuchen Sie etwas zu verkaufen? Bewerten Sie die Zielgruppe. Anleger sind besonders an Risiken interessiert. Die Erörterung dieser Punkte zeigt, dass Sie die Sichtweise des Anlegers verstehen. (Es gibt viele Arten von Risiken, siehe Seitenleiste.) Es ist wichtig, den Handlungsbogen zu entwickeln. Erstellen Sie mit Ihrem Wissen über die Hoffnungen und Sorgen der Anleger eine Storyline, die diese Bedenken berücksichtigt. Versuchen Sie, die Anzahl auf zehn Folien oder weniger zu beschränken.

Die Präsentation könnte mit dem Unternehmenszweck oder der Mission beginnen. Beschreibe das Problem. Welches Problem kann Ihr Produkt lösen? Bieten Sie dann eine Lösung für das Problem an. Erklären Sie, warum dies gerade jetzt eine gute Idee ist und warum jemand es vorher nicht getan hat. Eine Demonstration Ihres Produkts wäre schön, aber auch Bilder sind gut. Weitere wichtige Informationen, die Sie in Ihre Präsentation einbeziehen sollten: Marktgröße, Ihr Team, Geschäftsmodell, die Konkurrenz und Finanzdaten.

Kommunizieren Sie Ihre Vision der Chance und untermauern Sie die Vision mit Daten. Eine Lösung anbieten. Erläutern Sie den Ansatz des Unternehmens. Zeigen Sie, wie der Markt reagiert hat. Hier können Engagement- und Akquisitionskennzahlen hilfreich sein. Es ist wichtig, eine gute Schätzung der Marktgröße abzugeben. Risikokapitalgeber wollen das unbedingt wissen. Wie groß ist der potenzielle Markt, von dem wir hier sprechen? Eine Erörterung der Finanzdaten sollte mindestens Umsatz, Bruttomarge und Cashflow umfassen.

Wenn Sie die Präsentation halten, werden die Leute Fragen haben. Je mehr Daten Sie haben, desto besser sind Sie auf die Beantwortung dieser Fragen vorbereitet.

Einige verschiedene Arten von Risiken:
Market-Timing-Risiko – Ist dies der richtige Zeitpunkt für dieses Unternehmen?
Geschäftsmodellrisiko – Haben Sie das richtige Modell für Ihr Produkt?
Risiko der Marktakzeptanz – Werden die Leute Ihr neues Produkt nutzen?
Marktgrößenrisiko – Ist Ihre Lösung groß genug, um einen Risikokapitalgeber glücklich zu machen?
Ausführungsrisiko – Verfügt Ihr Team über die richtigen Fähigkeiten für den Job?
Technologierisiko – Wenn eine neue Technologie entwickelt wird, wird sie dann termingerecht fertiggestellt?
Kapitalisierungsrisiko – Ist genügend Kapital vorhanden, um die Distanz zu bewältigen?
Plattformrisiko – Gibt es externe Partner, die außerhalb Ihrer Kontrolle liegen?
Venture-Management-Risiko – Ist das Unternehmen offen für Feedback?
Finanzielles Risiko – Kann das Unternehmen seine Rechnungen weiterhin bezahlen?
Rechtliches Risiko – Drohen Klagen oder andere rechtliche Probleme?

Kapitel 10: Alles zusammenfügen
Alles zusammenfügen

In einem Unternehmen kann es viele Reibungen geben. Daten können helfen, diese Reibung zu verringern.

Die Menschen müssen Daten verstehen und erwarten. Menschen müssen intellektuell ehrlich sein; Beim Entscheidungsprozess geht es nicht um das Ego. Lassen Sie die besten Ideen gewinnen und lassen Sie nicht zu, dass die Politik die Wahl beeinflusst. Ein Unternehmen braucht klar definierte Werte. Es braucht die richtigen Leute, es braucht neugierige Menschen.
Der beste Weg, ein Unternehmen für diese schöne neue Welt zu wappnen, sind Daten, und der Durst nach Daten ist zunehmend global. Es verändert wirklich jede Branche. In Zukunft wird die Operationalisierung von Daten Unternehmen den Wettbewerbsvorteil verschaffen, den sie für ihren Erfolg benötigen. Die Menschen haben sofort die Informationen, die sie benötigen, um die besten Entscheidungen zu treffen.

Metriken können einen tiefgreifenden Einfluss auf den Prozess haben. Sie können die Arbeitsweise eines Unternehmens verbessern, was ihm einen Wettbewerbsvorteil verschaffen kann. Mit einer einheitlichen Datenstruktur und guten Teams transformieren Unternehmen ihre Branchen.

Zusätzliche Ressourcen

Bewertung von Mit Daten gewinnen von Sloan Review

Rezension zu Mit Daten gewinnen von Hacker Noon

Rezension zu Mit Daten gewinnen von Kelly Sutton

Interview mit dem Autor von Winning With Data by Mix Panel

Kaufen Sie mit Daten gewinnen bei Amazon

Zusammenfassung des Gewinnens mit Daten durch umsetzbare Bücher Kostenlos

Zusammenfassung des Gewinnens mit Daten von Get Abstract Freemium

Beschreibung von Mit Daten gewinnen von Wiley Kostenlos