Mit Daten gewinnen: Transformieren Sie Ihre Kultur, stärken Sie Ihre Mitarbeiter und gestalten Sie die Zukunft

Fortschrittsanzeige

Mit Daten gewinnen: Zusammenfassung und Rückblick

Schlüsselwörter: Analyse, Analytics, Business, Daten, Metriken, Informationen, Infrastruktur, Investoren, Operationalisieren, Start-up

Bitte beachten Sie: Am Ende dieses Beitrags finden Sie Links zu anderen Rezensionen, Zusammenfassungen und Ressourcen.

Buchrezension

In der heutigen Welt verändern Daten jede Branche. Daten sind die Zukunft, und Unternehmen, die wissen, wie man sie nutzt und operationalisiert, haben einen großen Vorteil gegenüber denen, die dies nicht tun. Um in diesem sich schnell ändernden Umfeld erfolgreich zu sein, sollte jeder in einem Unternehmen sofortigen Zugriff auf die Informationen haben, die er benötigt, um die besten Entscheidungen zu treffen. Mit Daten gewinnen berät, wie Unternehmen durch die strategische Analyse von Daten weiter wachsen und sich weiterentwickeln können.

Das Aufkommen von Mobiltelefonen hat den Bedarf und das Verlangen aller nach Daten exponentiell erhöht. Menschen erwarten Daten. Sie sind es gewohnt, dass ihre Fragen sofort beantwortet werden. In dieser datenreichen Umgebung ist es wichtig, gängige Vorurteile und Wahrnehmungsfehler zu vermeiden. Innerhalb eines Unternehmens können Datenteams eine wichtige Kraft sein, um Voreingenommenheit zu reduzieren und die Datenkompetenz zu fördern. Das Team sollte seinen Kollegen beibringen, Daten gut zu verwenden; Sie sollten auch dazu beitragen, dass die Menschen lernen, klarer über Daten zu kommunizieren.

Metriken können einen tiefgreifenden Einfluss auf Prozesse haben und den Wettbewerbsvorteil eines Unternehmens widerspiegeln, aber das ist nicht die ganze Geschichte. Ein Unternehmen ist mehr als seine Kennzahlen. Ein Unternehmen braucht auch klar definierte Werte. Und es braucht die richtigen Leute: Leute mit intellektueller Ehrlichkeit; Menschen mit Neugier; Personen, die Metriken verwenden, um Fragen zu beantworten.

Die Co-Autoren von Mit Daten gewinnen beide haben einen Hintergrund in datenintensiven Branchen. Tomasz Tunguz ist Risikokapitalgeber bei Redpoint Ventures und fördert in seinem Blog datengesteuerte Beratung für Startups. Frank Bien – ein ausgesprochener Anhänger von Teamwork und einer positiven Unternehmenskultur – ist der CEO von Looker, einer Business Intelligence-Plattform. Wer mehr über den Werdegang der Autorinnen und Autoren und den Weg zu dieser Zusammenarbeit erfahren möchte, dem sei die Einführung empfohlen.

Tunguz und Bien verwenden viele Beispiele aus ihren eigenen Erfahrungen und denen anderer bekannter Unternehmen: Venmos Verwendung von Daten zur Verbesserung ihrer Produkte; Warby Parkers Störung eines Multi-Milliarden-Dollar-Marktes; Die Fähigkeit von ThredUp, täglich Tausende von Elementen zu verarbeiten.

Mit Daten gewinnen bietet Beratung, um Unternehmen zu helfen, sich in einer schönen neuen Welt zurechtzufinden. Die Empfehlungen der Autoren für die Gründung eines datengetriebenen Unternehmens werden Schritt für Schritt aufgeschlüsselt, einschließlich: Schaffung eines universellen Lexikons; Wiederbelebung der Teamkultur; Meetings auf Kurs halten; und hochwertige Präsentationen zu erstellen. Dieser nicht-technische Überblick erklärt hinreichend, wie die strategische Nutzung von Daten jedem Unternehmen einen Wettbewerbsvorteil verschaffen kann.

Zusammenfassung

Kapitel 1

Das Werbegeschäft hat früher die Art von kreativen Ansätzen bevorzugt, die in der TV-Show dargestellt werden Verrückte Männer. Heutzutage treibt die Mathematik die Strategie weit mehr an als die Kreativität. Anstatt von Verrückte Männer, Werbefachleute sind Math Men: Die Informationstechnologie bietet die Werkzeuge für die Entwicklung von Kampagnen; Algorithmen leiten die Entscheidungsfindung; Fast alle Arbeiten werden am Computer ausgeführt. Es hat sich einiges geändert seit dem Verrückte Männer Tage.

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 entscheidend geworden, und die Nachfrage nach sofortigen Informationen wächst. Wir möchten, dass unsere Fragen sofort (!) beantwortet werden. Da es früher zu lange dauerte, bis Mitarbeiter Informationen in ihrem Unternehmen erhielten, wurden Daten in der Vergangenheit als Instrument zur Messung der Leistung in der Vergangenheit verwendet. Unternehmen mit einer guten Dateninfrastruktur können jedoch Informationen produzieren und Entscheidungen auf Basis aktueller Metriken treffen. Diese Unternehmen können sicherstellen, dass die Daten dort ankommen, wo sie benötigt werden – und zwar sofort. Ineffiziente Lieferketten (die Personen, Prozesse und Programme, die die Daten berühren) führen zu langsamen Daten, bei denen mehr Menschen danach suchen als sie liefern. Dies war früher ein Problem, aber heute sind wir reich an Daten und es gibt immer mehr zu ernten.

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 sich für die Fleischmanns interessieren, tschechische Bäcker, die in die USA einwanderten und durch die heute noch in Supermärkten verkaufte Backhefe berühmt wurden. Die Fleischmanns machten jeden Tag Brot, und am Ende des Tages hatten sie immer etwas übrig, das sie an die Armen verschenkten. Die Schlangen von Menschen, die auf dieses kostenlose Brot warteten, wurden bekannt als Brotlinien. 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:

  • Die Leute müssen auf Daten warten. Dies verlangsamt den Entscheidungsprozess, was wiederum das Unternehmen verlangsamt.
  • Die Leute werden ungeduldig und treffen manchmal Entscheidungen, ohne auf Daten zu warten. Uninformierte Vermutungen führen selten zu guten Ergebnissen.
  • Die Einhaltung der Brotgrenze entzieht dem Datenmanagement-Team Energie, behindert ihr Potenzial und vergeudet ihre Talente.

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

Die Datenfragmentierung ist ein weiteres Problem. Wenn Benutzer die benötigten Daten nicht erhalten, finden sie einen Weg, diese zu erfassen und ihre eigenen Datenbanken zu erstellen. Rogue-Analysten und Schattendatenbanken ignorieren häufig normale Validierungs- und Aktualisierungsprozesse und halten die Informationen in Silos.

Schließlich stellen Datenschlägereien Unternehmen vor erhebliche Probleme. Die Datensegmentierung kann Bereiche mit Fehlausrichtung erzeugen. Wenn die Informationen nicht konsistent sind, fangen die Leute an, dem Standpunkt des anderen zu misstrauen. Sie sind anderer Meinung; Sie streiten sich; Sie kämpfen. Menschen in Unternehmen müssen alle auf dem gleichen Stand 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 kleines Startup hatte Google riesige Datenmengen, aber sie konnten sich 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 Modell für das Datenmanagement. Das Unternehmen hat obszöne Datenmengen generiert und Google-Mitarbeiter verwenden diese Daten für alle Arten von Recherchen und Analysen.

Auch bei Facebook wird die Datenanalyse ernst genommen, die verschiedene Technologien entwickelt hat, um Mitarbeitern den 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 verwenden 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 selbst Aristokraten gebrauchte Kleidung kauften. Leute namens Strazzaroli handelten mit hochwertigen gebrauchten Kleidern. Aber als die industrielle Revolution voranschreitet, wurde die Kleidung billiger und die Strazzaroli verloren ihre Lebensgrundlage. Schneller Vorlauf zu einem modernen Versandunternehmen, The RealReal. Sie verwenden Echtzeit-Reporting, um zu sehen, was sich in ihrem Lager befindet und wie sich alles in der Wertschöpfungskette bewegt. Jeder im Unternehmen hat Zugriff auf dieselben 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 Mitarbeitern 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:

  • Es ist wichtig, im gesamten Unternehmen die gleichen Kennzahlen zu haben. Ziehen Sie eine Formalisierung und Standardisierung in Betracht, indem Sie so etwas wie ein Datenwörterbuch verwenden. Sie benötigen ein gemeinsames Lexikon.
  • Seien Sie brutal ehrlich – oder streben Sie zumindest dieses Ideal an. Menschen sollten nicht empfindlich sein. Lass dein Ego los; Kritik annehmen.

Entscheidungen können wirklich willkürlich sein, wenn sie nicht mit Daten gesichert sind. Je mehr Informationen wir haben, desto bessere Entscheidungen treffen wir.

Kapitel 5

Neugier ist ein grundlegendes menschliches Gefühl und laut den Autoren der beste Weg, um die Unternehmenskultur in eine datengesteuerte umzuwandeln. Mitarbeiter sollten neugierig sein. Sie sollten in der Lage sein, die Informationen, an denen sie interessiert sind, nachzuschlagen, und sie sollten in der Lage sein, ihre Hypothesen zu überprüfen.

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

  • Das Unternehmen beginnt, Daten zu verwenden, um Entscheidungen zu treffen.
  • Die besten Ideen bekommt das Unternehmen von allen, nicht nur von den Führungskräften.
  • Das Unternehmen fördert Experimente und Überraschungen.

Experimentieren ist wichtig. Die Autoren demonstrieren den Wert des Experimentierens und diskutieren das Payroll-Management-Produkt von Intuit, Paycycle. 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, das Feature trotzdem zu testen, und es war überraschend beliebt. Die richtige Kultur beginnt mit neugierigen Mitarbeitern; es beginnt mit Leuten, die Fragen stellen.

Neugierige Leute zu finden ist wichtig, und es beginnt mit dem 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 nach den gewünschten Eigenschaften umfassen könnte. Der Kandidat mit der besten Punktzahl gewinnt.

Rekrutierungskennzahlen sind nützlich, um Einstellungsverfahren 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 Vorstellungsgesprächen 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 Ihre Einstellung bis zum Ziel, indem Sie die Anzahl der Einstellungen durch das Einstellungsziel teilen.

Schließlich wollen 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 aufzubauen. Was sind die Ziele der Menschen? Was gefällt ihnen am Unternehmen? Welches Feedback können sie geben? Dieser Prozess wird fortgesetzt, bis die Unternehmenswerte kristallisiert sind und erfasst werden können.

Die Klärung dieser Teile wird es dem Interviewer erleichtern, festzustellen, inwieweit die Werte eines Kandidaten gut passen. Wenn Ihr Unternehmen beispielsweise Wert auf einen qualitativ hochwertigen Kundenservice legt, könnten Sie einen Mitarbeiter nach einem Beispiel fragen, wie 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

Wenn Sie neugierige Mitarbeiter haben, erwarten Sie, dass sie Fragen stellen, was den typischen Fortschritt in datengesteuerten Unternehmen einleitet:

  • Schritt eins: Personen, die Informationen benötigen, fragen einen der Ingenieure, die bei der Erstellung und Erstellung der Datensysteme mitgewirkt haben. Wenn das Unternehmen wächst, wird dies zu einer Belastung für die Ingenieure.
  • Schritt zwei: Das Team leiht sich eine Lösung von woanders. Menschen verwenden Software oder andere Tools einer anderen Abteilung oder eines anderen Unternehmens. Auf die Daten einer anderen Person zugeschnitten, passt dies möglicherweise nicht gut.
  • Schritt drei: Das Team erhält die Rohdaten und schreibt eigene Abfragen.

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 Militärdaten analysierten und Empfehlungen an Washington richteten (die häufig befolgt wurden). Einer der Jungs im Team, Abraham Wald, wurde von der Air Force gebeten, 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, dies seien die Bereiche, die die Panzerung tragen sollten. (Die Panzerung war schwer, so dass sie nicht einfach auf das ganze Flugzeug klatschen konnten. Sie mussten wählerisch sein.) Aber Abraham Wald wies darauf hin, dass die Flugzeuge, die in die Tragflächen geschossen wurden, 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:

  • Survivorship-Bias – Jedes Mal, wenn Sie Daten aus Ihrer Analyse herausschneiden, riskieren Sie verzerrte Ergebnisse. Korrelation ist keine Kausalität; Nur weil zwei Dinge zusammenzupassen scheinen, heißt das nicht, dass das eine das andere verursacht hat.
  • Ankerverzerrung – Dies tritt auf, wenn Ihnen jemand einen Wert vorschlägt und dies Ihre eigene Schätzung beeinflusst. Wenn ich zum Beispiel frage, ob Gandhi bei seinem Tod über 114 war, würde Ihre Antwort wahrscheinlich anders ausfallen, als wenn ich fragen würde, ob er über 35 war.
  • Verfügbarkeitsverzerrung – Wenn Sie sehen, dass etwas passiert oder von jemandem, den Sie kennen, erfahren, wie es passiert ist, wird dies viel häufiger vorkommen.

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 in die Vergangenheit, während prädiktive und präskriptive Analysen die Zukunft betreffen. Predictive Analytics verwendet historische Daten, um zukünftige Ergebnisse vorherzusagen. Analysten können hypothetische „Was-wäre-wenn“-Fragen stellen, um zu entscheiden, welchen Weg sie einschlagen sollen. Prescriptive Analytics empfiehlt die Vorgehensweise basierend auf den Daten. 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 deskriptiver zu diagnostischer Analyse und von prädiktiver zu präskriptiver Analyse ab. Aber Gartner vermisst etwas zwischen Diagnostic und Predictive Analytics: explorative Analytics. Dies hilft uns, eine Hypothese zu finden; das fragt nach "warum?" Bestätigungsanalysen 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. Auf der anderen Seite wissen Sie nicht immer, welche Metriken umsetzbar sind, bis Sie eine Analyse durchgeführt haben. Es ist gut, ein Gleichgewicht zu haben.

Bestimmte Metriken sind erprobt und wahr. Der Lifetime Value eines Kunden (LTV) ist eine Schätzung des gesamten Bruttogewinns, den ein Kunde im Laufe der Zeit erzielen kann. Die Cost of Customer Acquisition (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 Metriken an eine Situation angepasst werden, und das Erstellen neuer Metriken kann neue Möglichkeiten aufdecken. Die mMedia-Site Upworthy verfolgt verschiedene Metriken, um zu beurteilen, welche Faktoren ihre Inhalte beliebter machen, aber sie brauchten mehr Informationen der Leser ging, um die Katze zu füttern). .

Entwerfen Sie ein Experiment. Bestimmen Sie die Handlungsfähigkeit. 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. Überlege, wie lange es dauern wird. Wie viele Proben Sie benötigen. Wer wird die Arbeit erledigen und wie wird sie strukturiert sein. Vergessen Sie nicht, eine Kontrollgruppe einzuschließen, um die Ergebnisse zu überprüfen. 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.

Wellingtons Lehren schließen die Bedeutung ein, Daten zuordenbar zu machen. Verwandle es in Geschichten. (Das erzähle ich meinem Team die ganze Zeit!) Manche Leute denken, dass Daten irgendwie langweilig sind und sie allein nicht ausreichen, um sie zu inspirieren. Indem Sie daraus eine Geschichte machen, verleihen Sie ihr emotionale Anziehungskraft. Es ist besonders wichtig, Ihre Geschichte erzählen zu können, wenn Sie um Investoren werben. Unternehmer, die Startups vor Investoren präsentieren, müssen zeigen, dass sie eine neue Chance erkannt haben – und die Dringlichkeit demonstrieren.

Eine Standardmethode zum Kommunizieren von Daten sind Präsentationen. Beginnen Sie damit, das Ziel der Präsentation zu definieren. Was versuchst du zu erklären? Versuchen Sie, jemanden von etwas zu überzeugen? Versuchen Sie etwas zu verkaufen? Bewerten Sie die beabsichtigte Zielgruppe. Anleger sind besonders an Risiken interessiert, daher zeigt die Diskussion dieser Punkte, dass Sie die Perspektive 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 anspricht. Versuchen Sie, es auf zehn 10 Folien oder weniger zu beschränken.

Die Präsentation könnte mit dem Unternehmenszweck oder der Mission beginnen. Beschreibe das Problem. Was ist falsch, das Ihr Produkt lösen wird? Biete dann eine Lösung für das Problem an. Erklären Sie, warum das gerade jetzt eine gute Idee ist und warum jemand es vorher nicht getan hat. Eine Vorführung Ihres Produktes wäre schön, aber auch Bilder sind gut. Weitere wichtige Informationen, die Sie in Ihre Präsentation aufnehmen sollten: Marktgröße, Ihr Team, Geschäftsmodell, Wettbewerb und Finanzen.

Kommunizieren Sie Ihre Vision der Gelegenheit und verstärken Sie die Vision mit Daten. Eine Lösung anbieten. Erläutern Sie den Ansatz des Unternehmens. Zeigen Sie, wie der Markt reagiert hat. Engagement- und Akquisitionskennzahlen sind hier hilfreich. Es ist wichtig, die Marktgröße gut einzuschätzen. Risikokapitalgeber wollen das unbedingt wissen. Von wie viel potenziellem Markt sprechen wir hier? Eine Erörterung der Finanzkennzahlen sollte mindestens den Umsatz, die Bruttomarge und den Cashflow umfassen.

Wenn Sie die Präsentation halten, werden die Leute Fragen haben. Je mehr Daten Sie haben, desto besser können Sie diese Fragen beantworten.

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 verwenden?
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 diese termingerecht fertiggestellt?
Kapitalisierungsrisiko – Ist genug Kapital vorhanden, um die Distanz zu überbrücken?
Plattformrisiko – Gibt es externe Partner außerhalb Ihrer Kontrolle?
Risiko im Venture-Management – Ist das Unternehmen offen für Feedback?
Finanzielles Risiko – Kann das Unternehmen die Rechnungen weiterhin bezahlen?
Rechtliches Risiko — Drohen Gerichtsverfahren oder andere rechtliche Probleme am Horizont?

Kapitel 10: Alles zusammenfügen
Alles zusammenfügen

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

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 Leute.
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.