261 olvasmányok

Mi van, ha a "Messy" adatai valóban tökéletesek?

által Lior Barak23m2025/07/02
Read on Terminal Reader

Túl hosszú; Olvasni

Átalakítsa adatstratégiáját a méréstől az értelmes cselekvésig a Data Ecosystem Vision Board végső rétegével.
featured image - Mi van, ha a "Messy" adatai valóban tökéletesek?
Lior Barak HackerNoon profile picture
0-item
1-item

Hello, data Shokunin-deshi!

Üdvözöljük a Data Ecosystem Vision Board végrehajtási sorozatának végső részében! Korábbi kiadásainkban megosztottam, hogyan segítettem Sarah-nak a 4seconds.com-on, hogy felépítse a Data Ecosystem Vision Board jelenlegi és jövőbeli jövőkép-rétegeit.


Ma az utazást azzal fejezzük be, hogy felfedezzük a sikermetrikus réteget, az átalakítást irányító és a haladást mérő irányt.


A szomszédom annyira megszállott a gyepével, meglehetősen biztos vagyok benne, hogy úgy gondolja, hogy ő a hátsó udvar zen mestere. Másnap jött, és körülbelül negyedik alkalommal kezdett beszélni a fámról.


A mester, aki látszólag nyugodt bölcsességet sugározott, így válaszolt: „Három mérés alapján ítélünk meg: a fa egészségét, szépségét, és hogyan harmonizál a kert egészével.


Aztán halott szemmel nézett rám, és mindazokkal a zen nyugalmakkal, amelyeket fel tudott szerezni, tájékoztatta, hogy az én vadon nem-Zen-szerű fám mindhárom tekintetben kudarcot vallott, különösen a "harmonizál a kertjével" részben.


És őszintén szólva, a fák behatolásáról szóló álláspontja, bár nem Zen-szerű a szállítása, tökéletesen illusztrálja a sikermetrikus rétegünk célját. A megfelelő intézkedésekkel komplex átalakulásokat értékelhetünk egy egyszerű, de erős lencsén keresztül, amely irányítja cselekedeteinket és döntéseinket. Mert néha még a legmélyebb elveknek is szüksége van egy kis nyomásra, vagy egy szomszédra, akinek nagyon specifikus a „harmonia” meghatározása.


A sikermérő réteg átalakítja a jövőképet a törekvésről a cselekvésre, meghatározva, hogy milyen a siker, és hogyan fogjuk tudni, amikor elértük.


Végrehajtó összefoglaló

Ebben a kiadásban megosztom, hogyan vezettem Sarah-t az adatökoszisztéma Vision Board sikermérési rétegének felépítésén keresztül:

✅ Ismerje meg, hogyan alkalmazza az 5 W keretrendszert a fókuszált, hatékony KPI-k kifejlesztéséhez

✅ Fedezze fel, hogyan válassza ki a szervezeti egészségügyi mutatókat (Data ROI és Data Utilization), amelyek mérik az átfogó átalakulás sikerét

✅ A döntéshozatalt vezérlő világos irányadó elvek létrehozásának művészete

✅ A változásmenedzsment olyan megközelítésének megvalósítása, amely biztosítja a képességek elfogadását és az értékek megvalósítását


A fontos mutatók: a mérésen túl a cselekvésen túl

Miután Sarah csapatával befejeztük a Future Vision réteget, meg kellett határoznunk, hogyan mérhető a siker, és hogyan irányítható az átalakulás.

  • How will we measure success? (KPIs)

  • What principles will guide our decisions? (Guiding Principles)

  • How will we manage the organizational change? (Change Management)


Végrehajtási tapasztalataim alapján a következő célzott megközelítést javaslom:

  • A maximum of 6 total KPIs (including 2 core organizational metrics)

  • No more than 6 guiding principles

  • A structured change management plan linked to capability implementation


Ez a szándékos korlátozás megakadályozza a metrikus terjedést, miközben átfogó lefedettséget biztosít a valóban fontos dolgokról.


Az 5 W keretrendszer a hatékony KPI-k számára

Az értelmes mutatók középpontjában az 5 W keretrendszer áll, egy strukturált megközelítés, amely biztosítja, hogy minden KPI valódi üzleti értéket hozzon létre:

A hatékony KPI-k 5 W-os keretrendszere: A KPI-k egyszerű Excel-táblázatba való feltérképezése már jobb áttekintést és megértést nyújt.


Miért: A cél megértése

Minden KPI-nek világos céllal kell rendelkeznie:Mérjük [a KPI-t], mert megmondja nekünk [a betekintést], ami segít nekünk elérni [az üzleti célt]."

Example from 4seconds.com:„A készletpontosságot azért mérjük, mert megmutatja, mennyire megbízhatóan tudjuk megtervezni és végrehajtani a flash értékesítést, ami segít a bevételek és az ügyfelek elégedettségének maximalizálásában.”

Végrehajtási lecke: Sok szervezet túl sok mutatóval küzd, nem pedig túl kevesekkel.Ne legyen kegyetlen, ha minden KPI-hez egyértelmű célt kell követelni, több javasolt mutatót el kell távolítani, ha a csapatok nem tudnak meggyőzően megfogalmazni, miért.

Végrehajtási lecke: Sok szervezet túl sok mutatóval küzd, nem pedig túl kevesekkel.Ne legyen kegyetlen, ha minden KPI-hez egyértelmű célt kell követelni, több javasolt mutatót el kell távolítani, ha a csapatok nem tudnak meggyőzően megfogalmazni, miért.


Mi: KPI-k összhangba hozása cselekvésekkel

A KPI-knek kapcsolódniuk kell a konkrét műveletekhez: "Amikor [KPI] [növeli/csökkenti], mi [vesszük ezt a lépést] [eléri ezt a célt]."

Example from 4seconds.com:„Az adatgyűjtési pontosságot azért mérjük, mert azt jelzi, hogy mennyire hatékonyan követjük a marketingteljesítményt. „Amikor az 85% alá csökken, vizsgáljuk az adatgyűjtési hiányosságokat és a csővezeték-problémákat annak érdekében, hogy a marketingbefektetési döntések megbízható adatokon alapuljanak.”

Végrehajtási lecke: A cselekvési nyilatkozat az, ahol sok KPI rövid.

Végrehajtási lecke: A cselekvési nyilatkozat az, ahol sok KPI rövid.


Hol: KPI hatásvizsgálat

A dokumentum elsődlegesen befolyásolta a csapatokat, ha a KPI-k trendváltozásokat mutatnak, kik azok a csapatok, amelyek befolyásolják azt, a csapatok, amelyek érezni fogják a fájdalmat, és hogyan kapcsolódik a „Mikor [KPI] [Növekszik], [Team] [Milyen cselekvésnek kell történnie].

Example from 4seconds.com:Elsődleges tulajdonjog: Data Engineering; amikor a minőségi pontszám csökken, az adatcsapatnak meg kell vizsgálnia, mi okozta a trendváltozást, és az adatgyártóknak ellenőrizniük kell az oldalukon, hogy az adatáramlás várható-e

Végrehajtási lecke: A „Hol” dimenzió gyakran feltárja a váratlan függőségeket. Amikor a KPI-kkal dolgozunk, eltérő hatással lesznek a különböző csapatokra.

Implementation Lesson:A „Hol” dimenzió gyakran feltárja a váratlan függőségeket. Amikor a KPI-kkel dolgozunk, eltérő hatással lesznek a különböző csapatokra. Azáltal, hogy feltérképezzük, hogy a KPI befolyásának trendváltozása hogyan segít jobban megérteni a KPI-k hatását


Vicces történet, amikor egy marketingcsapatnál voltam, akik szuper boldogok voltak, hogy sikerült csökkenteniük a költségvetési kiadásaikat a kampányok teljesítményére vonatkozó jobb adatok miatt, a szoba másik oldalán a pénzügyi csapat kitalálta, hogyan lehet elmagyarázni a befektetőknek, hogy a vállalat nem éri el az elkötelezett marketing költségvetést, és hogyan ne veszítse el a következő évben.

Vicces történet, amikor egy marketingcsapatnál voltam, akik szuper boldogok voltak, hogy sikerült csökkenteniük a költségvetési kiadásaikat a kampányok teljesítményére vonatkozó jobb adatok miatt, a szoba másik oldalán a pénzügyi csapat kitalálta, hogyan lehet elmagyarázni a befektetőknek, hogy a vállalat nem éri el az elkötelezett marketing költségvetést, és hogyan ne veszítse el a következő évben.


Mikor: A mérés ritmusa

Állítsa be a gyakoriságot, amikor a KPI-k szükségesek, attól függően, hogy a mutatók milyen gyorsan változnak, és milyen gyorsan lehet cselekedni.

Example from 4seconds.com: "Flash értékesítési készenlét pontszám". Napi számítás, heti felülvizsgálat műveletek szerint, 48 órával a vezetők általi értékesítés előtt, 90 napos trendelemzéssel és ünnepi szezon beállításokkal.

Végrehajtási lecke: Ne alapértelmezze a napi felülvizsgálatokat, függetlenül a méter természetes ritmusától.

Végrehajtási lecke: Ne alapértelmezze a napi felülvizsgálatokat, függetlenül a méter természetes ritmusától.


Ki: A metrikák őrzője

Egyértelmű tulajdonjogot rendeljen el mind felelősséggel, mind hatáskörrel a teljesítmény befolyásolására.

Example from 4seconds.com: "Marketing Data Timeliness", Tulajdonos: Marketing Analytics vezető; Hozzájárulók: Data Steward, Data Engineer; Érintett felek: CMO, Campaign Managers; Közönség: Minden marketing csapat, ügyvezető csapat.

Végrehajtási lecke: A tulajdonjognak magában kell foglalnia a változás vezérlésének hatáskörét.Gondoskodjon arról, hogy minden KPI-tulajdonosnak legyen felelőssége és hatásköre a mutató teljesítményének befolyásolására.

Végrehajtási lecke: A tulajdonjognak magában kell foglalnia a változás vezérlésének hatáskörét.Gondoskodjon arról, hogy minden KPI-tulajdonosnak legyen felelőssége és hatásköre a mutató teljesítményének befolyásolására.

Részletes példák és végrehajtási leckékért lásd korábbi hírlevelünketAz 5 W keretrendszer a hatékony KPI-k számára


Szervezeti egészségügyi mutatók: adat ROI és adatfelhasználás

A stratégiai KPI portfólió: hat olyan mutató, amely számít

A Success Metrics réteg legfeljebb hat KPI-t tartalmaz, ez egy szándékos korlátozás, amely a stratégiai fókuszra kényszerít.A metrikákkal túlzsúfolódva elveszíted annak nyomon követését, ami igazán számít; alulzsúfolódsz, és elveszíted a kritikus területek láthatóságát.


Az ajánlásom egy bizonyított struktúrát követ:

Two Foundation KPIs Data Health Indicators:Ezek a hosszú távú mutatók értékelik az adatökoszisztéma általános állapotát:

  • Data ROI: Az adatbefektetések által generált monetáris érték mérése
  • Adatfelhasználás: nyomon követi, hogy mennyire hatékonyan használja az Ön által gyűjtött és tárolt adatokat

Ezek az alapvető KPI-k biztosítják a "létfontosságú jeleket"; ha ezek rosszul mutatnak, az egész adatstratégiának figyelmet kell fordítania.


Two to Four Capability KPIs, Progress TrackersEzek a mutatók mérik a jövőbeli jövőképedben leírt konkrét képességek felé tett előrehaladást.

  • Csatlakozzon közvetlenül a Vision Board prioritásaival
  • A végrehajtási problémák korai felismerése
  • Jelentős előrelépés a stratégiai célok elérésében
  • Nyilvánvaló jelzéseket adjon, amikor korrekcióra van szükség

Example from 4seconds.com:A KPI-k közé tartozik a „Data Pipeline Reliability” (99.5% üzemidő cél) és az „Self-Service Analytics Adoption” (60% üzleti felhasználó aktívan lekérdezi az adatokat önállóan).


Data ROI: Értékteremtés mérése

Ez a mutató válaszol az alapvető kérdésre: „Az adatökoszisztémánk valós üzleti értéket teremt?”


Implementation Approach:

Határozza meg a képlet:

Data ROI = (Financial Value Generated - Cost of Data Operations) / Cost of Data Operations

If Cost of Data Operations = €100 and Financial Value Generated = €90, then (90−100)/100=−0.10 or -10%.


Calculate Components:

  • Financial Value Generated: Quantified benefits from data-driven decisions and automations

    • Tip: Defining "Financial Value Generated" Accurately: This is often the trickiest part. Be clear and consistent about what you include. Avoid double-counting or attributing value that isn't directly a result of data operations.
  • Cost of Data Operations: All expenses related to data collection, storage, processing, and analytics


Set Targets:

  • Minimum acceptable ROI (typically 0.01-0.7x)

  • Target ROI (typically 0.8-2.5)

  • Stretch ROI (typically 2.6x+)


Implement Measurement:

  • Timeframe: Specify the period over which you are calculating the ROI (e.g., quarterly, annually). Value and costs should align with this timeframe: In our case:

    • Quarterly calculation
    • Year-over-year trend analysis
  • Breakdown by data domain or capability


Example from 4seconds.com:Miután végrehajtottuk a mérést, a kezdeti adatforgalmi megtérülési aránya 0,2x volt, alig pozitív. Év végéig 2x, három éven belül pedig 4x célt tűztünk ki.

Végrehajtási lecke: Néha hasznos összehasonlítani a „Pénzügyi értéket generált” az adatműveletek egy hipotetikus forgatókönyv nélkül őket, különösen a kezdeményezések célja a meglévő folyamatok fenntartása vagy javítása.

Végrehajtási lecke: Néha hasznos összehasonlítani a „Pénzügyi értéket generált” az adatműveletek egy hipotetikus forgatókönyv nélkül őket, különösen a kezdeményezések célja a meglévő folyamatok fenntartása vagy javítása.

Qualitative Benefits:Az adatkezelési kezdeményezések gyakran jelentős minőségi előnyökkel járnak (például jobb döntéshozatal, jobb ügyfélélmény, innováció), amelyeket nehezebb közvetlenül monetizálni, de még mindig értékesek.


A valódi kihívás: amit Sarah csapata felfedezett

Amikor elkezdtük kiszámítani a Data ROI-t, Sarah csapata azonnali akadályba ütközött: "Hogyan számoljuk ki az adatokból származó összes bevételt?" A kihívás különösen éles volt a pénzügyi adatokkal, ami elengedhetetlen, de nem közvetlenül generálja a ROI-t.


Meg kellett változtatnunk a hozzáállásunkat:

  1. "Must Have" Data Exclusion: We classified essential data like financial data, compliance data, and operational data as "must have" and excluded them from ROI calculations. But we needed to tag it properly so this wouldn't become a manual process.

  2. Tagging System Implementation: We created a comprehensive tagging system to automatically categorize data by its business purpose:

    1. Revenue-generating data
    2. Cost-saving data
    3. Must-have/compliance data
    4. Experimental data
  3. Value Tracking Mechanism: For every significant data-driven decision or automation, we implemented a value tracking system where stakeholders estimated the business impact, and when possible we created automatic process, for example in the marketing campaigns we identified the campaigns we optimized and they stopped spending budget on bad traffic and accomilated it, and when increased we mark it as value created.

Végrehajtási lecke: Sok szervezet küzd, hogy mennyiségi értéket az adatkezelési kezdeményezések. dolgoztam Sarah-val, hogy végre egy értékkövetési rendszer, ahol minden jelentős adatvezérelt döntés vagy automatizálás volt egy becsült értéket csatolt. Bár nem tökéletes, ez a megközelítés biztosította az alapot a visszatérés mérésére, amely sokkal jobb volt, mint a mérés egyáltalán.

Implementation Lesson: Sok szervezet küzd az adatkezelési kezdeményezésekből származó érték mennyiségi meghatározása érdekében. Egy olyan értékkövetési rendszer megvalósításában dolgoztam együtt Sarah-val, ahol minden jelentős adatvezérelt döntés vagy automatizálás becsült értéket tartalmazott. Bár nem tökéletes, ez a megközelítés alapot biztosított a visszatérés méréséhez, amely jóval jobb volt, mint egyáltalán nem mérés.


Adatfelhasználás: a hatékony felhasználás mérése

Az adatfelhasználás azt méri, hogy a szervezet mennyire hatékonyan használja ki az általa összegyűjtött adatokat.Ez a mutató egy másik kritikus kérdést vet fel: „Az adateszközöket a legjobban kihasználjuk?”


Implementation Approach:

Határozza meg a képlet:

Data Utilization = Data Assets Actively Used / Total Data Assets Collected

* Over a fixed period, in our case it was three months, but in bigger organizations I used six months timeframe


Calculate Components:

  • Aktívan használt adateszközök: jelentésekben, elemzésekben vagy automatizált folyamatokban használt adatelemek
  • Összes összegyűjtött adateszköz: Az adatökoszisztémában tárolt összes adatelem


Set Targets:

  • Minimum acceptable utilization (typically 55-60%)
  • Célzott felhasználás (általában 61-78%)
  • Stretch utilization (typically 79%+)


Implement Measurement:

  • Quarterly calculation

  • Trend analysis

  • Breakdown by data domain or system, as well as team/user, if possible


Sarah's Big Discovery: The Data Utilization Reality Check

A legnagyobb "aha pillanat" számomra az volt, hogy felfedeztem, hogy a cégben senki sem gondolkodott az adatfelhasználás mintáinak megértésénél, bár egyes költségeket társítottak a csapatokhoz, a szerverszámlát egy adott dologként fogadták el.


The Technical ChallengeAmikor megpróbáltuk végrehajtani az adatfelhasználás nyomon követését, azonnal egy falat ütöttünk.Nincs címke, nincs adatbázis-gyűjtő napló (Data Catalog) és információ, és nincs mód arra, hogy nyomon kövessük, milyen adatok voltak, ki volt a tulajdonosa, mikor hozzáfértek, vagy milyen rendszerrel.


Building the Foundation:A nulláról kellett kezdeni:

  1. Activity Logging Database: Created a comprehensive system to log all data interactions, creating a data catalog

  2. Ownership Documentation: Mapped every dataset to an owner and purpose

  3. Access Tracking: Implemented monitoring to see which data was being used and when

  4. Lineage Mapping: Built systems to track data flow from source to consumption


Az eredmények: Sarah kezdeti számítása szerint a tárolt adatok mindössze 48%-át használták fel 32 TB-os tárolási kapacitással, ami egy hatalmas adatátviteli kezdeményezéshez vezetett, amely nemcsak a tárolási, feldolgozási és biztonsági költségeket csökkentette havonta több mint 1000 euróval, hanem a nagy értékű adatokra is összpontosított elemzési erőfeszítéseket.

The Results:Sarah kezdeti számítása szerint a tárolt adatok mindössze 48%-át használták fel 32 TB-os tárolási kapacitásukban, ami egy hatalmas adatátviteli kezdeményezéshez vezetett, amely nemcsak a tárolási, feldolgozási és biztonsági költségeket csökkentette havonta több mint 1000 euróval, hanem a nagy értékű adatokra is összpontosított elemzési erőfeszítéseket.


Implementation Lesson:

  • Low utilization is common and often hidden. At another client, I discovered they were storing over 200 website behavioral events but only using 8 in any decision-making process. The cost of collecting and storing unused data was substantial, and the unnecessary complexity slowed down legitimate analytics. By implementing utilization measurement, Sarah's team gained visibility into this previously hidden issue.

  • Use of Tags for data helps a lot when coming to investigate it, the ability to identify who owns it, what exactly it is, and creating a process that logs this information into some database was super helpful. This practice is not common and should be encouraged even more

  • While maybe storing 32TB is only $700, the backup, moving of data, security... costs money, it top it to over $1,000 a months or even more, if only 50% is used, it's good thing to ask Why do we keep the data, and can we move it to some lower costs long terming plan

  • Data not in use moved into a long-term container, which is extended twice, each with a six-month long-term plan, and if is not required can be deleted by the end period of the second extension, if it's not data the company is obligated to store, such as financial or user health data. Think about this process as well

  • Always set a data retention plan. I will deep dive into it in Data Flavors issue #15, covering a few methods, and my view on it.


KPI-k támogatása: A siker mérése

A két szervezeti egészségügyi mutató mellett segítettem Sarah-nak, hogy legfeljebb négy támogató KPI-t válasszon ki, amelyek nyomon követik a kulcsfontosságú képességeik sikerét:


A kiválasztási folyamat

A KPI-k terjedésének elkerülése érdekében egy strukturált kiválasztási folyamaton keresztül vezettem Sarah-t:

  1. For each Future Vision capability, identify 2-3 potential success metrics
  2. Apply the 5 W's framework to each candidate metric
  3. Evaluate candidates based on:
    • Coverage (how broadly applicable across capabilities)
    • Measurability (how feasible to track consistently)
    • Actionability (how it drives specific behaviors)
    • Impact (how directly it connects to business outcomes)
  4. Válassza ki a legmagasabb értékelési pontszámmal rendelkező 3-4 métert

Végrehajtási lecke: Ez a szigorú kiválasztási folyamat kulcsfontosságú. Korábbi ügyfeleknél láttam, hogy a métereket az alapján választották ki, ami könnyen mérhető, nem pedig az, ami az értéket vezeti.A lefedettségre, a mérhetőségre, a cselekvőképességre és a hatásra összpontosítva Sarah csapata biztosította, hogy olyan métereket válasszanak, amelyek valóban irányítanák átalakulásukat.

Implementation Lesson: Ez a szigorú kiválasztási folyamat kulcsfontosságú. A korábbi ügyfeleknél láttam, hogy a métereket az alapján választották ki, ami könnyen mérhető, nem pedig az, ami az értéket vezérli. A lefedettségre, a mérhetőségre, a cselekvőképességre és a hatásra összpontosítva Sarah csapata biztosította, hogy olyan métereket válasszanak, amelyek valóban irányítanák átalakulásukat.


Selected Supporting KPIs

A 4seconds.com esetében a támogatott KPI-k a következők:

Data Quality Score

  • Mit mér: A kulcsfontosságú adatterületek pontossága, teljessége, időszerűsége és következetessége
  • Miért számít: Közvetlenül befolyásolja a döntéshozatal minőségét és a működési hatékonyságot.Az elképzelés az volt, hogy több marketingadatot tartalmazzon a kampányok automatikus irányításához, és a rossz adatok veszteségeket okozhatnak
  • Akció kiváltó tényezők: 90% alatt kiváltja a helyreállítást; 80% alatt kiváltja a vészhelyzetet
  • Calculation: Composite score across data quality dimensions and domains


Marketing campaigns automated

  • What it measures: The share of marketing campaigns generated by smart systems and not humans
  • Why it matters: The goal is to automate the effort of the marketers and remove the need for agencies to support them. With the system, the marketing team can focus on the high-effort campaigns and let the system set and optimize the rest
  • Action triggers: If the share is below 65%, the capability is not acting as expected; if it's under 35%, the capability is causing issues that may damage the marketing team
  • Számítás: Átlagos idő a kulcsfontosságú üzleti döntések között


Self-Service Adoption

  • Mit mér: Az önkiszolgálással teljesített analitikai kérések százalékos aránya
  • Miért számít: A demokratizálódás előrehaladását és az elemzői tőkeáttételt jelzi
  • Cselekvési kiváltó tényezők: Az alábbi cél kiváltó tényezők lehetővé teszik a felülvizsgálatot; a stagnálás kiváltó tényezők képességértékelés
  • Számítás: önkiszolgáló kérelmek / teljes elemzési kérelmek


Data Literacy Index

  • What it measures: Organization-wide data skills and confidence

  • Why it matters: Foundation for a data-driven culture

  • Action triggers: Skill gaps trigger targeted training; confidence gaps trigger communication initiatives

  • Calculation: Composite score from skills assessment and confidence survey


A marketing automatizálás története: a KPI-k a képességek őrzői

Let me share the story behind the "Marketing campaigns automated" KPI, which became one of Sarah's most valuable metrics.


Sarah's team had set an ambitious goal: automate 80% of campaign budget steering decisions and 60% of campaign creation. This wasn't just about efficiency; with the hiring freeze, they needed to increase the marketing budget to generate 10% revenue growth without adding staff.


The Challenge:A marketing csapat megrémült. elveszítenék a munkájukat az automatizálásnak?

The SolutionA KPI mérte az előrehaladást, de ami még fontosabb, nyomon követte, hogy az automatizálás segíti-e vagy rontja-e a kampány teljesítményét.


On the Company Core Dashboard: They tracked two connected KPIs:

  • Marketing campaigns automated (% of campaigns managed by AI)

  • Revenue estimated from marketing campaigns (should stay stable or increase as automation progresses)


Ezek a kettős KPI-k erőteljes mutatókká váltak mind a képességfejlesztés, mind az adatcsapat és a marketingcsapat közötti együttműködési erőfeszítések tekintetében. Amikor az automatizálási százalékos arány emelkedett, de a bevételi becslések homályosak maradtak, a rendszer tanult.


Végrehajtási lecke: Minden támogatott KPI-nek több képességhez kell kapcsolódnia, nem pedig egyetlen kezdeményezés nyomon követéséhez. Ez szélesebb lefedettséget biztosít kevesebb mutatóval. Sarah kezdeti listája 12 potenciális KPI-t tartalmazott, de a több képességet lefedő mutatókra összpontosítva mindössze négy átfogó lefedettséget érhettünk el.

Implementation Lesson: Each supporting KPI should connect to multiple capabilities rather than tracking a single initiative. This provides broader coverage with fewer metrics. Sarah's initial list had 12 potential KPIs, but by focusing on metrics that spanned multiple capabilities, we achieved comprehensive coverage with just four.


Iránymutató alapelvek: az északi csillag a döntésekhez

El kell ismernem, hogy az alábbi módszert a Zalando agilis edzőiből másoltam, olyan fantasztikus munkát végeztek, így soha nem éreztem, hogy meg kell változtatnom.

El kell ismernem, hogy az alábbi módszert a Zalando agilis edzőiből másoltam, olyan fantasztikus munkát végeztek, így soha nem éreztem, hogy meg kell változtatnom.


A metrikán túl Sarah-val dolgoztam együtt, hogy világos iránymutatásokat hozzak létre az adatökoszisztémájuk számára.Ezek az elvek vezérlik a mindennapi döntéseket, és segítenek a konfliktusok vagy a kétértelműségek megoldásában.

Principles Development Process

Annak érdekében, hogy értelmes elveket hozzunk létre, megkönnyítettem a strukturált folyamatot:

Gather Input:

  • Ismétlődő témákról szóló workshop jegyzetek
  • Határozza meg a jelenlegi implicit elveket (ami a mai döntéseket irányítja)
  • Az érdekelt felek nézőpontjainak összegyűjtése arról, hogy mi vezérli a jövőt

Draft Candidate Principles:

  • Olyan területekre összpontosítson, ahol a leginkább szükség van útmutatásra
  • Biztosítani kell, hogy az elvek mind a technikai, mind a kulturális szempontokat kezeljék
  • Pozitív keretek, mint törekvési kijelentések
  • Tartsa a nyelvet egyszerű és emlékezetes

Evaluate and Refine:

  • Minden elv tesztelése a valós forgatókönyvekkel szemben
  • Biztosítani kell, hogy az elvek kellően konkrétak legyenek a döntések irányításához
  • Az átfedés és az elbocsátás megszüntetése
  • Legfeljebb hat alapelvre korlátozva

Finalize and Document:

  • Az egyes alapelvek egyértelmű meghatározása
  • Alkalmazási példák kidolgozása
  • A dokumentumok döntéshozatali hierarchiája, amikor az elvek összeütköznek
  • Kommunikációs és szocializációs terv készítése

Végrehajtási lecke: Az alapelveknek cselekvőképesnek kell lenniük, nem pedig törekvésszerűnek.A kidolgozási munkamenetünk során minden alapelvet megkérdőjeleztem: „Hogyan segíthet ez egy másik döntés meghozatalában?”Ha nem tudnánk meghatározni azokat a konkrét forgatókönyveket, amelyekben az alapelvi útmutató viselkedne, finomítottuk vagy helyettesítettük.

Végrehajtási lecke: Az alapelveknek cselekvőképesnek kell lenniük, nem pedig törekvésszerűnek.A kidolgozási munkamenetünk során minden alapelvet megkérdőjeleztem: „Hogyan segíthet ez egy másik döntés meghozatalában?”Ha nem tudnánk meghatározni azokat a konkrét forgatókönyveket, amelyekben az alapelvi útmutató viselkedne, finomítottuk vagy helyettesítettük.


A 4seconds.com alapelvei

After this process, Sarah's team established these six principles:

Data as a Product

  • Minden adatkészletet egyértelmű tulajdonjoggal, minőségi szabványokkal, iterációs eljárással, monetáris értékkel és felhasználói támogatással rendelkező termékként kezeljük.
  • Példa alkalmazás: Az új adatforrások a megvalósítás előtt meghatározott tulajdonjogot és minőségi mutatókat igényelnek
  • A döntéshozatal útmutatása: a minőség és a megbízhatóság elsőbbséget élvez a szállítás sebességénél

Share by Default

  • Minden nem érzékeny adatnak felfedezhetőnek és hozzáférhetőnek kell lennie a szervezetben, és dokumentálva kell lennie a vállalat adatkatalógusában.
  • Példa alkalmazás: A részlegek adatkészleteit automatikusan közzéteszik a központi katalógusba
  • Döntéshozatali útmutató: A hozzáférés korlátozásához kifejezett indokolásra van szükség

Business Impact First

  • Meghatározás: Az adatkezelési kezdeményezések a mérhető üzleti hatások alapján kerülnek prioritásra
  • Példa: Minden projektjavaslat tartalmazza a becsült monetáris értéket
  • Határozathozatali iránymutatás: A nagyobb hatású kezdeményezések elsőbbséget élveznek a technikai szempontból érdekes kezdeményezésekkel szemben

Automate the Routine

  • Meghatározás: A kézi adatfeladatokat automatizálni kell, hogy felszabadítsa az emberi kapacitást a betekintés generálásához
  • Példa alkalmazás: Bármely több mint kétszer készített jelentés automatizált
  • Döntéshozatali útmutató: Befektetés az ismétlődő feladatok automatizálásába a kézi optimalizálás helyett

Right-time, Not Always Real-time

  • Definition: Data timeliness should match business need, not default to the most frequent possible

  • Example application: Daily aggregation for metrics that drive weekly decisions

  • Decision guidance: Performance and cost efficiency over unnecessary immediacy


Design for Trust

DefinitionAz adatrendszereknek és -folyamatoknak átláthatósággal és megbízhatósággal kell bizalmat teremteniük, és proaktívnak kell lenniük a kommunikációs kérdésekben.


Example application: A minőségi mutatók az összes jelentés mellett láthatók

Decision guidance: Átláthatóság a túlzott képességek korlátozásairól


The "Business Impact First" Transformation

Sarah csapata által elfogadott elvek közül a „Business Impact First” a legmélyebb változást hozta létre.

The DecisionA két egymással versengő képesség, az önkiszolgáló elemzés és a marketing automatizálás értékelésekor a csapatok kezdetben a technikai preferenciák és az osztályok igényei alapján vitatkoztak.

The Principle in Action: Alkalmaztuk az "Business Impact First" -ot, és kiszámítottuk az egyes opciók monetáris értékét:

  • Self-service analytics: €45,000 annual savings in analyst time

  • Marketing automation: €120,000 annual revenue increase potential


The Result: Az elv vezette őket arra, hogy a marketing automatizálást prioritássá tegyék, de ami még fontosabb, megváltoztatta az összes jövőbeli döntés megközelítését.


Végrehajtási lecke: Az elveknek tükrözniük kell mind a törekvéseket, mind a gyakorlati korlátozásokat. Egy korábbi ügyfélnél a „valós idejű mindent” elvként hoztam létre anélkül, hogy figyelembe venném a költségek következményeit. Ez az infrastruktúrába való túlzott befektetéshez vezetett, amely minimális üzleti értéket biztosított. Segítettem Sarah csapatának megtalálni a megfelelő egyensúlyt olyan elvekkel, mint a „Right-time, Not Always Real-time”, amelyek elismerik a gyakorlati korlátozásokat, miközben egyértelmű útmutatást nyújtanak.

Végrehajtási lecke: Az elveknek tükrözniük kell mind a törekvéseket, mind a gyakorlati korlátozásokat. Egy korábbi ügyfélnél a „valós idejű mindent” elvként hoztam létre anélkül, hogy figyelembe venném a költségek következményeit. Ez az infrastruktúrába való túlzott befektetéshez vezetett, amely minimális üzleti értéket biztosított. Segítettem Sarah csapatának megtalálni a megfelelő egyensúlyt olyan elvekkel, mint a „Right-time, Not Always Real-time”, amelyek elismerik a gyakorlati korlátozásokat, miközben egyértelmű útmutatást nyújtanak.


A szocializáció alapelvei: hogy ragaszkodjanak

Communication Strategy:Közöltük az elveket egy teljes körű találkozón, létrehoztunk egy fórumot, és meghívtuk az embereket, hogy reagáljanak és javasoljanak módokat az elvek végrehajtására.Az ülés során elmagyaráztuk, hogy már megtapasztaltuk őket a jövőbeli rétegek műhelyek során, és néhányan a jelenlegi rétegfelfedezési folyamaton keresztül jelentek meg.


The Testing ApproachMegállapodtunk abban, hogy az elvek a következő hat hónapban tesztelhetők lesznek, és újraértékelhetők a szervezeti kultúrához és használathoz való illeszkedésük tekintetében.Ez "állandó, de átmeneti", így mindenki időt kap arra, hogy hozzászokjon hozzájuk, miközben egyértelmű utat biztosít, hogy a döntések összetetté válásakor visszatérjenek hozzájuk.


Implementation Lesson:Az elvek „rögzített, de átmeneti” megfogalmazása csökkentette az ellenállást, és lehetővé tette az emberek számára, hogy a döntéshozatali eszközöként kísérletezzenek velük.


Változásmenedzsment: elfogadás és érték biztosítása

Introducing new data capabilities isn't just about tools, it’s about changing how people work, think, and decide. Together with Sarah, we developed a change management approach focused on three pillars: Impact, Adoption, and Learning.


A hatás megértése

Kezdtünk egyChange Impact AssessmentAz alábbiakban bemutatjuk, hogy a különböző csapatok milyen hatással lesznek:

  • Érintett felek: felhasználók, adatgyártók, közvetett szerepek és vezetés
  • Hatások: folyamat, készségek, eszközök, gondolkodásmód, döntéshozatal
  • Example (4seconds.com):
    • Marketing: High impact – full shift in workflows

    • Finance: Medium – new sources, familiar processes

    • Product: Low – minimal change


Végrehajtási lecke: Még a kis változások, mint például a vezérlőpult újratervezése, mélyen befolyásolhatják a munkafolyamatokat, ha nem megfelelően tervezik.

Implementation LessonMég a kisebb módosítások, például a vezérlőpult újratervezése is súlyosan befolyásolhatja a munkafolyamatokat, ha nem tervezik megfelelően.


Képességek, nem csak eszközök

Mindegyik képességnek megvolt a saját elfogadási terve, amelynek középpontjában a siker mutatói, az akadályok és a megvalósítási stratégia állt:

  • Sikeres kritériumok: Használat gyakorisága, hatékonyságnövekedés, elfogadási idővonal
  • Adopciós stratégia: Comms, képzés, támogatás, ösztönzők
  • Example (4seconds.com - Self-Service Analytics):
    • Goal: 60% report access via self-service in 6 months

    • Barriers: Low trust, data literacy gaps


Approach: Champion program + workshops + office hours


Végrehajtási lecke: Az örökbefogadásnak többre van szüksége, mint a képzésre.

Végrehajtási lecke: Az örökbefogadásnak többre van szüksége, mint a képzésre.


A tanulás lehetõvé tétele

A képességek elfogadása az egész fórumon megkövetelte a készségfejlesztést:

  • Data Team: Learned marketing workflows and how to talk about business value

  • Marketing Team: Learned how to guide automation and work with data tools

  • Executives: Shifted from urgent demands to structured prioritization


ApproachRole-based learning paths, on-demand erőforrások, valós adat kihívások


ExampleA 4seconds.com adatértelmezési programja kéthetes munkameneteket, gyakorlati kihívásokat és egy Slack csatornát tartalmazott a társaik támogatására.


Végrehajtási lecke: A generikus képzés nem ragaszkodik; kontextualizálja a tanulást a valódi vállalati problémák körül.

Implementation Lesson: Generic training doesn’t stick; contextualize learning around real company problems.


Változás a skálán

Felépítettünk egy strukturált kommunikációs stratégiát a lendület fenntartásához:

  • Üzenet: Miért, mi változik, mi van benne az egyes csapatok számára
  • Csatornák: All-hands, hírlevelek, Slack, dashboardok
  • Cadence: Heti a részt vevő csapatok, havi org-szerte, negyedéves execs
  • Example:
    • “Data Digest” email

    • Transformation dashboard (in-office + intranet)

    • Office Hours for Q&A


Végrehajtási lecke: A rendszeres, látható kommunikáció bizalmat épít, a szabálytalan frissítések megölik a lendületet.

Végrehajtási lecke: A rendszeres, látható kommunikáció bizalmat épít, a szabálytalan frissítések megölik a lendületet.


A siker metrikus rétege

Miután Sarah megkapta a siker mutatóit, a következő lépés az volt, hogy megbizonyosodjon arról, hogy idővel hasznosak maradnak.


Negyedéves ellenőrzések

Egy könnyű, ismétlődő felülvizsgálati ciklust hoztunk létre:

  • Performance Review: Are metrics on target? What trends are emerging? Any surprising correlations?

  • Relevance Check: Are these KPIs still tied to business goals? Are people using them? Is the data still solid?

  • Adjustments: Tweak thresholds or calculations if needed. If a metric hasn’t driven a decision in 6 months, it might be time to retire it.


Végrehajtási lecke: Egy másik vállalatnál láttam, hogy a mérőszámokat a relevanciájuk messze túllépte, összezsugorodva a műszerfalakat és időpocsékolva. Sarah bevezette a „napnyugta protokollt”, hogy elkerülje ezt.

Implementation Lesson: Egy másik cégnél láttam, hogy a mérőszámokat a relevanciájukon túl nyomon követték, összezavarva a műszerfalakat és időpocsékolva. Sarah bevezette a „napnyugta protokollt”, hogy elkerülje ezt.


Éves látványfrissítés

Minden évben ajánlom a Vision Board teljes frissítését; azonban először jobb, ha negyedévente végezzük, amíg be nem lépünk a ritmusba és megtanuljuk a rendszert:

  • Frissítse a jelenet: Hol vagyunk most vs. amikor elkezdtünk? mi javult? mi még hiányzik?
  • Változtassuk meg a jövőnket: új képességekre van szükségünk?
  • Újraértékeljük a mutatókat: A KPI-k még mindig a helyes történetet mondják el?
  • Az érdekeltek újbóli bevonása: Exec munkamenetek, csapatfrissítések, vállalati szintű frissítések és a visszajelzéshez szükséges hely.

Example:A 4seconds.com-on Sarah egy tömörített workshopot futtatott, hogy pontosan egy éven belül frissítse a testületet. segített a csapatnak ünnepelni a győzelmeket, frissíteni a prioritásokat és újra összpontosítani a következő fázisra.


Összekötjük a jövőképet

Miután a sikertani mutatók életben voltak, a Vision Board mindhárom rétege összeállt:

  • Present Inputs set the baseline

  • Future Vision defined what needed to change

  • Success Metrics showed if progress was being made


Mindegyik réteg egy ciklusban táplálja a többieket:

  • Metrics track movement from present → future

  • Gaps in the present inform future priorities

  • The future vision tells us which metrics matter most


Ebből az integrációból kifolyólag az ügyfelekhez ragaszkodtam, a stratégiától leválasztott mutatókat használva.Sarah ezt elkerülte azáltal, hogy áttekintette, hogy az egyes rétegek hogyan kapcsolódnak egymáshoz.


Végrehajtási lecke: A Vision Board ereje ebből az integrációból származik. Amikor egy ügyfél csak a keret egy részét hajtotta végre, elveszítette a hatékony átalakításhoz szükséges holisztikus nézetet. Segítettem Sarah-nak, hogy a három réteg együtt dolgozzon, rendszeresen felülvizsgálva a közöttük lévő kapcsolatokat.

Végrehajtási lecke: A Vision Board ereje ebből az integrációból származik. Amikor egy ügyfél csak a keret egy részét hajtotta végre, elveszítette a hatékony átalakításhoz szükséges holisztikus nézetet. Segítettem Sarah-nak, hogy a három réteg együtt dolgozzon, rendszeresen felülvizsgálva a közöttük lévő kapcsolatokat.


Láthatóvá teszi

Annak érdekében, hogy a Vision Board-t szem előtt tartsák, Sarah minden szinten hozzáférhetővé tette:

  • Digital Board in FigJam, updated regularly and shared with stakeholders

  • Exec Dashboard: One-pager with key KPIs and decisions, updated monthly

  • Team Views: Tailored summaries for departments with relevant metrics

  • Office Display: A simplified, visual tracker showing progress and celebrating wins


Example from 4seconds.com: Sarah létrehozott egy „adatátalakítási központot” az irodájában fizikai és digitális alkatrészekkel.Ez a központi referenciapont megőrizte a Vision Board láthatóságát és átláthatóságát a szervezet egész területén, megerősítve annak fontosságát a stratégiájukban.


Végrehajtási lecke: A láthatóság vezeti az elszámoltathatóságot. Egy korábbi ügyfélnél a látásdokumentumot a létrehozás után letétbe helyezték, és gyorsan elfelejtették.Azáltal, hogy a Vision Board-t több formátumban is jól láthatóvá tette, Sarah biztosította, hogy aktív útmutató maradjon a mindennapi döntésekhez, nem pedig egy elfeledett tárgy.

Implementation Lesson: A láthatóság elszámoltathatóságot eredményez.Egy korábbi ügyfélnél a látásdokumentumot a létrehozás után letették, és gyorsan elfelejtették.Azáltal, hogy a Vision Board-t több formátumban is jól láthatóvá tette, Sarah biztosította, hogy aktív útmutató maradjon a mindennapi döntésekhez, nem pedig egy elfeledett tárgy.


Különleges tippek a kkv-k számára

For smaller teams, I usually recommend simplifying:

  • Fewer, Better Metrics

    Stick to 2 org-wide KPIs (like Data ROI and Utilization) and maybe 2-3 supporting ones.

  • Simple Tracking Methods

    Manual tracking is fine. Focus on direction, not perfection.

  • Use Existing Processes

    Don’t reinvent the wheel. Add a metrics check-in to existing leadership meetings.

  • Targeted Change Management

    Focus on influencers, decision-makers, and power users, not everyone at once.


Ez a célzott megközelítés maximalizálja a hatást korlátozott erőforrásokkal.Az önkiszolgáló elemzési képességükhöz Sarah azonosított 8 „erőforrás-felhasználót” az osztályokon belül, akik sikeres átalakítás esetén a potenciális felhasználók 80% -át befolyásolnák.


Gyakorlat: A 30 perces sikermérő indítója

Célkitűzés: Indítsa el a KPI-k és elvek meghatározását az Adatökoszisztéma Vision Board számára.


Steps:

  • Identify your two most important organizational data health metrics (10 minutes)

  • For each one, define why you're measuring it and what actions you'll take based on trend changes

  • Draft 2-3 guiding principles (10 minutes)


Ez segít a szervezetnek a jobb adatkezelési döntések meghozatalában

  • Egy képesség elfogadásának tervezése (10 perc)
  • Egy kulcsfontosságú jövőbeli képesség esetében azonosítsa, hogy mi jelentene a sikert a megvalósításon túl.

A reflexiós kérdések:

  1. Melyik az 5 W-k közül (Miért, Mi, Hol, Mikor, Ki) a legnehezebb egyértelműen meghatározni?
  2. Hogyan változtathatja meg a „Business Impact First” elve a szervezet adatkezelési kezdeményezéseinek értékelését?
  3. Milyen szervezeti változásokra lenne szükség ahhoz, hogy sikeresen végrehajtsuk a Success Metrics réteget?

Következő Következő bejegyzés: What’s Coming Next

Ezzel zárul a Data Ecosystem Vision Board végrehajtási sorozatunk. A jövőbeni hírlevelekben meg fogom vizsgálni, hogyan lehetne megvalósítani a Vision Board-t éves stratégiai tervezés, kezdeményezési menedzsment és folyamatos fejlesztés révén. Köszönöm, hogy csatlakoztál hozzám ezen az úton!



Ezekkel az intézkedésekkel Sarah elkezdte átalakítani a Vision Board-t a stratégiától a valóságig – egy utazás, amely az elkövetkező hónapokban és években fog kifejlődni, mivel a 4seconds.com felépítette az üzleti céljaik támogatásához szükséges adatökoszisztémát.

Legyen az adataid szándékosan áramlanak!

hazugság


P.S. What's your biggest challenge in measuring data transformation success? Reply to this email, and I'll personally share insights from my experience working with companies like yours.


Iratkozzon fel a Substack oldalra és a hírlevélre, és segítsen átalakítani üzleti ismereteit!

Iratkozzon fel a Substack oldalra és a hírlevélre, és segítsen átalakítani üzleti ismereteit!

Itt.IttWeboldal és hírlevél,Weboldal és hírlevélátalakítás


Trending Topics

blockchaincryptocurrencyhackernoon-top-storyprogrammingsoftware-developmenttechnologystartuphackernoon-booksBitcoinbooks