为你的团队构建更好的数据文化

这是与 TJ Muehleman（Standard Co 创始人）和 Krishnan Raghupathi（Clockwise 产品经理）关于如何在组织内建立以数据为中心的文化的最佳方式的对话的节选。

讨论主题

• 为什么数据文化很重要
• 如何将数据认知从次要转变为主要
• 从“零”数据到海量数据的路径
• 如何避免被数据淹没

主要收获

• 如果您将数据放在首位，并要求人们用数据来支持他们的决策，那么数据驱动的文化将很快建立起来。
• 您可以通过遵循数据体验框架来建立数据文化。在开始考虑要收集什么数据以及如何收集数据之前，先了解您想要获得哪些问题的答案。
• 在讲述数据故事时，始终牢记您的受众。

我们的嘉宾

Krishnan： 我叫 Krishnan Raghupathi，是 Clockwise 的产品经理。我负责我们一些较新的增长计划，并且是我们数据平台的产品经理，我确保公司的每个部门都拥有使其有效的数据。

TJ： 我叫 TJ Muehleman，我是 Standard Co 的创始人兼首席执行官。我们是一个数据平台，我们主要与非洲和南亚的全球健康组织合作。我们帮助他们收集、清理和处理数据，以便我们可以将其输入 BI 平台以实际进行分析和构建仪表板。我已经构建数据系统 20 多年了。

为什么数据文化很重要

Maz (Metabase)： 好的，让我们开始讨论为什么数据文化很重要。

TJ： 我一直是一个非常以数据为中心的人，并且具有软件工程背景。但是，当您走出工程领域时，您会看到很多人对数据更加被动，这意味着他们会根据自己的直觉做出决定。这就是为什么我过去 10 年一直关注的是：我们如何实施数据文化？我们如何开始使用数据来指导我们的决策？

一个很好的例子是我们来自尼加拉瓜的客户，他们正在建造水井。他们过去常常根据别人的建议来挖水井。在许多情况下，效果很好，但他们的优化并不存在。我们帮助他们实施了一个数据驱动的框架，考虑到人口需要水的地方以及水质清洁的地方，以防止不良的水处理。

Krishnan： 我也有非常相似的经历。我以前不是一个数据人。我在微软工作期间有一个“顿悟”时刻。我们发布了一个新功能，我的一个 PM 导师将他的整个团队聚集在一个房间里 90 分钟。他要求房间里的每个人查看仪表板，并问一个能够带来关于该发布的最深刻见解的问题。在那 90 分钟里，我们获得的见解数量以及有意识的决策过程的水平，让我大开眼界。在许多这样的会议中，我们会实时深入研究数据，并提出许多见解。那是我的“顿悟”时刻，从那时起，我一直在寻找一个在团队内部实施数据驱动文化的框架。

TJ： 人们将实时数据视为某种魔力。但事实并非如此 - 您只需要对此进行深思熟虑和积极主动。当您考虑为未来几年奠定基础时，您必须提前考虑如何利用您的数据获得优势。

我认为重要的是要知道您需要拥有哪些数据，以便您可以在时机到来时开始做出决策。一个很好的例子是获取数据、暂存数据、清理数据并确保数据已准备好在 BI 工具中使用。这样，当您被问到一个具体问题时，您就有各种方法来找到答案。借助所有可用的工具，您可以在几分钟内回答复杂的问题。

Krishnan： 从战略角度来看，与数据交互通常会告知您对世界如何运作的思维模式。您消费的数据越多，您沉浸在数据中的时间越多 - 您就越能判断某件事是异常还是您需要积极主动地做出反应。

如何将数据认知从次要转变为主要

Maz (Metabase)： 我们如何将数据从“次要”真理来源转变为“主要”真理来源？

Krishnan： 产品开发领域的一件事是强调效率：如何更快地将产品交付给用户？如何在最短的时间内增加最大的价值？有助于提高这种效率的一件事是模板和流程。数据也是如此。将数据视为主要来源的标志之一是确保数据在您甚至开始产品开发过程之前就已到位。仅仅这一件简单的事情就非常强大，可以将思维模式从“我们有一些数据，我们会在某个时候使用它”转变为“数据是我们在开始开发新功能之前需要关注的主要事项”。

我发现非常有用的一件事是养成用数据支持任何想法的习惯。也就是说，如果有人提出问题 - 总是最好深入研究数据并找到答案。

TJ： 当我们与真正大型的组织合作时，我们观察到他们的数据素养在最近一段时间内不断提高。我们向他们推销数据驱动理念的方式是展示数据平台的实用性。我们首先为他们构建小型数据 MVP，并演示他们如何从中受益。三年前，这些组织非常抵制发布数据并使其更加透明。当他们开始看到他们收到的关于数据的问题减少了，以及他们的员工如何能够自助服务时 - 他们突然开始对扩大数据覆盖范围非常感兴趣。

您必须展示数据为何重要的概念。我们发现，再次通过微部署展示实用性，对于改变对数据的思维模式非常具有变革性。

Krishnan： 是的，我想补充一点，任何时候当您遇到问题并且不知道立即的答案时 - 您都应该在脑海中思考：“什么数据可以帮助我决定它？”。一旦这类问题开始自动弹出 - 它立即有助于建立数据文化。

“当有人告诉你“我不知道该怎么办”时 - 这就是您寻找可用的数据类型的机会。”

从“零”数据到海量数据的路径

Maz (Metabase)： 如何从数据的零状态转变为海量数据？

TJ： 在与如此多的组织合作之后，我们提出了一个数据体验框架。我们认为它与客户体验或用户体验类似。

它是关于从“我们需要什么数据？”这个问题退后一步到“我们有什么问题？”这个问题。所以从根本上来说，您正在寻找什么结果？如果您有 75 个问题 - 您应该尽可能简化它们，并且您可以随时从那里发展。只有这样，您才能开始考虑数据收集。

定义主要问题后要问的一些问题

• 您将如何收集数据？
• 您将使用什么工具来收集它？
• 您是从主要来源还是次要来源收集数据？
• 您需要清理数据吗？
• 您需要数据工程师吗？
• 您需要数据分析师来呈现数据吗？
• 最后但并非最不重要的一点 - 您将如何讲述故事？

这又回到了用户体验和客户体验的概念。这完全是关于讲故事，即使在全球健康领域也是如此。您必须在叙述和可视化方面都具有吸引力，以帮助人们快速理解正在发生的事情并且值得他们关注。

Krishnan： 这是一个很棒的框架，我只是想将我的经验添加到您的框架中，因为我看到这个完全相同的过程上演了很多次。

一切都始于目标。如果您在执行团队中，您正在尝试弄清楚基本问题，例如我的客户来自哪里，我的收入看起来如何，我的客户流失率看起来如何，这些都是您想要回答的基本问题。对于销售团队来说，这可能是：我们的潜在客户是谁？谁对我们的产品最感兴趣？我在哪里销售最有效？对于营销而言，哪些渠道更有效？对于客户成功，谁在使用该产品？

无论哪个部门，他们的脑海中都有一些高级别的迫切问题。因此，首先重要的是将它们写在纸上。然后了解您想要推动的目标和结果，然后拥有您需要回答的原始数据。这是从“0”状态转移到“10%”的良好起点。

接下来经常出现的问题是数据素养。例如，有一个仪表板告诉您一些信息 - 但您将如何处理它？您将如何切片和切块这些信息以获得更有用的见解？这需要一些数据分析专业知识来弄清楚您将如何构建指标、如何汇总和分组等等。

一旦您达到这一点，最后一部分就是讲故事 - 而这是我见过的最薄弱的部分。因此，在某个时候，您最终会拥有大量数据，然后突然您无法将它们放在一起讲述故事。

TJ： 我们非常擅长讲故事，因为在某个时候我们将主要重点放在简单性上。很多时候我看到仪表板很难阅读 - 那是因为它们是为科学受众而不是更广泛的受众构建的。您应该始终问自己：谁在消费数据？我有一个简单的测试，我称之为“妈妈测试”：我可以向我妈妈展示仪表板并确保她理解吗？当然，如果我是为科学家或统计学家构建东西 - 我可以变得更复杂。这始终是关于了解您的受众。

如何避免被数据淹没

Krishnan： 我能想到的最好的类比是去机场。当您进入机场时，您会感到迷茫：人们朝各个方向奔跑，周围都是不同的标志。如果您没有严格的护栏流程，您需要先办理登机手续，然后托运行李，然后进行安检，到达您的登机口 - 您很容易迷路。

当您拥有太多数据时，情况也是如此。您需要一些关于首先在哪里寻找的指导。这可以是一组经过高度策划和清理的仪表板，您可以在其中获得 80% 的问题答案。从那里您可以更深入地了解特定问题。

如果在某个时候您遇到瓶颈，无法回答问题 - 这要么是数据中的差距，要么是您知识中的差距。如果数据中存在差距，您可以将该请求转交给数据团队。如果这是您知识上的差距，您需要查看是否有培训或资源可以帮助您找出下一步。

因此，当您遇到数据问题时，第一步是“您知道在哪里找到答案吗？” 如果答案是否定的 - 那么您需要去整理您的数据。

TJ: 我想补充一点，有时您根本不需要拥有所有数据。我们有一个客户，他们会发送给我们一个包含 400 列的文件。当我问他们是否使用所有列时 - 结果证明他们只使用 6 列。拥有数据管理人员非常重要。Metabase 在已验证的集合方面做得非常出色。它告诉我们，这个特定的集合已经过批准，包含真实数据，而其他集合可能是实验性的，不一定可靠。这确实有助于引导最终数据消费者找到他们可以依赖的数据。