不要用“数据”作为懒惰思维的借口

弄清楚您在谈论数据时真正想表达的意思。

我们很容易陷入这样一种误区：使用“数据”和其他分析术语作为含糊不清的占位符，来代表我们真正想表达的意思，就像一个杂乱的垃圾箱，里面装着一些我们尚未完全想清楚如何表述的零散信息。

“数据”对不同的受众来说意味着不同的东西。您的工程、法律和营销同事对数据的看法都不同，而且他们说的都对。为了消除这种混淆，在谈论构成您数据库的字段和行以及您为验证决策所需的信息时，要具体明确至关重要。坚持使用简单明了、精确的语言将有助于您的团队更清晰地了解您已有的信息、您想回答的问题，以及如何回答这些问题将帮助人们朝着您的目标取得进展。人们对您的新分析策略越了解，就越感兴趣，也越愿意为此做出贡献。

我们提供的指导具有一定的讽刺意味——是的，这都是关于如何在组织中进行分析的宽泛建议，您应该做得具体，但请继续关注。而且，您可能不会完全停止使用“数据”这个词，但您可以尽量避免含糊不清的企业分析术语。

创建具体的语言和共享的定义

组织中的大多数人对“数据”如何整合在一起都有一个牢固的心理模型，即使他们自己不这么认为。无论他们在销售、营销还是其他部门工作，他们都会利用这个心理模型来完成工作。将这些业务的心理模型映射到可供分析的信息是启动和运行分析的基本步骤，例如弄清楚组织如何定义“客户”，什么符合活跃客户、回头客、好客户或流失客户的标准。对于任何成长中的组织来说，从思考业务如何运作到构建验证这一故事的工具都是一项挑战，因此请尝试思考人们如何将这些心理模型转化为可以捕获和严格审查的数据点；字面意思就是，您想计算、平均还是求和什么，以及如何计算？

与跨部门合作制定这些共享定义，可以使人们对这个过程产生一定的认同感，并确保您的组织中的分析保持条理。将来，当您谈论活跃客户时，您周围的人会知道这个术语的含义，并可以使用您对这些活跃客户行为的分析来为他们的决策提供信息。

简而言之，如果人们理解您在说什么，他们就会支持您的 BI 策略。

不要依赖“数据”或其他分析术语，要清晰地表达您真正想表达的意思。

如果您发现自己谈论的是不具体的“数据”，请将其视为您可能感到困惑的信号，需要澄清您的策略。您的组织已经收集了一些信息，像“洞察”、“分析”和“数据”这样的含糊语言都与某些现实生活中的行动或意义相关联。识别您已有的信息背后的含义——您已经收集到的——是一个很好的起点。例如，“数据”可能意味着页面浏览量、交易量、合同数量、点赞数、安装数或人数。当您谈论“分析”时，要具体说明涉及的操作，例如平均值、按日期分组、过滤或比较不同的时间段。如果您知道这些含义，就使用它们！这些不明确的流行语总是指代某些东西，所以谈论那个东西。

一旦您确定了您已有的内容，在考虑您还想捕获什么（如果有的话）时，请保持这种特异性。例如：

模糊：“让我们收集更多关于我们客户试用成功的数据。”

更好：“在过去 30 天内，有多少百分比的客户在免费试用后转换为付费用户？对于那些没有转化的客户，他们是否完成了个人资料？他们是否联系了我们，我们是否在服务协议规定的时间内回复了？客户最常联系我们咨询什么问题？”

第二个例子涉及提出更多、更精确的问题，并明确您正在寻找什么新信息以及拥有这些信息将解决什么问题。这种具体性是有效讲故事的一部分，无论您是在提出或开发一个新系统、构建有用的仪表板还是呈现调查结果。您需要批判性地思考当前市场和您的业务试图解决的问题，但磨练这些技能是制定强大的商业智能策略的基础。

偏爱技术词汇而不是流行语

您不必丢弃词汇表中每一个与 BI 相关的词。诸如数据仓库、ETL 和OLAP 等短语和缩写对新人来说可能很困惑，但它们确实具有特定、行业通用的定义。这并不意味着您应该在没有解释的情况下将令人困惑的词汇充斥到全公司范围的演示文稿中，但如果您必须使用，请使用它们。如果您发现对这些词汇的某些知识对于让每个人都了解分析策略至关重要，那么为您的团队提供有关细分、度量、维度或元数据等概念的低风险培训可能会有所帮助。