不要用“数据”作为懒惰思考的拐杖
弄清楚在谈论数据时您真正想表达的意思。
很容易陷入使用“数据”和其他分析术语作为模糊占位符的陷阱，就像一个杂乱无章的信息垃圾场，您还没有弄清楚如何清晰地表达这些信息。
“数据”对不同受众有不同的含义。您的工程师、法律和市场营销同事对数据的理解都不同，他们都是正确的。为了消除这种混乱，在谈论构成您的数据库的字段和行以及您需要验证决策的信息时，必须具体。坚持使用简单、精确的语言将帮助您的团队更清楚地了解您已经拥有的信息，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步。人们越了解您的新分析策略，他们对它的兴趣就越大，他们就越愿意为之做出贡献。
我们提供的指导有一定的讽刺意味——是的，这些建议都是关于您在确定如何使组织中的分析工作具体化的广泛建议，但请继续阅读。不，您可能不会完全停止使用“数据”这个词，但您可以在可能的情况下尽量避免模糊的分析企业语言。
创建具体的语言和共享的定义
大多数人在您的组织中都有一套关于“数据”如何相互关联的强大心智模型，即使他们自己可能并不这么认为。无论他们是在销售、市场营销还是其他部门工作，他们都会在执行工作时调用这个心智模型。将这些业务心智模型映射到您可以分析的信息上，是启动分析工作的基本步骤。例如，确定组织如何定义“客户”，哪些客户算作活跃客户、回头客、优质客户或流失客户。从思考业务运作方式到构建验证这一故事的工具，这对任何成长中的组织都是一个挑战，因此，尝试思考人们如何将这些心智模型转化为可捕捉和审查的数据点；换句话说，您真正想计数、平均或汇总的是什么，以及如何进行呢？
跨部门合作制定这些共享定义，让人们对这个过程有所参与，并确保您组织的分析工作保持有序。将来当您谈论活跃客户时，周围的人将知道这个术语的含义，并可以利用您对活跃客户行为的分析来指导他们的决策。
简单来说，如果人们理解您在说什么，他们就会支持您的BI战略。
不要依赖于“数据”或其他分析术语，清楚地表达您的真正意图。
如果您发现自己正在谈论不具体的“数据”，那么这是一个信号，表明您可能感到困惑，需要澄清您的策略。您的组织已经收集了一些类型的信息，而诸如“洞察力”、“分析”和“数据”等模糊的语言都与一些现实生活中的行动或含义相关联。确定您已有信息背后的含义——您已经收集的信息——是一个良好的起点。例如，“数据”可能指页面浏览量、交易、合同、点赞、安装或人。当您谈论“分析”时，要具体说明涉及的运算，如平均、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，请使用它们！这些不明确的术语始终指的是某个事物，所以请谈谈那个事物。
一旦您确定了您已经拥有的内容，在思考您还想捕捉什么内容时，保持这种具体性。以下是一个例子
模糊：“让我们收集更多关于客户试用成功的数据。”
更好：“在过去的30天里，有多少比例开始免费试用的客户最终付费使用我们的服务？对于那些没有付费的客户，他们是否完成了他们的个人资料？他们是否联系我们，并且我们是否在服务协议中规定的时间内做出回应？客户最多联系我们关于哪些问题？”
第二个例子涉及提出更多精确的问题，并准确地指出了您正在寻找的新信息以及拥有这些信息将解决的问题。这种具体性是有效叙事的一部分，无论是您在提出或开发一个新系统、构建有用的仪表板还是展示发现。您需要批判性地思考当前市场以及您的业务试图解决的问题，但提高这些技能是制定强大商业智能战略的基础。
优先使用技术词汇而非流行语
您不需要丢弃您词汇表中与BI相关的每个词。诸如数据仓库、ETL和OLAP之类的短语和缩写对新来者可能有些令人困惑，但它们确实有特定的、行业范围内的定义。这并不意味着您应该在未经解释的情况下，在公司范围内的演示文稿中随意使用这些令人困惑的词汇，但如果有必要，请使用它们。如果您发现，对这些词汇的了解对于使每个人都同意分析策略至关重要，那么提供关于细分、度量、维度或元数据等概念的低风险培训可能对您的团队有所帮助。
下一步：初创公司常见的数据模型错误
数据建模很困难。以下是一些在开发模型时应避免的错误。