Post by yamancnp123 on Mar 19, 2024 1:24:14 GMT -5
并且对分析的需求不断增长。这是我们面临的与数据相关的领导力挑战的主要驱动力。希望我在这三年中学到的经验教训可以帮助其他团队避免或至少快速解决同样的问题。数据报告会议对您不起作用的原因 与数据相关的挑战可能会突然出现并导致您的领导会议在任何时候脱轨，即使您已经投资了现代数据堆栈（公司所采用的技术和工具套件）用于收集、处理、存储和传播数据）。根据我的经验，领导会议失败有四个与数据相关的主要原因。每一项都根据公司是否投资了现代数据堆栈进行分类。 1. 数据堆栈前期投资：意大利面条堆栈问题 在这种情况下，每个团队都从孤立的系统和 SaaS 工具中提取数据。这种不匹配的数据基础设施非常类似于一团乱七八糟的意大利面条，这是初创公司和高增长公司在投资现代数据堆栈之前所处的默认状态。当我第一次加入那个房地产平台时，我是一个 BizOps 团队的一员。我继承了一台 Rube Goldberg 机器，其中包含从 Salesforce 和 HubSpot 等 SaaS 工具导出的电子表格和 CSV。
每周，我都会手动汇总每个来源的数据，并向领导团队的其他成员报告我的发现。我经常在周一早上 4 点起床，以便在每周的领导会议之前完成这项工作。这并不有趣，也不理想——它充满了错误，耗时，并且毁掉了许多周日和周一早上，因为我忙着寻找每周业务回顾（这就是我们所说的每周领导力）所需的数据。会议）。我们需要清理我们的意大利面条，这意味着我们需要投资一个现代数据堆栈，其中包括： 一个数据仓库，用于存储我们最重 巴西电话号码列表 要的数据 一个数据摄取工具，用于将数据移动到我们的数据仓库 一个数据转换和编排工具，用于定义并对我们的关键指标进行建模 用于可视化数据的数据分析和商业智能 (BI) 工具 有一系列令人眼花缭乱的技术可用于为您的现代数据堆栈提供支持，但没有一种万能的工具套件。话虽这么说，这些是我最常推荐的产品： 数据仓库：Snowflake、Amazon Redshift 或 Google BigQuery 数据摄取：Fivetran 或 Airbyte 转换和编排：dbt 和 Apache Airflow 数据分析和 BI：Google Data Studio（这是一个成本可能很快失控的区域，这就是为什么我建议开始使用这个免费工具；如果需要，您可以随时升级）当您将其放在这样的简单列表中时，它看起来很简单，但这是一个广泛的内容跨职能项目。
现代数据堆栈也没有解决我所有与数据相关的每周领导会议问题。 2. 后数据堆栈投资：老狗，新花招问题即使拥有集中数据和指标的强大现代数据堆栈，对数据的信任对于许多公司来说仍然是一个大问题。由于业务团队并不总是信任仓库数据，因此他们继续直接从源系统（例如 Google Analytics、Salesforce 或生产数据库）提取数据。从那里，他们报告自己的指标。有时，教老狗新技巧是很困难的。这就是我在房地产初创公司遇到的情况。随着我在公司角色的演变，我和我的团队负责确定和衡量我们的目标和 OKR（目标和关键结果）。在许多情况下，我们还拥有旨在推动这些关键指标的特定跨职能项目。虽然我们已经实施了集中式数据基础设施并采用了 BI 工具，但一些团队领导仍然高度怀疑。他们继续直接从 SaaS 工具和我们的生产数据库中提取指标，其中的数据尚未经过清理和标准化。混乱随之而来。指标也出现了异常，并显示出不同的结果。我们再次面临意大利面条堆的问题，每周的领导会议仍然充满压力且效率低下。
每周，我都会手动汇总每个来源的数据，并向领导团队的其他成员报告我的发现。我经常在周一早上 4 点起床，以便在每周的领导会议之前完成这项工作。这并不有趣，也不理想——它充满了错误，耗时，并且毁掉了许多周日和周一早上，因为我忙着寻找每周业务回顾（这就是我们所说的每周领导力）所需的数据。会议）。我们需要清理我们的意大利面条，这意味着我们需要投资一个现代数据堆栈，其中包括： 一个数据仓库，用于存储我们最重 巴西电话号码列表 要的数据 一个数据摄取工具，用于将数据移动到我们的数据仓库 一个数据转换和编排工具，用于定义并对我们的关键指标进行建模 用于可视化数据的数据分析和商业智能 (BI) 工具 有一系列令人眼花缭乱的技术可用于为您的现代数据堆栈提供支持，但没有一种万能的工具套件。话虽这么说，这些是我最常推荐的产品： 数据仓库：Snowflake、Amazon Redshift 或 Google BigQuery 数据摄取：Fivetran 或 Airbyte 转换和编排：dbt 和 Apache Airflow 数据分析和 BI：Google Data Studio（这是一个成本可能很快失控的区域，这就是为什么我建议开始使用这个免费工具；如果需要，您可以随时升级）当您将其放在这样的简单列表中时，它看起来很简单，但这是一个广泛的内容跨职能项目。
现代数据堆栈也没有解决我所有与数据相关的每周领导会议问题。 2. 后数据堆栈投资：老狗，新花招问题即使拥有集中数据和指标的强大现代数据堆栈，对数据的信任对于许多公司来说仍然是一个大问题。由于业务团队并不总是信任仓库数据，因此他们继续直接从源系统（例如 Google Analytics、Salesforce 或生产数据库）提取数据。从那里，他们报告自己的指标。有时，教老狗新技巧是很困难的。这就是我在房地产初创公司遇到的情况。随着我在公司角色的演变，我和我的团队负责确定和衡量我们的目标和 OKR（目标和关键结果）。在许多情况下，我们还拥有旨在推动这些关键指标的特定跨职能项目。虽然我们已经实施了集中式数据基础设施并采用了 BI 工具，但一些团队领导仍然高度怀疑。他们继续直接从 SaaS 工具和我们的生产数据库中提取指标，其中的数据尚未经过清理和标准化。混乱随之而来。指标也出现了异常，并显示出不同的结果。我们再次面临意大利面条堆的问题，每周的领导会议仍然充满压力且效率低下。