发帖
雷达卡
Optoro 的使命是通过消除退货商品中的所有浪费来使零售更具可持续性。他们通过提供一个软件平台来做到这一点，该平台使用机器学习和数据驱动的决策来帮助零售商找到退货商品的最佳用途。
Lam 从 Optoro 开始担任轮岗助理，在每个或四个部门工作六个月：客户成功、可持续发展、数据和业务运营。在这两年的时间里，她对整个组织中不同部门的工作、每个部门对数据的看法、他们的优先事项以及他们的痛点有了深入的了解。她发现三个条件导致 Optoro 的商业智能问题：对数据的恐惧、对词汇和指标的不一致使用以及对数据的不信任。
数据混乱
他们致力于民主化数据管理，一种将数据交给最接近问题的人的做法，让他们自己解决问题。由此产生的期望是，人们将使用数据来做出决策，他们将用数据支持他们的论点，并且他们将通过数据监控其产品的成功。“它让我们变得敏捷，让我们更快，这也意味着他们能够为需要它的人得出他们需要的洞察力。” 这个过程在理论上可行，但在实践中，Lam 说，它不适用于 Optoro，因为用户害怕使用他们可以访问的数据。“如果用户害怕数据，他们就不会用它来做出决定”，从而导致数据驱动的洞察力减少。
用户使用数据感到不舒服的原因是正确的。词汇和命名约定不一致，也没有得到普遍认可。林分享莎士比亚的名言：
“‘名字里有什么？我们称之为玫瑰的东西，用任何其他名字都会闻起来很香，'”反驳说：“我今天在这里告诉你：这完全是错误的。我们不能用数据做到这一点。”
她谈到了一次会议，电子商务副总裁报告了 150 万美元的收入，比目标高出 0.15%，值得庆祝。在同一次会议上，销售副总裁报告了 100 万美元的收入，低于目标 35 万美元，令人担忧。这两个结果大概是基于相同的数字。
具有不同基础计算的类似指标通常也有不同的基准。如果没有一致的基线，就无法清楚地了解性能。沟通时间更长，会议效率低下。由于过时的数据和对相同数据的不同解释导致的其他不一致导致对 Optoro 的数据缺乏信心。“即使人们对使用数据充满信心，并且他们使用的是正确的数据，如果他们不信任它，他们也不会使用它。”
建立团队：建立信任
她作为轮岗助理在多个部门建立的信誉使她能够研究整个组织的现有指标并质疑其背后的逻辑：
“这是我们组织迈出的一大步，因为我们拥有这些指标已经三四年了，而且它们都被认为是正确的。”
随着她对 Optoro 指标的深入研究，她发现了逻辑上的缺陷，以及测量以不同方式解释的领域。她受到信任，因为她一直是业务方面不可或缺的一部分，并且了解业务用户对其数据的挫败感。她认为这种信任是她成功的关键因素。
建立团队：展示价值
她从她想要解决的三个首要问题开始，然后倒退到可以解决这些问题的行动上。林需要确保她的提议，其中包括长期治理流程，在 Optoro 快节奏的环境中，价值实现时间短的项目最受关注。
“我必须展示短期和长期数据治理与业务价值之间的联系。” 她说，直接展示收益是什么——例如改善沟通和使团队能够实现目标，因为他们正在衡量正确的事情——对于推销这份工作非常重要。
建立团队：获得支持
Lam 在多个部门的现有信誉也有助于她与利益相关者的对话。她能够专注于对业务的好处，同时向用户明确表示他们仍然有权访问和使用数据，但围绕数据会有足够的结构，以便衡量指标更加准确并且值得信赖。
建立团队：寻找灵活性和监督
Optoro 对民主化分析模型的承诺允许许多用户从多个点快速访问数据。然而，这种模式的灵活性也有其缺点。在 Optoro 的案例中，当做出不正确的假设时，它会导致出现多个版本的事实，并且随着越来越多的用户建立在这些不正确的假设之上，数据不再被信任。
Lam 将他们当前的模型与其他两种模型进行对比：集中式分析和联合分析。集中分析是一种让一个部门回答所有数据请求的做法，但她认为这并不合适。“那是太多的治理，太多的时间。” 他们想要一个既能保持灵活性，又能受到强有力监督的模型。“因此，我们选择了联合分析：让多个数据代表共同负责执行数据治理的实践。”
组建团队：实施
Optoro 的九个部门中的每个部门都指定了一名代表，该代表成为用户可以寻求答案的人。代表们每月开会讨论数据问题和最佳实践：
“个人仍然可以访问数据。他们仍然被授权并且可以快速获得答案，但代表负责确保他们以正确的方式使用数据。”
因为代表是用户自己团队的成员，所以他们了解用户问题的上下文，并且能够提供比中央机构更好的答案。
创建单一的真相来源
Lam 创建单一事实来源的计划包含三个组成部分：整合数据集、将数据推送到上游和通用仪表板。她的团队努力将库存和销售数据结合起来，以便在无需手动连接的情况下对其进行分析，并且所有分析字段都可以在两组中使用：
“这种数据集的整合使分析师能够更轻松地了解他们的数据去向，因为它更加集中。”
他们创建单一事实来源的另一种方法是，通过将他们的计算放入 BI 或ETL 层，而不是在他们自己的工作簿或源代码中。
实施通用仪表板需要改变假设和习惯，但提供了可以从各种不同角度使用的统一、一致的数据：
“说服人们摆脱现有的仪表板真的很困难，因为人们有办法查看他们的指标，并且有一组他们已经做出的假设，他们不想改变，”但这个过程“确实解决了我们的词汇和指标使用不一致的问题。”
数据教育计划：新员工
进入该组织的新分析师必须通过强制性家庭作业的四个小时培训课程，“在他们有机会养成任何新的坏习惯之前。” 培训教他们如何使用该工具，但更重要的是，他们了解了 Optoro 的数据、数据模型和最佳实践。Lam 强调，更重要的是他们知道何时提出问题，而不是猜测和假设数据的含义。
数据教育计划：现有分析师
Lam 制定了一个全面的沟通流程，以便 BI 团队一旦知道任何变化或问题，就可以将其传达给利益相关者。新的开发或发布伴随着发布说明，并且中断或问题得到了快速和广泛的沟通。她说：“这真的让人们觉得我们在照顾他们，而且我们在问题上处于领先地位。” 以前，一个小问题会导致对整个数据集的不信任，但这种全面的沟通过程让用户相信他们可以将数据问题提交给 BI 团队并得到解决。
数据教育计划：解释关键的公司指标
她说，教育过程的一部分还向“任何愿意倾听的人”解释关键的公司指标，因为公司中的每个人，无论他们担任什么职位，都有责任实现公司的目标。他们邀请所有人参加午餐时间的演示，其中包括对其指标的高级推理以及更技术性、更详细的解释。更高层次的解释是针对利益相关者的，更详细的信息是针对分析师的，但对所有听众的总体影响是说明 BI 团队做出的假设和计算已经考虑了很多。
这有一个额外的好处，那就是限制了过去已经完成的指标的“创造性”使用，因此用户不能“只是编造一些事情，因为如果他们这样做了，他们也必须经历所有的思考过程我们做到了。”
数据教育计划：提高数据团队的知名度
以前，数据问题是通过一个临时系统使用电子邮件、Slack 和随机面对面交流等各种渠道来解决的。他们决定简化流程并使流程正规化，以便以与技术工单相同的方式处理数据问题。“我们要求人们填写数据票，就像他们看到数据有问题时填写票一样光转，我们的软件。” 这为用户提供了一种询问数据、请求更改或解决问题的标准方式，并允许用户跟踪提交的问题和请求的进度。
票务系统是改变用户对该程序价值的看法的重要组成部分，并显示出“这些数据与软件一样重要”的领导力。通过将自己定位在公司的软件团队旁边，BI 团队能够让领导相信，专用于 BI 的资源对于公司的成功同样重要。
数据教育计划：保持办公时间
Lam 实施每周以主题为中心的办公时间进行讨论或演示，主题由组织中的某个人选择。“这件事的妙处在于它让人们议论纷纷。它让人们在同一个房间里谈论数据。” 当她鼓励人们到她的办公室提问时，她还每天指定一到两次时间。因为这些办公时间是非正式的并且每天都在发生，所以人们知道他们有时间专门处理他们的问题，他们是优先事项，而且他们不会打扰 Lam 的工作。“我怎么强调都不过分。”
他们现在在哪里？
Lam 表示，自 BI 团队成立以来的 18 个月里，数据文化发生了显着变化。“你不能告诉人们改变他们的文化。它必须是有机的。” 而且它有：由于这种转变，她很快将进行为期一个月的培训，这次是与产品分析师一起，随着项目扩展到一个新领域，向他们灌输良好的数据实践。
相关帖子DA内容精选
|
京公网安备 11010802022788号
