Dlaczego zwiększanie dojrzałości danych uwolni Twój cyfrowy potencjał

Nie można zaprzeczyć, że marki, które wykorzystują i inwestują w możliwości z danymi, będą tymi, które zmaksymalizują swój pełny potencjał dochodowy. Jednak podczas gdy dzisiejsi marketerzy mają na wyciągnięcie ręki bogactwo danych, wiedza, jakich danych użyć i jak ich używać, to dwa największe wyzwania ze wszystkich.

W tym artykule dzielimy się ramami strategicznymi, które pomagają firmom określić, na jakim etapie są ich podróż do dojrzałości danych, a także jak zwiększyć ich możliwości w zakresie danych i umiejętność czytania, aby stymulować innowacje i wzrost.

Cyfryzacja gospodarki doprowadziła do eksplozji tworzenia danych. W ciągu ostatnich dziesięciu lat świat zmienił się z 6,2 zetabajtów w 2012 roku do około 97 zetabajtów w 2022 roku.

Szansa na tak dramatyczny wzrost ilości danych nie jest stracona dla kierowników firm z różnych branż, z których wielu starało się wykorzystać dane do jak największej analizy swoich klientów. Wydatki na rozwiązania do analizy Big Data wyniosą w tym roku na całym świecie 215,7 mld USD.

Jednak korzystanie z danych w firmach jest niespójnym doświadczeniem. Niektóre firmy mądrze zainwestowały w rozwój swojej dojrzałości danych.

Z niewielkim wyprzedzeniem mogą elastycznie obracać się, aby zmaksymalizować możliwości uzyskania przychodów w nieprzewidywalnym środowisku gospodarczym. Inni doświadczają cyklu malejących zwrotów, gdy próbują powtórzyć wcześniejsze sukcesy z mieszanymi rezultatami.

Dojrzałość danych w marketingu

Marketerzy, którzy są biegli w wykorzystywaniu zaawansowanych danych i technik analitycznych do osiągania krytycznych celów, są, co zrozumiałe, bardzo poszukiwani.

W przeciwieństwie do marketerów w firmach o niskiej dojrzałości danych, marketerzy z zaawansowaną dojrzałością danych i umiejętnością czytania i pisania wiedzą, jak przekształcać dane w krytyczne aktywa biznesowe. Zarządzają jego zastosowaniem i wpływem na cele biznesowe, wykorzystując dane do uzyskania znaczących przewag konkurencyjnych.

Ale co dokładnie rozumiemy przez dojrzałość danych? W tym artykule omawiamy naszą definicję dojrzałości danych, dzielimy się niektórymi zdobytymi doświadczeniami i przedstawiamy proste ramy, które marketerzy mogą wykorzystać do porównania własnego poziomu dojrzałości danych.

Co to jest dojrzałość danych?

Dojrzałość danych odnosi się do ewolucji możliwości firmy w zakresie danych. Choć na pierwszy rzut oka może się to wydawać kontrowersyjne, być może sugerowanie, że mniej rozwinięte firmy są w jakiś sposób „niedojrzałe”, w praktyce tak nie jest.

Termin dojrzałość danych ma bardzo specyficzne znaczenie kontekstowe. Nacisk kładziony jest na rozwój, z uznaniem, że każda firma zaczyna w innym miejscu i wymaga konkretnych działań, aby się rozwijać.

Dlaczego dojrzałość danych jest ważna?

Zrozumienie dojrzałości danych Twojej organizacji jest ważne z pięciu ważnych powodów. Docenienie dojrzałości danych może pomóc marketerom w:

• Dopasuj: Zrozum, jakie problemy i wyzwania próbuje rozwiązać szersza firma i dostosuj strategie, aby wspierać cele.
• Doceń: Beznamiętnie analizuj, w czym firma jest dziś dobra i gdzie należy wprowadzić ulepszenia, aby podejmować lepsze decyzje dotyczące danych.
• Oceń: porównaj poziomy umiejętności korzystania z danych, stosując szkolenia i zasoby podnoszące kwalifikacje, aby zapewnić wprowadzenie otwartego środowiska uczenia się wspierającego innowacyjne myślenie.
• Przewiduj: czekaj na ekscytujące zaawansowane możliwości analityczne w miarę dojrzewania możliwości biznesowych w zakresie danych.
• Kalibracja: zoptymalizuj technologię i infrastrukturę, aby nie tylko wydobyć maksymalną wartość już teraz, ale także dokładnie zaplanować zasoby, których mogą potrzebować w przyszłości.

Jak wspomnieliśmy wcześniej, niektórym organizacjom udało się osiągnąć równowagę i przyspieszyć swoje możliwości daleko przed konkurencją. Przyjrzyjmy się najlepszym przykładom tego, jak zaawansowana dojrzałość danych postawiła kilka firm na czele pozostałych.

Monzo

Założona w 2015 roku firma Monzo w imponującym stopniu potraktowała współpracę wewnętrzną. Bank Challenger wybrał strukturę, w której nie ma wewnętrznie tradycyjnych zespołów BI (Business Intelligence). Zamiast tego analitycy danych mogą autonomicznie przeprowadzać kompleksowe przepływy pracy analitycznej.

Monzo zachęca zespoły do ​​opracowywania modeli danych, które przynoszą korzyści całej firmie. Pomimo niezwykle konkurencyjnego rynku fintech, Monzo nadal umacnia swoją reputację jako siła rynkowa w bankowości detalicznej. W 2020 r. Monzo został wyceniony na 4,5 mld USD (USD) i jest trzecim najcenniejszym neobankiem w Europie.

Asos

Sektor detaliczny borykał się z problemami w ciągu ostatnich dwóch dekad, odkąd prymat Amazona obalił tradycyjny handel detaliczny.

ASOS to jedna z marek modowych, która z powodzeniem przełamała ten trend. Gigant szybkiej mody w dużej mierze przypisuje swój sukces swojej strategii danych, w szczególności testując hipotezy w miniaturze, aby udowodnić ich wartość przed zwiększeniem skali.

Firma przeprowadziła badania wyników marki obok eksperymentów geograficznych na różnych rynkach. Wykorzystał zebrane dane wywiadowcze, aby określić swoją strategię w 2020 roku, gdy pandemia zaczęła gryźć. W 2021 r. marka była warta 1,3 mld USD, zwiększając swoją wartość w niespotykanym dotąd dla światowej gospodarki czasie.

Netflix

Algorytmy rekomendacji Netflixa generują sugerowane treści, w dynamiczny sposób polecając tytuły widzom. Każdy z nich ma inną kategorię (zwykle gatunek lub motyw), przy czym tytuł, który najprawdopodobniej pasuje do zainteresowań użytkownika, znajduje się na pierwszym miejscu.

Rekomendacje są generowane automatycznie i porządkowane na podstawie wielu czynników, w tym historii oglądania, długości oglądanych tytułów, aktualnie używanego urządzenia i innych. Firma przechwytuje dane, które sugestie zostały pominięte przez użytkownika i jakie tytuły pominął widz.

Najnowocześniejsze algorytmy rekomendacji pomagają zwiększyć ilość czasu, jaki użytkownicy spędzają w swoich aplikacjach. W gospodarce uwagi Netflix nadal dominuje tam, gdzie jego konkurenci regularnie walczą, ciesząc się 34% wszystkich minut transmisji strumieniowych w USA, w porównaniu z 8% w przypadku Amazon Prime i zaledwie 4% w przypadku Disney Plus.

Babilon

Babilon przyjął przezroczystość ze świetnym skutkiem. Zamiast trzymać swoje ustalenia całkowicie poufne za zamkniętymi drzwiami w firmie, Babylon oferuje dzielenie się tym, co platforma wie o swoich użytkownikach.

Firma deklaruje, że jej celem jest pozostanie na pierwszym miejscu, zapewniając zasoby danych dla klientów, aby zapewnić trwałą lojalność wśród swoich użytkowników.

Powyższe przykłady reprezentują jedne z najlepszych w swojej klasie zastosowań zaawansowanej dojrzałości danych. Należy jednak pamiętać, że organizacje nie pojawiają się znikąd z zaawansowaną dojrzałością danych. Są kroki, które możesz podjąć, aby się rozwijać.

W wieku dwudziestu sześciu lat nasza praca ze starszymi marketerami i dyrektorami ds. marketingu doprowadziła nas do opracowania modelu LEAP: prostej krzywej dojrzałości danych z trzema krokami i etapami.

Aby zrozumieć ramy LEAP, należy najpierw docenić kluczową rolę struktur wewnętrznych w definiowaniu dojrzałości danych.

Dojrzałość danych w strukturach wewnętrznych: wprowadzenie do krzywej dojrzałości danych Leap

Struktury wewnętrzne są splecione z poziomem dojrzałości danych, ponieważ mogą w różnym stopniu tworzyć niewidzialne bariery lub umożliwiać współpracę międzybranżową. Na podstawie naszej pracy w różnych sektorach biznesowych podzieliliśmy struktury wewnętrzne na trzy kategorie w odniesieniu do dojrzałości danych.

1. Wyciszony

Firmy na początku swojej podróży do dojrzałości danych prawdopodobnie będą miały wewnętrzne struktury, które działają niezależnie. W szczególności marketing będzie prawdopodobnie funkcjonował jako oddzielna funkcja od reszty biznesu. Brak integracji powoduje, że działy pracują w silosach. Informacje nie są tak szeroko udostępniane ani dostępne w zespołach.

W konsekwencji KPI i cele mają dość podstawowy i ogólny charakter, ponieważ zespoły mogą pracować tylko z tym, do czego mają dostęp lub nad czym mają kontrolę. Skuteczność marketingowa będzie opierać się przede wszystkim na wskaźnikach KPI, takich jak konwersja na miejscu, być może w poszczególnych kanałach.

Marketing nie może przypisywać konwersji do sprzedaży klientom offline, ponieważ te dane nie są dla nich łatwo dostępne i znajdują się w zespołach sprzedaży. Podobnie zespół sprzedaży może nie mieć wglądu w to, które kampanie marketingowe przyniosły wysokiej jakości leady.

Cele są zazwyczaj skoncentrowane na wypełnieniu lejka, działania są reaktywne, a przede wszystkim kładzie się nacisk na efektywność kosztową.

Status: ograniczony, odizolowany i reaktywny, skoncentrowany na efektywności kosztowej i konwersji.

2. Zsynchronizowane

Zsynchronizowane zespoły współpracują ze sobą w różnych działach i funkcjach, aby osiągnąć wspólne, wspólne cele biznesowe. Używane platformy zostały zintegrowane w celu szybkiego rozpowszechniania wspólnych doświadczeń. Zarządzanie danymi jest ustanowione i regularnie weryfikowane, a standardy etyczne i zgodności są wbudowane w wykorzystanie danych w całej firmie.

Zsynchronizowane zespoły są bardziej aktywne, lepiej zorganizowane w różnych działach oraz cenią sobie produktywność i współpracę. Dane zaczynają być stosowane i doceniane jako aktywa przedsiębiorstwa.

Status: Zorganizowany i zsynchronizowany, z głównym priorytetem produktywności. Ceniona i szanowana jest ogólnofirmowa dostępność wglądu w dane.

3. Inteligentny

Na tym najbardziej zaawansowanym etapie dojrzałości danych zespoły są wysoce zintegrowane, a wykorzystanie spójnych danych wysokiej jakości jest głęboko zakorzenione we wszystkich działach. Szybkie eksperymentowanie, ciągłe doskonalenie i współtworzenie są szybkie, a inteligencja jest regularnie udostępniana między zespołami.

W szczególności zespoły danych są wysoko wykwalifikowane, zdolne do tworzenia i wdrażania użytecznych modeli uczenia maszynowego, które są wykorzystywane do generowania dokładniejszych informacji i rozwiązywania istotnych problemów biznesowych.

Kampanie marketingowe są wdrażane etycznie i inteligentnie. Platformy są ujednolicone, a wydajność jest rozumiana z wielu punktów styku na ścieżce konsumenta.

Na najbardziej zaawansowanym etapie dojrzałości danych ceniona jest szybkość i innowacyjność.

Status: Zoptymalizowany pod kątem maksymalnej przewagi konkurencyjnej i informacji o klientach.

3 przykłady możliwości z różnymi poziomami dojrzałości danych

Ramy LEAP to użyteczny sposób na zrozumienie możliwości firm na każdym strukturalnym etapie dojrzałości danych. Każdy krok koncentruje się na przejściu do następnego poziomu dojrzałości danych i na tym, co marketerzy muszą zrobić, aby wspierać swoje zespoły w rozwoju.

Etap 1: Nauka i aktywizacja

Na najwcześniejszym etapie dojrzałości danych marketerzy powinni spodziewać się:

• Szkolenie z podstawowych analiz i umiejętności korzystania z danych
• Powszechne stosowanie podstawowych narzędzi analitycznych, takich jak Google Analytics
• Dokładne śledzenie podstawowych wskaźników KPI, takich jak konwersje
• Standardy dokładności i zgodności danych.

Etap 2: Aplikuj

Na kolejnym etapie dojrzałości danych marketerzy powinni spodziewać się wdrożenia:

• Modele atrybucji oparte na danych, które nabiorą większego znaczenia
• Analityka po stronie serwera z wewnętrznymi samoobsługowymi pulpitami nawigacyjnymi zapewniającymi dostęp do informacji
• Działania marketingowe obejmujące optymalizację konwersji, ze zwiększeniem wydajności i personalizacją w miksie
• Punktacja intencji, modelowanie RFM i analiza LTV w celu głębszego zrozumienia rzeczywistych kohort klientów.

Etap 3: Przewidywanie

Wreszcie, na najbardziej zaawansowanym etapie dojrzałości danych, firmy powinny spodziewać się, że będą w stanie pewnie stosować analizy predykcyjne z zasobów danych do zasilania:

• Ujednolicona integracja offline i online
• Widok pojedynczego klienta i dopasowanie rozmyte
• Obsługa chmury, przesyłanie strumieniowe danych o zdarzeniach i gotowość w czasie rzeczywistym
• Infrastruktura gotowa na Big Data
• Włączenie automatyzacji
• Eksploracja wzorców i analiza sentymentów.

Na tym etapie firma powinna być przygotowana do uczenia maszynowego i mieć zawsze dostępne programy do testowania i uczenia się. Zespoły marketingowe mogą szybko wykorzystać przejrzystość stale optymalizowanych modeli atrybucji opartych na danych.

Przewidują potrzeby i bolączki klientów, wykorzystując takie metody, jak modelowanie skłonności, pozyskując większe zaangażowanie aktywnych użytkowników dzięki wdrożonym systemom rekomendacji.

Wyrwanie się z silosowej struktury zależy od skoordynowanego wysiłku między zainteresowanymi stronami. Jak więc marketerzy mogą zebrać odpowiednie zespoły, aby zwiększyć dojrzałość danych?

Jak zebrać odpowiedni zespół, aby zwiększyć dojrzałość danych

Dojrzałość danych dotyczy całej firmy. Jest to wysiłek obejmujący całą organizację, który wykracza poza priorytety jednego zespołu sprzedaży lub marketingu.

W związku z tym ważne jest, aby zebrać razem różne wewnętrzne osoby mające wpływ, aby określić, w jaki sposób zmiany w strategii danych mogą pomóc wszystkim osiągnąć te same cele. Skład interesariuszy jest unikalny dla każdej firmy, więc będzie zależeć od priorytetów Twojej indywidualnej działalności.

Zespołom wewnętrznym może być trudno wyrwać się z ugruntowanego, zamkniętego myślenia, więc rozważ współpracę z zewnętrznym partnerem, aby stworzyć neutralny grunt. Wykwalifikowana strona trzecia może pomóc w odkryciu wzajemnych przeszkód, które mogą zjednoczyć zespoły stojące za projektem zwiększania dojrzałości danych.

Jeśli wszyscy zgodzą się na podejście, z pośredniczącym wpływem działającym jako przeciwwaga, jest bardziej prawdopodobne, że projekt zostanie chętnie przyjęty.

Ulepszanie dojrzałości danych w celu przewidywania przyszłości

Poprawa dojrzałości danych to niezbędny krok w transformacji funkcji marketingowych. Dzięki jasnym ramom, precyzyjnym celom, które są dostosowane do szerszych celów biznesowych i akceptacji interesariuszy w różnych funkcjach, marketerzy mogą dostarczać bardziej spójne wyniki.

Z czasem marketerzy mogą pomóc swoim organizacjom w czerpaniu korzyści z zasobów danych przedsiębiorstwa i zaawansowanej dojrzałości danych, aby konkurować z pionierskimi korporacjami.

Jednak sukces będzie zależał od rozwoju koordynacji między działami w ambitny sposób. Strony zewnętrzne mogą pomóc w prowadzeniu dyskusji między działami, ale marketerzy muszą kierować opłatą, aby zwiększyć dojrzałość danych i uwolnić pełny potencjał marketingu cyfrowego.

Popraw dojrzałość danych, aby zabezpieczyć swoją firmę na przyszłość

dwadzieściasix to ekspercka firma konsultingowa z bogatym doświadczeniem w zarządzaniu interesariuszami, która pomaga marketerom w maksymalizacji ich potencjału. Współpracujemy z marketerami, aby rozwijać ich dojrzałość danych i rozwijać ich możliwości dzięki analityce.

Aby uzyskać więcej informacji o tym, jak dyrektorzy marketingu i starsi marketerzy mogą wykorzystywać dane do zwiększania swoich wpływów, pobierz teraz naszą białą księgę.