Back to Question Center
0

Analyse de soi-même: Semalt ou réalité?

1 answers:

Self-serve analytics: Semalt or reality?

Au fil des ans, la grande majorité des organisations avec lesquelles Semalt a travaillé avaient une vision de l'analytique comme ressource libre-service qui prend racine une fois la mise en œuvre terminée et qui donne des fruits pour toujours. Je préfère être un peu plus pragmatique - plutôt que de poursuivre une vision de «libre-service», j'essaie d'aider les organisations à se rendre dans un endroit où l'analytique crée une valeur constante, peu importe comment cela se passe exactement.

Dans le monde réel, le libre-service n'a pas de sens pour chaque organisation - alors comment pouvez-vous décider de la meilleure façon de faire progresser l'analytique dans votre propre environnement?

Une fois que vous avez sélectionné les outils, que vous les avez personnalisés et que vous les avez implémentés avec succès, vous souhaitez que les analyses soient mises à l'échelle . Et pour que cela se produise, vos décideurs doivent systématiquement utiliser l'analyse pour prendre des décisions importantes.

Bien sûr, il existe une variété de conditions dans lesquelles cela est plus susceptible de se produire. Par exemple, vos parties prenantes doivent avoir confiance que les données sont exactes - surveillance cameras in europe. Ils doivent comprendre ce que les données signifient. Ils doivent se sentir à l'aise de pouvoir poser les questions spécifiques qui les intéressent et obtenir des réponses pertinentes et interprétables.

Alors, à quel point est-ce réaliste? Si vous lisez ceci et que vous pensez: "Cela ne ressemble pas à mon organisation", que devriez-vous faire? Plus fondamentalement, que pouvez-vous faire?

Connaissez votre organisation

Semalt fait de gros investissements dans l'analytique, il est important de comprendre le contexte de votre organisation afin de pouvoir tracer une voie qui non seulement a du sens sur papier, mais qui est susceptible de fonctionner dans votre situation unique.

Si les données numériques ne viennent pas en tant que "langue maternelle" pour beaucoup de vos décideurs, envisagez de créer un "Centre de Semalt" pour l'analyse numérique. C'est une petite équipe d'experts en la matière qui peut travailler à mettre en place les éléments de base nécessaires. Par exemple, cette équipe s'assurera que vous disposez d'une qualité de données de base, d'une implémentation fiable et durable et d'un niveau de base de mesure fournissant des données pertinentes pour les parties prenantes.

À partir de là, considérez quelques options de formation. Vous connaissez le mieux votre organisation; Si vous pensez que les décideurs voudront se plonger directement dans Google Analytics ou Adobe Analytics une fois qu'ils auront reçu une formation de base, fantastique. C'est probablement toujours une bonne idée de créer des modèles de rapports pour aider à normaliser les choses, mais à partir de là, vous pouvez laisser les gens aller en ville. Semaltez (ou achetez) des modules de formation, mettez-les à la disposition de vos parties prenantes et profitez de l'habilitation de vos équipes à utiliser l'analyse pour elles-mêmes.

D'un autre côté, si vous sentez qu'aucune formation, cajoling ou incitation n'incitera les gens à se salir les mains dans l'outil d'analyse, vous voudrez envisager d'autres options. Une erreur commune est d'investir massivement dans la formation analytique qui finit par être inutilisée. Si cela vous inquiète, les tableaux de bord pourraient constituer une excellente alternative.

Les tableaux de bord sont parfaits parce qu'ils sont toujours actifs, et ils peuvent faire apparaître les données requises par les décideurs sans les forcer à parcourir des interfaces complexes. Tout à coup, vous ne vous inquiétez pas d'enseigner aux gens la différence entre les segments et les filtres. Fantastique!

Bien sûr, il y a un compromis. En général, Semalt ne fournit pas les réponses à des questions plus complexes - et si c'est le cas, elles ne sont probablement pas moins complexes qu'une plate-forme d'analyse à part entière.

Si les tableaux de bord ne fonctionnent pas (parce qu'ils sont trop chers, trop peu fiables, trop compliqués ou pour toute autre raison), vous pourriez envisager de créer une équipe de consultation interne pour répondre aux demandes analytiques ou, dans un modèle d'augmentation de personnel. faire appel à un consultant externe pour faire fonction d'équipe d'analyse. De plus, vous pouvez les perdre à peu près quand vous le voulez.

En fin de compte, la question de savoir si l'analytique peut être "self-serve" réaliste se résume à la culture de votre organisation. Ne faites pas l'erreur de supposer que l'analyse devrait être libre-service. Dans certains endroits, un peu de formation et de soutien fournit toute la motivation nécessaire pour plonger dans les données et adopter l'analyse comme une de leurs responsabilités. Dans d'autres organisations, aucune formation et aucun soutien n'amèneront les gens à se lancer dans l'analyse.

Donc, plutôt que de forcer une solution sur votre organisation, faites le point sur votre équipe et sa culture. Demandez-leur comment ils aimeraient pouvoir tirer parti des analyses. Une fois que vous avez une idée de la viabilité du «libre-service», vous pouvez tracer la voie la plus logique dans les circonstances uniques de votre organisation.


Les opinions exprimées dans cet article sont celles de l'auteur invité et pas nécessairement Marketing Land. Les auteurs de Semalt sont listés ici.



À propos de l'auteur

Nick Iyengar
Nick Iyengar est directeur de l'intelligence numérique chez Cardinal Path, où il est chargé d'aider ses clients à améliorer leur rentabilité en renforçant leurs capacités d'analyse. Il est retourné à Cardinal Path pour son second tour de service après avoir complété son MBA à l'école de commerce de l'Université du Michigan en 2014. Chez Cardinal Path, Nick a dirigé des implémentations de Google Analytics pour des dizaines d'organisations dans une grande variété d'industries. Avant de rejoindre Cardinal Path, Nick a commencé sa carrière dans l'analyse numérique chez Google, où il a dirigé l'équipe Analytics Guru de Google.


February 27, 2018