Forvrenger datasiloer produktanalysene dine?

I mitt forrige innlegg skrev jeg om hvordan du kan løfte svinghjulet for produktstyrt vekst (PLG) ved å hente innsikt på tvers av funksjonsområder, for eksempel data om produktbruk, supporthenvendelser, forbruk osv. Før i tiden hadde hvert funksjonsområde eller verktøy sitt eget isolerte datalager, noe som gjorde tverrfunksjonelle analyser til en stor oppgave.

Moderne datavarehus i skyen, med sitt rike økosystem for dataintegrasjon, har endelig vist seg å være et levedyktig alternativ som "sannhetens eneste kilde". Dessverre vil eldre analyseleverandører fortsatt ha deg til å tro at datasiloer er akseptable så lenge du kan "bryte" dem[1, 2] - noe som bare er et fancy uttrykk for å kopiere eksterne data inn i siloen deres. Denne tilnærmingen skaper inkonsekvens i dataene dine og innsikt som du ikke kan stole på, noe som opphever hele verdien av analysene. I dette innlegget vil jeg vise deg en bedre måte.

Hvordan vi havnet her

Hvordan havnet vi her? La meg spole litt tilbake. Produktanalyse vokste ut av tag management på begynnelsen av 2010-tallet. Tag management var sentrert rundt datainnsamling og -lagring, og fordi det ikke var behov for å integrere disse dataene med andre deler av virksomheten, ble disse systemene i hovedsak datasiloer. Første generasjons produktanalyseverktøy arvet denne arkitekturen, og skapte sine egne siloer for data som de samlet inn fra produkt- eller nettinstrumentering. Men av PLG-grunner og andre årsaker begynte kundene å etterspørre analyser på tvers av instrumenteringsdata og andre forretningsdatakilder. Løsningen? Kopier alle de eksterne dataene du trenger, inn i analyseleverandørens silo. Dette var på grensen til akseptabelt før datavarehus i skyen ble den levedyktige kilden til sannhet som de er i dag, men nå er det rett og slett en dårlig idé å gjøre dette. La oss se hvorfor.

Hvorfor analysesiloer er dårlige

Som bruker av ulike førstegenerasjons produktanalyseverktøy tidligere i karrieren har jeg opplevd en god del kvaler med datasiloer. Dette er også et av de mest siterte smertepunktene med førstegenerasjonsverktøy som vi hører fra kundene våre. Når brukerne sier ting som "produktmålingene stemmer ikke overens med tallene fra datavarehuset vårt", "innsikten er inkonsekvent" eller "jeg stoler ikke på dataene som er lagt inn i xyz-verktøyet ", er dette tegn på at du ikke lenger har én sannhetskilde. Jeg vil kategorisere disse smertepunktene i fire hovedområder.

1. Inkonsistente data

   Integrasjoner for å bringe eksterne data inn i et produktanalyseverktøy opererer vanligvis etter en forhåndsinnstilt tidsplan, men det gjør ikke brukerne dine. Resultatet er at produktbruksdata som er "beriket" med eksterne data, ender opp med å gi ulik innsikt avhengig av når noen henter dataene og når de sist ble beriket. Og enda verre er det at den inkonsekvensen som oppstår, skaper forvirring fordi innsikten ikke stemmer overens med datavarehuset.

2. Manglende data

   Et lurespørsmål: Hva har flyreiser og forretningsdatakildene dine til felles? Svar: Begge lider av tilfeldige forsinkelser og kanselleringer. Mens datavarehuset til slutt tar igjen tapte data ved at de blir fylt opp og korrigert, er de samme datarensingsprosessene ikke skalerbare for hver eneste datasilo. Resultatet: manglende data.

3. Datamodell

   Kundene våre rapporterer ofte at analytiske siloer går utover selve dataene og også påvirker datamodellen . Resultatet er at definisjonene av nøkkeltall ikke stemmer overens mellom BI-verktøyet og produktanalyseverktøyet. Noen av kundene våre sporer for eksempel unike brukere eller kunder på en annen måte enn standardverdiene som brukes i førstegenerasjons produktanalyseverktøy.

4. Styring

   Lurespørsmål: Hva er den beste måten å håndheve datastyring på i en siloapp? Svar: Ved å ikke ha en siloapp i utgangspunktet. Produktanalyseverktøy ble utviklet for å gjøre det mulig for produktteamene å betjene seg selv, uten å være avhengige av data- eller BI-team. Med det økende fokuset på samsvar og sikkerhet har dette løftet begynt å falme, ettersom datateamene ofte må kjempe med datastyring for hvert silomiljø de skal støtte.

Veien videre

Hos Optimizely Warehouse-Native Analytics mener vi at datasiloer er problematiske i seg selv, og at ingen lappetepper kan redusere konsekvensene de har for virksomheten din. Vår tilnærming er å eliminere dem helt og holdent ved å tilby produktanalyser direkte på toppen av datavarehuset, uten at data flyttes.

Datavarehuset ditt forblir din eneste kilde til sannhet, slik at Optimizely Warehouse-Native Analytics kan gi deg innsikt du kan stole på.