Apa Itu Tumpukan Data Modern untuk Pertumbuhan?

Istilah "tumpukan data modern" telah menarik banyak minat dalam 18 bulan terakhir, dengan sebagian besar obrolan berada dalam konteks analitik dan bagaimana seperangkat alat dan teknologi modern dapat membantu meningkatkan keahlian analitik.

Tumpukan data modern yang paling banyak diterima untuk analitik terdiri dari alat data yang mencakup empat kategori berikut:

• Pengumpulan data melalui ELT: Digunakan untuk mengekstrak data dari database dan alat pihak ketiga
• Data warehousing: Digunakan untuk menyimpan salinan data
• Transformasi data: Digunakan untuk mengubah data dan membangun model untuk analisis
• Kecerdasan bisnis: Digunakan untuk membuat laporan menggunakan model data siap analisis

Namun, tumpukan ini hanya melayani sebagian kebutuhan tim produk dan pertumbuhan karena mengabaikan hal berikut:

• Mengumpulkan data peristiwa dari sumber data utama atau pihak pertama (situs web dan aplikasi)
• Menyimpan data ini di gudang data cloud
• Menganalisis data ini untuk memahami perilaku pengguna dan mengidentifikasi titik gesekan
• Mengaktifkan data di alat hilir untuk membangun pengalaman pelanggan yang dipersonalisasi

Oleh karena itu, sebagai perpanjangan dari tumpukan data modern untuk analitik, tumpukan data modern untuk pertumbuhan mencakup alat yang memungkinkan tim untuk melakukan hal di atas.

Tujuan di balik panduan ini adalah untuk menawarkan perincian lengkap tumpukan data yang memberdayakan tim go-to-market (GTM) untuk mengendalikan alur kerja mereka dan melakukan lebih banyak hal tanpa bergantung pada tim data dan teknik.

Mengumpulkan data peristiwa: CDI versus CDP

Pengumpulan data peristiwa atau data perilaku adalah langkah pertama untuk mengadopsi tumpukan data modern untuk pertumbuhan dan memperbaikinya sangat penting karena semua hal lain dari sini bergantung pada data yang bersih dan akurat yang tersedia di alat yang digunakan oleh orang-orang GTM.

Alat pengumpulan data perilaku yang dibuat khusus termasuk dalam dua kategori yang terkait erat dengan kemampuan yang tumpang tindih: infrastruktur data pelanggan (CDI) dan platform data pelanggan (CDP).

Kurangnya adopsi istilah CDI adalah alasan beberapa vendor CDI menyebut produk mereka sebagai CDP tanpa benar-benar menawarkan kemampuan CDP. Selain itu, semakin banyak vendor alat otomatisasi pemasaran menggunakan istilah CDP untuk menggambarkan fitur non-inti dari produk mereka, menambah kebingungan tentang apa sebenarnya CDP itu.

CDI pada dasarnya adalah solusi mandiri sedangkan CDP adalah solusi paket yang mencakup kemampuan CDI. Izinkan saya untuk menjelaskan perbedaan dalam istilah yang paling sederhana.

Infrastruktur data pelanggan

Tujuan CDI adalah untuk mengumpulkan data perilaku atau data peristiwa dari sumber data primer atau pihak pertama —situs web dan aplikasi Anda—dan menyinkronkan data ke solusi pergudangan data serta ke alat pihak ketiga yang digunakan untuk analisis dan pengaktifan.

Tim produk dan pertumbuhan biasanya menggunakan data perilaku dalam alat analisis produk untuk memahami perilaku pengguna dan dalam alat keterlibatan untuk membangun pengalaman yang dipersonalisasi dan didukung data—tugas CDI adalah menyediakan data yang tepat di alat ini.

Selain itu, CDI juga menawarkan kualitas data dan fitur tata kelola untuk memastikan bahwa data yang dikumpulkan tidak hanya akurat tetapi juga seperti yang diharapkan.

Jika Anda ingin menggali lebih dalam tentang CDI, saya sarankan untuk melihat panduan yang saya tulis baru-baru ini.

Platform data pelanggan

Seperti disebutkan di atas, CDP adalah solusi yang dibundel dan dapat dipahami dengan baik melalui rumus berikut:

CDP = Resolusi identitas, kemampuan untuk membangun audiens menggunakan antarmuka visual seret dan lepas (tanpa menulis SQL), dan kemampuan untuk menyinkronkan data ke alat pihak ketiga adalah kemampuan inti dari CDP. Selain itu, CDP juga menyimpan salinan data di gudang data mereka sendiri dan membuat data tersedia untuk konsumsi di masa mendatang.

CDP pada dasarnya adalah lapisan di atas CDI untuk mengaktifkan atau mengambil tindakan pada data.

Selain itu, CDP dan bahkan beberapa CDI menawarkan kemampuan untuk mengumpulkan data dari alat pihak ketiga. Namun, ini bukan penawaran inti mereka—alat ELT seperti Fivetran, Airbyte, dan Meltano dibuat khusus dan paling cocok untuk mengumpulkan dan menyimpan data dari alat pihak ketiga di gudang data.

Data peristiwa pergudangan

Gudang data pada dasarnya adalah database yang dirancang untuk analitik dan digunakan untuk menyimpan data dari semua sumber data yang memungkinkan—aplikasi pihak pertama, alat pihak ketiga, serta database produksi.

Terlepas dari teknologi yang Anda gunakan untuk mengumpulkan data peristiwa, menyimpan salinan data Anda di gudang data seperti Snowflake, BigQuery, atau Firebolt adalah praktik yang baik dengan beberapa manfaat.

Selain manfaat nyata dari memiliki data Anda, memiliki akses ke data mentah di gudang memungkinkan Anda melakukan lebih banyak hal dengan data—mulai dari mengubah dan menggabungkan data peristiwa dengan data dari sumber lain hingga memperkaya data sebelum menganalisis atau mengaktifkannya.

Selain itu, menyimpan data Anda akan memungkinkan Anda untuk berinvestasi dalam kasus penggunaan lanjutan seperti model prediktif untuk mengurangi churn atau mesin rekomendasi untuk meningkatkan penjualan. Lebih mudah untuk memanfaatkan data Anda jika disimpan di gudang Anda , daripada dikunci di dalam gudang vendor pihak ketiga, di mana Anda mungkin harus membayar biaya untuk mengakses data historis.

Bahkan jika Anda tidak membutuhkan data saat ini, masih ada baiknya menyimpan salinan data Anda di gudang data, terutama ketika gudang menjadi sangat terjangkau dan dapat dipintal dalam hitungan jam tanpa pengetahuan teknis yang mendalam.

Setelah Anda selesai mengumpulkan dan menyimpan data, saatnya menganalisis dan mengaktifkan data tersebut. Jika dijalankan dengan baik, dua tahap jalur data ini dapat membuat perbedaan yang signifikan dalam lintasan pertumbuhan perusahaan Anda.

Menganalisis data acara

Alat analisis produk adalah alat analisis yang dibuat khusus untuk menganalisis data peristiwa dan memahami bagaimana pengguna berinteraksi dengan produk Anda.

Analisis pelanggan dan analisis perilaku juga merupakan istilah untuk menggambarkan alat analisis produk karena memungkinkan Anda menganalisis perilaku pengguna dengan memvisualisasikan bagaimana pengguna bergerak melalui perjalanan pelanggan.

Alat analisis produk terutama melayani tim produk dan pertumbuhan di mana:

• Tim produk dapat Tim pertumbuhan dapat Menganalisis data peristiwa sebagai corong

  Alat analisis produk yang mendukung data hadir dalam bentuk data peristiwa dari situs web dan aplikasi Anda—sumber data pihak pertama.

  Anda juga dapat mengirim data peristiwa dari aplikasi eksternal tetapi Anda harus berhati-hati tentang hal itu, jika tidak, alat analisis produk Anda akan membengkak dengan terlalu banyak peristiwa. Data peristiwa yang berlebihan dapat dengan cepat menyebabkan masalah kualitas data—penyebab utama kurangnya kepercayaan pada data.

  

  Dengan adopsi yang cepat dari gudang data, perusahaan menemukan manfaat menjadikan gudang data sebagai sumber data untuk alat analisis produk.

  

  Jika Anda sudah menyimpan data di gudang data dan memiliki sumber daya khusus untuk mengelola gudang, maka menyinkronkan data dari gudang ke alat analisis produk Anda adalah ide yang bagus. Ini menghilangkan kebutuhan untuk memelihara saluran data terpisah dan memungkinkan Anda untuk memodelkan dan memperkaya data di gudang sebelum mengirimnya ke hilir.

  Manfaat penting lainnya dari pendekatan ini adalah bahwa perusahaan yang menggunakan alat BI seperti Looker, Mode, atau Preset bersama alat analisis produk tidak akan mengalami inkonsistensi data di antara keduanya karena gudang akan menjadi sumber untuk kedua alat tersebut.

  Mengaktifkan data acara

  Aktivasi data adalah proses gabungan untuk membuat data tersedia di alat yang digunakan untuk membangun pengalaman yang didukung data dan membangun pengalaman yang dipersonalisasi di seluruh titik kontak pelanggan.

  Dengan kata lain, data diaktifkan atau ditindaklanjuti ketika interaksi pelanggan bersifat kontekstual, tepat waktu, dan relevan karena didukung oleh data. Aktivasi data

  Menganalisis data dan mengumpulkan wawasan hanya baik jika Anda dapat mengambil tindakan atas wawasan tersebut dengan mengaktifkan data di alat yang Anda gunakan untuk berinteraksi dengan prospek dan pelanggan. Dengan mengaktifkan data secara efisien, Anda dapat lebih dari sekadar melihat dasbor dan dapat memanfaatkan data dengan cara yang berarti.

  Memberikan pengalaman superior bergantung pada setiap interaksi pelanggan di seluruh titik kontak yang didukung oleh data perilaku. Hal ini dimungkinkan ketika data tersedia di alat hilir tempat data diaktifkan untuk mendukung interaksi tersebut—dari email keluar dan percakapan dukungan hingga iklan dan pengalaman dalam aplikasi.

  Dengan tidak adanya data di alat tersebut, tidak banyak yang dapat Anda lakukan selain membangun pengalaman linier di mana setiap pengguna mengalami pesan, email, dan iklan yang sama, terlepas dari tindakan yang mereka lakukan di dalam produk Anda atau interaksi yang mereka lakukan. dengan merek Anda.

  Mari kita lihat berbagai teknologi yang tersedia untuk memindahkan data perilaku ke alat hilir tempat data akhirnya diaktifkan:

  • CDI untuk menyinkronkan data acara mentah
  • CDP untuk menyinkronkan data mentah serta data yang dimodelkan secara visual
  • Membalikkan ETL untuk menyinkronkan data yang dimodelkan menggunakan SQL di gudang data
  • Integrasi tujuan dengan alat analisis produk untuk menyinkronkan data yang sudah tersedia di alat analisis produk

  Semua hal di atas adalah sarana untuk tujuan yang sama—memungkinkan tim untuk membangun pengalaman yang dipersonalisasi dan didukung data dalam alat yang mereka gunakan sehari-hari.

  CDI dan CDP sudah dibahas di atas, jadi mari beralih ke dua teknologi lain yang dapat Anda gunakan untuk membuat data tersedia di alat aktivasi hilir.

  

  Membalikkan ETL

  Adopsi cepat gudang data cloud telah memunculkan Reverse ETL—paradigma baru dalam integrasi data yang memungkinkan Anda mengaktifkan data yang sudah ada di gudang data dengan menyinkronkannya ke alat pihak ketiga. Proses ini dan teknologi dasar yang memungkinkannya disebut juga sebagai analitik operasional.

  Perusahaan dengan tim data khusus berinvestasi besar-besaran untuk mengkonsolidasikan data pelanggan dari berbagai sumber di gudang data . Alat ETL terbalik seperti Hightouch, Grouparoo dan, Sensus memungkinkan tim data membangun model data menggunakan SQL di atas data yang disimpan di gudang (atau membawa model mereka yang ada dengan mengintegrasikan alat seperti dbt) dan menyinkronkan model tersebut ke alat pihak ketiga hilir.

  Namun, menerapkan dan memelihara alat Reverse ETL memerlukan tim data internal atau setidaknya seorang insinyur data khusus—sesuatu yang banyak perusahaan tidak memiliki sumber daya atau bahkan kebutuhannya.

  Integrasi destinasi menurut analisis produk

  Alat analisis produk seperti Amplitude, Heap, dan Mixpanel mendukung berbagai alat sebagai tujuan data, memungkinkan Anda membangun dan menyinkronkan kelompok pengguna ke alat hilir tempat data diaktifkan. Integrasi ini terus berkembang dengan berbagai alat yang menawarkan berbagai kemampuan.

  

  Perlu disebutkan bahwa Amplitude telah melangkah lebih jauh dan mengemas kemampuannya untuk menyinkronkan audiens ke alat pihak ketiga melalui Amplitude Recommend—ada beberapa manfaat penting dari pendekatan ini:

  • Alih-alih membangun kelompok dalam alat analisis produk untuk menganalisis data dan kemudian membangun audiens yang sama di alat CDP, CDI, atau Reverse ETL, semuanya dapat dilakukan dalam satu sistem terintegrasi
  • Integrasi dua arah dengan alat keterlibatan memungkinkan Anda untuk menganalisis metrik kampanye Anda langsung di dalam alat analisis produk, memungkinkan Anda untuk mengukur dampak sebenarnya dari kampanye keterlibatan Anda

  Perusahaan dengan sumber daya rekayasa data yang terbatas dapat memperoleh nilai signifikan dari solusi terintegrasi semacam itu yang memungkinkan tim produk dan pertumbuhan bergerak cepat tanpa bergantung pada tim data.

  Perusahaan yang lebih besar juga dapat memperoleh manfaat dari pendekatan ini karena terbatasnya ketersediaan sumber daya rekayasa data dan tumpukan besar permintaan data dari berbagai tim.

  Manfaatkan tumpukan data modern untuk pertumbuhan dan keterlibatan

  Mempertahankan tumpukan data modern untuk pertumbuhan tidak selalu merupakan tanggung jawab tim pertumbuhan, tetapi mengetahui bagaimana data dikumpulkan, disimpan, dan dipindahkan membuat lebih mudah bagi profesional pertumbuhan untuk memperoleh wawasan dari data dan bertindak berdasarkan wawasan tersebut secara efektif.

  Selain itu, sementara orang-orang pertumbuhan dan produk adalah orang-orang yang menggunakan sebagian besar alat dalam tumpukan ini, manfaat tumpukan data modern dapat dirasakan di seluruh organisasi—dari pembuatan permintaan dan pengembangan penjualan hingga dukungan dan kesuksesan pelanggan.

  Memberi tim akses ke alat yang memungkinkan mereka menjadi lebih produktif juga memungkinkan mereka meningkatkan keterampilan mereka sendiri dan melakukan pekerjaan yang lebih bermakna—dua komponen terpenting yang membantu menarik dan mempertahankan talenta terbaik.

  ---

  Siap untuk membawa data Anda lebih jauh dengan tumpukan data modern untuk pertumbuhan? Pelajari lebih lanjut tentang kekuatan data yang terpelihara dengan baik untuk mendorong keterlibatan dan retensi master.