ほとんどの企業がセルフサービス分析について間違っていること

公開: 2021-08-15

ガートナーは、セルフサービス分析を次のように定義しています。

セルフサービス分析は、ビジネスインテリジェンス（BI）の一種であり、基幹業務の専門家が、名目上のITサポートを利用して、独自にクエリを実行し、レポートを生成できるようにします。セルフサービス分析は、多くの場合、基本的な分析機能を備えた使いやすいBIツールと、理解を容易にし、データに簡単にアクセスできるように簡素化または縮小された基盤となるデータモデルを特徴としています。

ガートナーの友人たちに敬意を表して、これは要点を見逃していると思います。 セルフサービス分析を再定義する時が来ました。なんで？製品は権限を与えられた、部門の枠を超えたチームによって構築されているためです。 ITとビジネスの二分法は、製品の世界ではそれほど重要ではありません。セルフサービス分析の目標を、レポート、洞察、およびデータへの便利で個別のアクセスとして組み立てると、全体像を見失うことになります。特に、その定義を「基本的な分析機能」に限定するとします。

セルフサービスは目標ではありません。 インパクトが目標です。

ここで、セルフサービス分析が期待に応えられない可能性がある3つの例を使用して、いくつかの問題を調べてみましょう。

例1 ：分析チームはデータエンジニアリングチームと協力して、意思決定者向けのダッシュボードを作成します。 ダッシュボードは「セルフサービス」であり、検出プロセス中に確定した正確な質問に答えます。それは完璧だ。そうでないまで。新しい質問はどうですか？データを探索するのはどうですか？
例2 ：チームは、「深さ1インチ、幅1マイル」のアプローチを使用することにしました。 それらはすべてを追跡しますが、忠実度は非常に低くなります（たとえば、イベントプロパティを使用したり、分類法を適用したりしません）。理論的には、今では誰もがセルフサービスツールを使用してデータにアクセスできます。 ログインするだけ！ しかし、意思決定の質にはどのようなコストがかかりますか？
例3：40人の製品マネージャーのチームにセルフサービスツールへのアクセス権が与えられます。 彼らは町に行きます。ダッシュボードはどこにでもポップアップします。このツールは強力でカスタマイズ可能ですが、チームは現在、データの知識があまりありません。はい、これはセルフサービスですが、大きな影響はありません。

例1は硬すぎます。例2は、データ品質によって制限されます。例3は、データリテラシーのスケーリングに失敗します。ペースが速く予測不可能な製品と成長の世界では、新しい実験と更新を継続的にリリースしています。私たちが選んだアプローチは、雑然として使用できなくなることなく、追いつく必要があります。つまり、持続的な適応性、確かなデータ、およびデータリテラシーが必要です。

「分析は、レポートとは異なり、インタラクティブであることが意図されており、柔軟性と高品質のデータが必要です」と製品管理コンサルタントのSaeedKhan氏は述べています。「その柔軟性は、社内で構築されたソリューションや外部で購入されたソリューションの多くにひどく欠けています。好奇心の新しい領域への扉を開いたままにするのではなく、質問に集中することを余儀なくされています。または、柔軟性があり、表面レベルである必要があります。これは製品チームでは機能しません。」

しかし、問題はもう少し深くなります。製品の構築はチームの努力です。セルフサービスは、単独のビジネスユーザーではなく、チーム全体でどのように見えますか？チームには、他のチームに負担をかけることを心配せずに、新しいイベントを計測および追跡する自由が必要です。また、洞察にアクセスし、探索的分析を行い、データを管理し、洞察に協力し、実験を計画し、行動を起こす自由が必要です。

この個々のチームの見方でさえ、少し制限があります。ほとんどの組織には「データチーム」がありますが、データチームは過労で、薄く広がっていると考えてください。主要なモデルはトランザクションです。チームは質問とリクエストを送信し、データチームは回答/偏向するために最善を尽くします。過労への対応として、彼らは「セルフサービス」オプションを作成して、ある程度の余裕を持たせます。しかし、これは貧弱な犠牲でもあります。

「好奇心の火付け役、質問の発見者、アイデアの生成者としてのセルフサービスは、非常に現実的で価値のあるものです」と、dbtLabsの分析エンジニアであるGrantWinshipは説明します。「しかし、それはデータチームの製品マインドセットと組み合わせる必要があると思います。 PMとビジネスユーザーは、質問と分析の取り組みを統合し、調査し、選択的に開発する準備ができている必要があります。」コラボレーションと教育が重要です。

PelotonのシニアプロダクトアナリティクスマネージャーであるElenaDyachkovaにとって、教育コンポーネントは真の「部屋の中の象」です。元スポーツジャーナリストである彼女は、データリテラシーのスケーリングを、筋力トレーニングの一般原則についてアスリートを教育し、「各アスリートの解剖学的構造に独自の適応を見つける」ことに例えています。データの適切な使用、KPIを設定するためのフレームワーク、および特定のメトリックの背後にあるビジネスコンテキストは、「単一のSaaSツールの範囲内ではありませんが、他のすべてのデータリテラシー部分が機能するための基盤です」。アナリストがこれらの教育の取り組みを支援するためにAmplitudeを使用しているのを目にしますが、それでも、協調的で集中的な取り組みに要約されます。

Amplitudeの私たちにとって、このよりチームに焦点を合わせた、協調的で、影響に焦点を合わせたアプローチはセルフサービスです。 ダッシュボードへのアクセスだけではありません。 「エンジニアやデータ担当者の助けを借りずに」物事を成し遂げるという考えは広く行き渡っていますが、サイロを強化し、結果に影響を与える可能性があります。 セルフサービスは、コラボレーションを妨げるのではなく、コラボレーションを可能にする必要があります。

Amplitudeでは、セルフサービス分析の全体像を把握しようとしています。私たちの製品哲学は次のとおりです。

好奇心を奨励します。 初回通過質問が最良の質問になることはめったにありません。探索は新しい質問を引き起こします。私たちは、真の宝石が存在する洞察のロングテールを解き放つのを助けます。
セルフサービスとは、エージェンシー、依存関係の除去、および影響に関するものです。 他のチームメンバーがうなり声を上げている間、一部のチームメンバーが簡単にアクセスできるように負担を押し付けることではありません。
スケールデータリテラシー。 アナリストとプロダクトマネージャーはペアを組んで一緒に学ぶことができますか？誰かが分析を開始し、ノートブックを作成し、それをより熟練した誰かと共有してフィードバックを得ることができますか？
行動と影響への偏見。 テスト、推奨事項、パーソナライズ、および機能のフラグ付けをサポートすることで、チームをアクションに近づけることができます。結局のところ、目標は、顧客やビジネスなどに価値を生み出すシステムを構築することです。レポートを実行することではありません。

セルフサービスは好循環に適合すると私たちは信じています。アクセスと使用可能なデータは好奇心を刺激し、コラボレーションとデータリテラシーと組み合わせた好奇心は、より良い意思決定、行動、および影響をもたらします。