നിങ്ങളുടെ മാർ‌ടെക് സ്റ്റാക്കിനേക്കാൾ‌ ടീം ആശയവിനിമയം പ്രധാനമായിരിക്കുന്നത് എന്തുകൊണ്ട്

മാർക്കറ്റിംഗ് ടീം ആശയവിനിമയവും വിശകലനവും

ഡാറ്റാ ഗുണനിലവാരത്തെയും ആശയവിനിമയ ഘടനയെയും കുറിച്ചുള്ള സിമോ അഹവയുടെ വിഭിന്ന വീക്ഷണം മുഴുവൻ ലോഞ്ചും പുതുക്കി അനലിറ്റിക്സിലേക്ക് പോകുക! സമ്മേളനം. OWOX, സി‌ഐ‌എസ് മേഖലയിലെ മാർ‌ടെക് നേതാവ് ആയിരക്കണക്കിന് വിദഗ്ധരെ അവരുടെ അറിവും ആശയങ്ങളും പങ്കുവെക്കുന്നതിനായി ഈ സമ്മേളനത്തിലേക്ക് സ്വാഗതം ചെയ്തു.

OWOX BI ടീം നിങ്ങളുടെ ബിസിനസ്സ് വളരാൻ തീർച്ചയായും കഴിവുള്ള സിമോ അഹാവ നിർദ്ദേശിച്ച ആശയത്തെക്കുറിച്ച് ചിന്തിക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നു. 

ഡാറ്റയുടെ ഗുണനിലവാരവും ഓർഗനൈസേഷന്റെ ഗുണനിലവാരവും

ഡാറ്റയുടെ ഗുണനിലവാരം വിശകലനം ചെയ്യുന്ന വ്യക്തിയെ ആശ്രയിച്ചിരിക്കുന്നു. സാധാരണഗതിയിൽ, ഉപകരണങ്ങൾ, വർക്ക്ഫ്ലോകൾ, ഡാറ്റാസെറ്റുകൾ എന്നിവയിലെ ഡാറ്റയിലെ എല്ലാ കുറവുകളും ഞങ്ങൾ കുറ്റപ്പെടുത്തും. എന്നാൽ അത് ന്യായമാണോ?

വ്യക്തമായി പറഞ്ഞാൽ, ഡാറ്റയുടെ ഗുണനിലവാരം ഞങ്ങളുടെ ഓർ‌ഗനൈസേഷനുകളിൽ‌ ഞങ്ങൾ‌ എങ്ങനെ ആശയവിനിമയം നടത്തുന്നു എന്നതുമായി നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്നു. ഡാറ്റാ മൈനിംഗ്, എസ്റ്റിമേറ്റ്, മെഷർമെന്റ് എന്നിവയ്ക്കുള്ള സമീപനം മുതൽ പ്രോസസ്സിംഗ് തുടരുക, ഉൽ‌പ്പന്നത്തിന്റെ മൊത്തത്തിലുള്ള ഗുണനിലവാരവും തീരുമാനമെടുക്കലും അവസാനിക്കുന്ന എല്ലാം ഓർ‌ഗനൈസേഷൻറെ ഗുണനിലവാരം നിർണ്ണയിക്കുന്നു. 

കമ്പനികളും അവയുടെ ആശയവിനിമയ ഘടനകളും

ഒരു കമ്പനി ഒരു ഉപകരണത്തിൽ പ്രത്യേകത പുലർത്തുന്നുവെന്ന് നമുക്ക് സങ്കൽപ്പിക്കാം. ഈ കമ്പനിയിലെ ആളുകൾ‌ ചില പ്രശ്‌നങ്ങൾ‌ കണ്ടെത്തുന്നതിലും ബി 2 ബി സെഗ്‌മെന്റിനായി പരിഹരിക്കുന്നതിലും മികച്ചവരാണ്. എല്ലാം മികച്ചതാണ്, ഇതുപോലുള്ള ഒരു ദമ്പതി കമ്പനികളെ നിങ്ങൾക്ക് അറിയാമെന്നതിൽ സംശയമില്ല.

ഡാറ്റാ ഗുണനിലവാരത്തിനായുള്ള ആവശ്യകതകൾ ഉയർത്തുന്നതിനുള്ള ദീർഘകാല പ്രക്രിയയിൽ ഈ കമ്പനികളുടെ പ്രവർത്തനങ്ങളുടെ പാർശ്വഫലങ്ങൾ മറഞ്ഞിരിക്കുന്നു. അതേസമയം, ഡാറ്റ വിശകലനം ചെയ്യുന്നതിനായി സൃഷ്ടിച്ച ഉപകരണങ്ങൾ ഡാറ്റയുമായി മാത്രം പ്രവർത്തിക്കുന്നുവെന്നും അവ ബിസിനസ്സ് പ്രശ്‌നങ്ങളിൽ നിന്ന് ഒറ്റപ്പെട്ടതാണെന്നും ഞങ്ങൾ ഓർക്കണം - അവ പരിഹരിക്കാനായി അവ സൃഷ്ടിക്കപ്പെട്ടതാണെങ്കിൽ പോലും. 

അതുകൊണ്ടാണ് മറ്റൊരുതരം ഉറപ്പ് പ്രത്യക്ഷപ്പെട്ടത്. ഈ കമ്പനികൾ വർക്ക്ഫ്ലോ ഡീബഗ്ഗിംഗിൽ പ്രത്യേകതയുള്ളവരാണ്. ബിസിനസ്സ് പ്രോസസ്സുകളിൽ അവർക്ക് ഒരു കൂട്ടം പ്രശ്‌നങ്ങൾ കണ്ടെത്താനും വൈറ്റ്ബോർഡിൽ ഇടാനും എക്സിക്യൂട്ടീവുകളോട് പറയാനും കഴിയും:

ഇവിടെ, ഇവിടെ, അവിടെ! ഈ പുതിയ ബിസിനസ്സ് തന്ത്രം പ്രയോഗിക്കുക, നിങ്ങൾ നന്നായിരിക്കും!

എന്നാൽ ഇത് ശരിയാണെന്ന് തോന്നുന്നില്ല. ഉപകരണങ്ങളെക്കുറിച്ചുള്ള ഗ്രാഹ്യത്തെ അടിസ്ഥാനമാക്കിയുള്ള ഉപദേശത്തിന്റെ കാര്യക്ഷമത സംശയാസ്പദമാണ്. അത്തരം കൺസൾട്ടിംഗ് സ്ഥാപനങ്ങൾ എന്തുകൊണ്ടാണ് ഇത്തരം പ്രശ്‌നങ്ങൾ പ്രത്യക്ഷപ്പെട്ടതെന്നും ഓരോ പുതിയ ദിവസവും പുതിയ സങ്കീർണ്ണതകളും പിശകുകളും കൊണ്ടുവരുന്നത് എന്താണെന്നും ഏതൊക്കെ ഉപകരണങ്ങൾ തെറ്റായി സജ്ജീകരിച്ചിട്ടുണ്ടെന്നും മനസിലാക്കുന്നില്ല.

അതിനാൽ ഈ കമ്പനികളുടെ സ്വന്തം ഉപയോഗക്ഷമത പരിമിതമാണ്. 

ബിസിനസ്സ് വൈദഗ്ധ്യവും ഉപകരണങ്ങളെക്കുറിച്ചുള്ള അറിവും ഉള്ള കമ്പനികളുണ്ട്. ഈ കമ്പനികളിൽ, മികച്ച ഗുണങ്ങളുള്ള ആളുകളെ, അവരുടെ കഴിവുകളിലും അറിവിലും ഉറപ്പുള്ള വിദഗ്ധരെ നിയമിക്കുന്നതിലൂടെ എല്ലാവരും അസ്വസ്ഥരാണ്. അടിപൊളി. എന്നാൽ സാധാരണഗതിയിൽ, ഈ കമ്പനികൾ ടീമിന്റെ ഉള്ളിലെ ആശയവിനിമയ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് ലക്ഷ്യമിടുന്നില്ല, അവ പലപ്പോഴും അപ്രധാനമെന്ന് കാണുന്നു. അതിനാൽ പുതിയ പ്രശ്നങ്ങൾ പ്രത്യക്ഷപ്പെടുമ്പോൾ, മന്ത്രവാദി വേട്ട ആരംഭിക്കുന്നു - ഇത് ആരുടെ തെറ്റാണ്? ഒരുപക്ഷേ ബി‌ഐ സ്പെഷ്യലിസ്റ്റുകൾ പ്രക്രിയകളെ ആശയക്കുഴപ്പത്തിലാക്കിയിട്ടുണ്ടോ? ഇല്ല, പ്രോഗ്രാമർമാർ സാങ്കേതിക വിവരണം വായിച്ചിട്ടില്ല. എന്നാൽ മൊത്തത്തിൽ, യഥാർത്ഥ പ്രശ്നം ടീമിന് ഒരുമിച്ച് പരിഹരിക്കാൻ പ്രശ്നം വ്യക്തമായി ചിന്തിക്കാൻ കഴിയില്ല എന്നതാണ്. 

രസകരമായ സ്പെഷ്യലിസ്റ്റുകൾ നിറച്ച ഒരു കമ്പനിയിൽ പോലും, ഓർഗനൈസേഷൻ ഇല്ലെങ്കിൽ എല്ലാം ആവശ്യത്തിലധികം പരിശ്രമിക്കേണ്ടിവരുമെന്ന് ഇത് ഞങ്ങളെ കാണിക്കുന്നു മുതിർന്നവർക്കുള്ള മതി. നിങ്ങൾ മുതിർന്നവരായിരിക്കണം, ഉത്തരവാദിത്തമുണ്ടായിരിക്കണം, പ്രത്യേകിച്ച് ഒരു പ്രതിസന്ധിയിൽ, മിക്ക കമ്പനികളിലും ആളുകൾ ചിന്തിക്കുന്ന അവസാന കാര്യമാണ്.

കിന്റർഗാർട്ടനിലേക്ക് പോകുന്ന എന്റെ രണ്ട് വയസ്സുള്ള കുട്ടി പോലും ഞാൻ പ്രവർത്തിച്ച ചില ഓർഗനൈസേഷനുകളേക്കാൾ പക്വതയുള്ളതായി തോന്നുന്നു.

ധാരാളം ഗ്രൂപ്പുകളെ അല്ലെങ്കിൽ ഡിപ്പാർട്ട്മെൻറിനെ ഉൾക്കൊള്ളുന്നതിനാൽ ധാരാളം വിദഗ്ധരെ നിയമിച്ചുകൊണ്ട് മാത്രമേ നിങ്ങൾക്ക് കാര്യക്ഷമമായ ഒരു കമ്പനി സൃഷ്ടിക്കാൻ കഴിയില്ല. അതിനാൽ മാനേജ്മെന്റ് സ്പെഷ്യലിസ്റ്റുകളെ നിയമിക്കുന്നത് തുടരുന്നു, പക്ഷേ വർക്ക്ഫ്ലോയുടെ ഘടനയും യുക്തിയും മാറാത്തതിനാൽ ഒന്നും മാറുന്നില്ല.

ഈ ഗ്രൂപ്പുകളുടെയും വകുപ്പുകളുടെയും അകത്തും പുറത്തും ആശയവിനിമയ മാർഗങ്ങൾ സൃഷ്ടിക്കാൻ നിങ്ങൾ ഒന്നും ചെയ്യുന്നില്ലെങ്കിൽ, നിങ്ങളുടെ എല്ലാ ശ്രമങ്ങളും അർത്ഥശൂന്യമാകും. അതുകൊണ്ടാണ് ആശയവിനിമയ തന്ത്രവും പക്വതയും അഹവയുടെ ശ്രദ്ധ.

കോൺവേയുടെ നിയമം അനലിറ്റിക്സ് കമ്പനികൾക്ക് ബാധകമാണ്

അർത്ഥവത്തായ ഡാറ്റ - കോൺവേയുടെ നിയമം

അമ്പത് വർഷങ്ങൾക്ക് മുമ്പ്, മെൽവിൻ കോൺവെ എന്ന മികച്ച പ്രോഗ്രാമർ ഒരു നിർദ്ദേശം നൽകി, അത് പിന്നീട് കോൺവേയുടെ നിയമം എന്നറിയപ്പെട്ടു: 

സിസ്റ്റങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്ന ഓർഗനൈസേഷനുകൾ. . . ഈ ഓർ‌ഗനൈസേഷനുകളുടെ ആശയവിനിമയ ഘടനകളുടെ പകർപ്പുകളായ ഡിസൈനുകൾ‌ നിർമ്മിക്കുന്നതിന് പരിമിതപ്പെടുത്തിയിരിക്കുന്നു.

മെൽ‌വിൻ കോൺ‌വേ, കോൺ‌വേയുടെ നിയമം

ഒരു കമ്പ്യൂട്ടർ ഒരു മുറിക്ക് തികച്ചും യോജിക്കുന്ന സമയത്താണ് ഈ ചിന്തകൾ പ്രത്യക്ഷപ്പെട്ടത്! ചിന്തിക്കുക: ഇവിടെ ഞങ്ങൾക്ക് ഒരു കമ്പ്യൂട്ടറിൽ ഒരു ടീം പ്രവർത്തിക്കുന്നു, അവിടെ മറ്റൊരു കമ്പ്യൂട്ടർ മറ്റൊരു കമ്പ്യൂട്ടറിൽ പ്രവർത്തിക്കുന്നു. യഥാർത്ഥ ജീവിതത്തിൽ, കോൺ‌വേയുടെ നിയമം അർത്ഥമാക്കുന്നത് ആ ടീമുകൾക്കിടയിൽ ദൃശ്യമാകുന്ന എല്ലാ ആശയവിനിമയ ന്യൂനതകളും അവർ വികസിപ്പിച്ച പ്രോഗ്രാമുകളുടെ ഘടനയിലും പ്രവർത്തനത്തിലും പ്രതിഫലിക്കും എന്നാണ്. 

രചയിതാവിന്റെ കുറിപ്പ്:

ഈ സിദ്ധാന്തം വികസന ലോകത്ത് നൂറുകണക്കിന് തവണ പരീക്ഷിക്കപ്പെടുകയും ധാരാളം ചർച്ച ചെയ്യപ്പെടുകയും ചെയ്തിട്ടുണ്ട്. 2000 കളുടെ തുടക്കത്തിലെ ഏറ്റവും സ്വാധീനമുള്ള പ്രോഗ്രാമർമാരിൽ ഒരാളായ പീറ്റർ ഹിന്റ്‌ജെൻസാണ് കോൺ‌വേയുടെ നിയമത്തിന്റെ ഏറ്റവും നിർ‌വചനം സൃഷ്ടിച്ചത്, “നിങ്ങൾ ഒരു നിസ്സാര ഓർ‌ഗനൈസേഷനിലാണെങ്കിൽ‌, നിങ്ങൾ‌ നിസ്സാര സോഫ്റ്റ്‌വെയർ‌ നിർമ്മിക്കും” എന്ന് പറഞ്ഞു. (അംഡാൽ ടു സിപ്: ആളുകളുടെ ഭൗതികശാസ്ത്രത്തിലെ പത്ത് നിയമങ്ങൾ)

മാർക്കറ്റിംഗ്, അനലിറ്റിക്സ് ലോകത്ത് ഈ നിയമം എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് കാണാൻ എളുപ്പമാണ്. ഈ ലോകത്ത്, കമ്പനികൾ വിവിധ സ്രോതസ്സുകളിൽ നിന്ന് ശേഖരിച്ച വമ്പിച്ച ഡാറ്റയുമായി പ്രവർത്തിക്കുന്നു. ഡാറ്റ തന്നെ ന്യായമാണെന്ന് നമുക്കെല്ലാവർക്കും അംഗീകരിക്കാൻ കഴിയും. നിങ്ങൾ ഡാറ്റ സെറ്റുകൾ സൂക്ഷ്മമായി പരിശോധിക്കുകയാണെങ്കിൽ, ആ ഡാറ്റ ശേഖരിച്ച ഓർഗനൈസേഷനുകളുടെ എല്ലാ അപൂർണതകളും നിങ്ങൾ കാണും:

  • എഞ്ചിനീയർമാർ ഒരു പ്രശ്‌നത്തിലൂടെ സംസാരിക്കാത്ത മൂല്യങ്ങൾ നഷ്‌ടമായി 
  • ആരും ശ്രദ്ധിക്കാത്തതും ദശാംശസ്ഥാനങ്ങളുടെ എണ്ണം ആരും ചർച്ച ചെയ്യാത്തതുമായ തെറ്റായ ഫോർമാറ്റുകൾ
  • കൈമാറ്റത്തിന്റെ ഫോർമാറ്റ് (ബാച്ച് അല്ലെങ്കിൽ സ്ട്രീം) ആർക്കും അറിയാത്തതും ആർക്കാണ് ഡാറ്റ ലഭിക്കേണ്ടതും എന്ന് ആശയവിനിമയം വൈകുന്നു

അതിനാലാണ് ഡാറ്റാ എക്സ്ചേഞ്ച് സിസ്റ്റങ്ങൾ ഞങ്ങളുടെ അപൂർണതകൾ പൂർണ്ണമായും വെളിപ്പെടുത്തുന്നത്.

ടൂൾ സ്പെഷ്യലിസ്റ്റുകൾ, വർക്ക്ഫ്ലോ വിദഗ്ധർ, മാനേജർമാർ, ഈ ആളുകൾക്കിടയിലെ ആശയവിനിമയം എന്നിവയുടെ നേട്ടമാണ് ഡാറ്റ ഗുണമേന്മ.

മൾട്ടിഡിസിപ്ലിനറി ടീമുകൾക്കുള്ള ഏറ്റവും മികച്ചതും മോശവുമായ ആശയവിനിമയ ഘടനകൾ

ഒരു മാർടെക് അല്ലെങ്കിൽ മാർക്കറ്റിംഗ് അനലിറ്റിക്സ് കമ്പനിയിലെ ഒരു സാധാരണ പ്രോജക്റ്റ് ടീമിൽ ബിസിനസ് ഇന്റലിജൻസ് (ബിഐ) സ്പെഷ്യലിസ്റ്റുകൾ, ഡാറ്റ ശാസ്ത്രജ്ഞർ, ഡിസൈനർമാർ, വിപണനക്കാർ, അനലിസ്റ്റുകൾ, പ്രോഗ്രാമർമാർ (ഏതെങ്കിലും സംയോജനത്തിൽ) ഉൾപ്പെടുന്നു.

ആശയവിനിമയത്തിന്റെ പ്രാധാന്യം മനസ്സിലാകാത്ത ഒരു ടീമിൽ എന്ത് സംഭവിക്കും? നമുക്ക് കാണാം. പ്രോഗ്രാമർമാർ വളരെക്കാലം കോഡ് എഴുതുകയും കഠിനമായി പരിശ്രമിക്കുകയും ചെയ്യും, അതേസമയം ടീമിന്റെ മറ്റൊരു ഭാഗം ബാറ്റൺ പാസാകുന്നതുവരെ കാത്തിരിക്കും. അവസാനം, ബീറ്റ പതിപ്പ് പുറത്തിറങ്ങും, എന്തുകൊണ്ടാണ് ഇത്രയധികം സമയമെടുത്തതെന്ന് എല്ലാവരും പിറുപിറുക്കും. ആദ്യത്തെ ന്യൂനത ദൃശ്യമാകുമ്പോൾ, എല്ലാവരും കുറ്റപ്പെടുത്താൻ മറ്റൊരാളെ തിരയാൻ തുടങ്ങും, പക്ഷേ അവിടെയെത്തിയ സാഹചര്യം ഒഴിവാക്കാനുള്ള വഴികൾക്കല്ല. 

കൂടുതൽ ആഴത്തിൽ നോക്കുകയാണെങ്കിൽ, പരസ്പര ലക്ഷ്യങ്ങൾ ശരിയായി മനസ്സിലായില്ലെന്ന് ഞങ്ങൾ കാണും (അല്ലെങ്കിൽ എല്ലാം). അത്തരമൊരു സാഹചര്യത്തിൽ, കേടായ അല്ലെങ്കിൽ തെറ്റായ ഉൽപ്പന്നം ഞങ്ങൾക്ക് ലഭിക്കും. 

മൾട്ടി-ഡിസിപ്ലിനറി ടീമുകളെ പ്രോത്സാഹിപ്പിക്കുക

ഈ സാഹചര്യത്തിന്റെ മോശം സവിശേഷതകൾ:

  • അപര്യാപ്തമായ ഇടപെടൽ
  • വേണ്ടത്ര പങ്കാളിത്തം
  • സഹകരണത്തിന്റെ അഭാവം
  • വിശ്വാസക്കുറവ്

നമുക്ക് അത് എങ്ങനെ പരിഹരിക്കാനാകും? അക്ഷരാർത്ഥത്തിൽ ആളുകളെ സംസാരിക്കുന്നതിലൂടെ. 

മൾട്ടിഡിസിപ്ലിനറി ടീമുകളെ പ്രോത്സാഹിപ്പിക്കുക

എല്ലാവരേയും ഒരുമിച്ചുകൂട്ടാം, ചർച്ചാവിഷയങ്ങൾ ക്രമീകരിക്കാം, പ്രതിവാര മീറ്റിംഗുകൾ ഷെഡ്യൂൾ ചെയ്യാം: ബിഐയുമായുള്ള മാർക്കറ്റിംഗ്, ഡിസൈനർമാരുമായുള്ള പ്രോഗ്രാമർമാർ, ഡാറ്റ സ്പെഷ്യലിസ്റ്റുകൾ. ആളുകൾ പ്രോജക്റ്റിനെക്കുറിച്ച് സംസാരിക്കുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു. ടീം അംഗങ്ങൾ ഇപ്പോഴും മുഴുവൻ പ്രോജക്റ്റിനെക്കുറിച്ചും സംസാരിക്കുന്നില്ല, മാത്രമല്ല മുഴുവൻ ടീമുമായും സംസാരിക്കാത്തതിനാൽ ഇത് ഇപ്പോഴും പര്യാപ്തമല്ല. പതിനായിരക്കണക്കിന് മീറ്റിംഗുകൾ ഉപയോഗിച്ച് മഞ്ഞുവീഴുന്നത് എളുപ്പമാണ്, പുറത്തുപോകാനുള്ള വഴിയുമില്ല, ജോലി ചെയ്യാൻ സമയമില്ല. മീറ്റിംഗുകൾക്ക് ശേഷമുള്ള ആ സന്ദേശങ്ങൾ ബാക്കി സമയത്തെയും അടുത്തതായി എന്തുചെയ്യണമെന്നതിനെയും മനസ്സിലാക്കും. 

അതുകൊണ്ടാണ് മീറ്റിംഗ് ആദ്യ പടി മാത്രമാണ്. ഞങ്ങൾക്ക് ഇപ്പോഴും ചില പ്രശ്‌നങ്ങളുണ്ട്:

  • മോശം ആശയവിനിമയം
  • പരസ്പര ലക്ഷ്യങ്ങളുടെ അഭാവം
  • അപര്യാപ്തമായ ഇടപെടൽ

ചില സമയങ്ങളിൽ, ആളുകൾ പ്രോജക്റ്റിനെക്കുറിച്ചുള്ള പ്രധാന വിവരങ്ങൾ സഹപ്രവർത്തകർക്ക് കൈമാറാൻ ശ്രമിക്കുന്നു. എന്നാൽ സന്ദേശം ലഭിക്കുന്നതിനുപകരം, ശ്രുതി യന്ത്രം അവർക്കായി എല്ലാം ചെയ്യുന്നു. ആളുകൾ‌ക്ക് അവരുടെ ചിന്തകളും ആശയങ്ങളും എങ്ങനെ ശരിയായി പങ്കിടാമെന്ന് അറിയാത്തപ്പോൾ‌, സ്വീകർ‌ത്താവിലേക്കുള്ള വഴിയിൽ‌ വിവരങ്ങൾ‌ നഷ്‌ടപ്പെടും. 

ആശയവിനിമയ പ്രശ്‌നങ്ങളുമായി പൊരുതുന്ന ഒരു കമ്പനിയുടെ ലക്ഷണങ്ങളാണിവ. ഇത് മീറ്റിംഗുകളിലൂടെ അവരെ സുഖപ്പെടുത്താൻ തുടങ്ങുന്നു. എന്നാൽ ഞങ്ങൾക്ക് എല്ലായ്പ്പോഴും മറ്റൊരു പരിഹാരമുണ്ട്.

പ്രോജക്റ്റിനെക്കുറിച്ച് ആശയവിനിമയം നടത്താൻ എല്ലാവരേയും നയിക്കുക. 

ടീമുകളിലെ മൾട്ടി-ഡിസിപ്ലിനറി ആശയവിനിമയം

ഈ സമീപനത്തിന്റെ മികച്ച സവിശേഷതകൾ:

  • സുതാര്യത
  • പങ്കാളിത്തം
  • അറിവും നൈപുണ്യ കൈമാറ്റവും
  • നിർത്താതെയുള്ള വിദ്യാഭ്യാസം

ഇത് വളരെ സങ്കീർണ്ണമായ ഒരു ഘടനയാണ്, അത് സൃഷ്ടിക്കാൻ പ്രയാസമാണ്. ഈ സമീപനം സ്വീകരിക്കുന്ന കുറച്ച് ചട്ടക്കൂടുകൾ നിങ്ങൾക്ക് അറിയാം: എജൈൽ, മെലിഞ്ഞ, സ്‌ക്രം. നിങ്ങൾ എന്ത് പേരുനൽകിയാലും പ്രശ്‌നമില്ല; അവയെല്ലാം നിർമ്മിച്ചിരിക്കുന്നത് “എല്ലാം ഒരേ സമയം ഒരുമിച്ച് ഉണ്ടാക്കുക” എന്ന തത്വത്തിലാണ്. ആ കലണ്ടറുകൾ, ടാസ്‌ക് ക്യൂകൾ, ഡെമോ അവതരണങ്ങൾ, സ്റ്റാൻഡ്-അപ്പ് മീറ്റിംഗുകൾ എന്നിവയെല്ലാം ആളുകളെ പ്രോജക്റ്റിനെക്കുറിച്ച് പതിവായി സംസാരിക്കാൻ പ്രേരിപ്പിക്കുന്നു.

അതുകൊണ്ടാണ് എനിക്ക് എജിലിനെ വളരെയധികം ഇഷ്ടപ്പെടുന്നത്, കാരണം പ്രോജക്റ്റ് അതിജീവനത്തിന് ഒരു മുൻവ്യവസ്ഥയായി ആശയവിനിമയത്തിന്റെ പ്രാധാന്യം ഇതിൽ ഉൾപ്പെടുന്നു.

നിങ്ങൾ എജിലിനെ ഇഷ്ടപ്പെടാത്ത ഒരു അനലിസ്റ്റാണെന്ന് നിങ്ങൾ കരുതുന്നുവെങ്കിൽ, മറ്റൊരു വഴി നോക്കുക: നിങ്ങളുടെ സൃഷ്ടിയുടെ ഫലങ്ങൾ കാണിക്കാൻ ഇത് നിങ്ങളെ സഹായിക്കുന്നു - നിങ്ങളുടെ പ്രോസസ്സ് ചെയ്ത എല്ലാ ഡാറ്റയും, മികച്ച ഡാഷ്‌ബോർഡുകളും നിങ്ങളുടെ ഡാറ്റ സെറ്റുകളും - ആളുകളെ സൃഷ്ടിക്കുന്നതിന് നിങ്ങളുടെ ശ്രമങ്ങളെ അഭിനന്ദിക്കുന്നു. അത് ചെയ്യുന്നതിന്, നിങ്ങളുടെ സഹപ്രവർത്തകരെ കണ്ടുമുട്ടുകയും അവരുമായി റ round ണ്ട് ടേബിളിൽ സംസാരിക്കുകയും വേണം.

അടുത്തത് എന്താണ്? എല്ലാവരും പദ്ധതിയെക്കുറിച്ച് സംസാരിക്കാൻ തുടങ്ങി. ഇപ്പോൾ ഞങ്ങൾക്ക് ഉണ്ട് ഗുണനിലവാരം തെളിയിക്കാൻ പദ്ധതിയുടെ. ഇത് ചെയ്യുന്നതിന്, കമ്പനികൾ സാധാരണയായി ഉയർന്ന പ്രൊഫഷണൽ യോഗ്യതകളുള്ള ഒരു കൺസൾട്ടന്റിനെ നിയമിക്കുന്നു. 

ഒരു നല്ല കൺസൾട്ടന്റിന്റെ പ്രധാന മാനദണ്ഡം (ഞാൻ ഒരു കൺസൾട്ടന്റായതിനാൽ എനിക്ക് നിങ്ങളോട് പറയാൻ കഴിയും) പ്രോജക്റ്റിലെ അദ്ദേഹത്തിന്റെ ഇടപെടൽ നിരന്തരം കുറയ്ക്കുകയാണ്.

ഒരു കൺസൾട്ടന്റിന് ഒരു കമ്പനിക്ക് ചെറിയ പ്രൊഫഷണൽ രഹസ്യങ്ങൾ നൽകാനാവില്ല, കാരണം ഇത് കമ്പനിയെ പക്വതയും സ്വയംപര്യാപ്തവുമാക്കി മാറ്റില്ല. നിങ്ങളുടെ കൺസൾട്ടന്റ് ഇല്ലാതെ നിങ്ങളുടെ കമ്പനിക്ക് ഇതിനകം ജീവിക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, നിങ്ങൾക്ക് ലഭിച്ച സേവനത്തിന്റെ ഗുണനിലവാരം നിങ്ങൾ പരിഗണിക്കണം. 

വഴിയിൽ, ഒരു കൺസൾട്ടന്റ് റിപ്പോർട്ടുകൾ ഉണ്ടാക്കുകയോ നിങ്ങൾക്കായി ഒരു അധിക ജോഡി കൈകളാകുകയോ ചെയ്യരുത്. അതിനായി നിങ്ങളുടെ സഹപ്രവർത്തകരുണ്ട്.

ഡെലിഗേഷനല്ല, വിദ്യാഭ്യാസത്തിനായി വിപണനക്കാരെ നിയമിക്കുക

ഒരു കൺസൾട്ടന്റിനെ നിയമിക്കുന്നതിന്റെ പ്രധാന ലക്ഷ്യം വിദ്യാഭ്യാസം, ഘടനകളും പ്രക്രിയകളും പരിഹരിക്കുക, ആശയവിനിമയം സുഗമമാക്കുക എന്നിവയാണ്. ഒരു കൺസൾട്ടൻറിൻറെ പങ്ക് പ്രതിമാസ റിപ്പോർട്ടിംഗല്ല, മറിച്ച് സ്വയം അല്ലെങ്കിൽ സ്വയം പ്രോജക്റ്റിൽ ഉൾപ്പെടുത്തുകയും ടീമിന്റെ ദൈനംദിന ദിനചര്യയിൽ പൂർണ്ണമായും ഏർപ്പെടുകയും ചെയ്യുക എന്നതാണ്.

ഒരു നല്ല തന്ത്രപരമായ മാർക്കറ്റിംഗ് കൺസൾട്ടന്റ് പ്രോജക്റ്റ് പങ്കാളികളുടെ അറിവിലും മനസ്സിലാക്കലിലും വിടവുകൾ നിറയ്ക്കുന്നു. പക്ഷേ, അവൻ അല്ലെങ്കിൽ അവൾ ഒരിക്കലും ആർക്കെങ്കിലും വേണ്ടി ജോലി ചെയ്യാൻ പാടില്ല. ഒരു ദിവസം, കൺസൾട്ടന്റ് ഇല്ലാതെ എല്ലാവരും നന്നായി പ്രവർത്തിക്കേണ്ടതുണ്ട്. 

മന്ത്രവാദ വേട്ടയുടെയും വിരൽ ചൂണ്ടുന്നതിന്റെയും അഭാവമാണ് ഫലപ്രദമായ ആശയവിനിമയത്തിന്റെ ഫലങ്ങൾ. ഒരു ടാസ്‌ക് ആരംഭിക്കുന്നതിന് മുമ്പ് ആളുകൾ അവരുടെ സംശയങ്ങളും ചോദ്യങ്ങളും മറ്റ് ടീം അംഗങ്ങളുമായി പങ്കിടുന്നു. അതിനാൽ, ജോലി ആരംഭിക്കുന്നതിന് മുമ്പ് മിക്ക പ്രശ്‌നങ്ങളും പരിഹരിക്കപ്പെടും. 

മാർക്കറ്റിംഗ് വിശകലന ജോലിയുടെ ഏറ്റവും സങ്കീർണ്ണമായ ഭാഗത്തെ ഇതെല്ലാം എങ്ങനെ സ്വാധീനിക്കുന്നുവെന്ന് നമുക്ക് നോക്കാം: ഡാറ്റാ ഫ്ലോകൾ നിർവചിക്കുന്നതും ഡാറ്റ ലയിപ്പിക്കുന്നതും.

ഡാറ്റാ കൈമാറ്റത്തിലും പ്രോസസിംഗിലും ആശയവിനിമയ ഘടന എങ്ങനെ പ്രതിഫലിക്കുന്നു?

ട്രാഫിക് ഡാറ്റ, ഇ-കൊമേഴ്‌സ് ഉൽപ്പന്ന ഡാറ്റ / ലോയൽറ്റി പ്രോഗ്രാമിൽ നിന്നുള്ള വാങ്ങൽ ഡാറ്റ, മൊബൈൽ അനലിറ്റിക്‌സ് ഡാറ്റ: ഞങ്ങൾക്ക് മൂന്ന് ഉറവിടങ്ങൾ ഉണ്ടെന്ന് കരുതുക. ഡാറ്റ പ്രോസസ്സിംഗ് ഘട്ടങ്ങളിലൂടെ ഓരോന്നായി ഞങ്ങൾ പോകും, ​​ആ ഡാറ്റയെല്ലാം Google ക്ലൗഡിലേക്ക് സ്ട്രീം ചെയ്യുന്നത് മുതൽ ദൃശ്യവൽക്കരണത്തിനായി എല്ലാം അയയ്ക്കുന്നത് Google ഡാറ്റ സ്റ്റുഡിയോ സഹായത്തോടെ Google BigQuery

ഞങ്ങളുടെ ഉദാഹരണത്തെ അടിസ്ഥാനമാക്കി, ഡാറ്റാ പ്രോസസ്സിംഗിന്റെ ഓരോ ഘട്ടത്തിലും വ്യക്തമായ ആശയവിനിമയം ഉറപ്പാക്കാൻ ആളുകൾ എന്ത് ചോദ്യങ്ങൾ ചോദിക്കണം?

  • വിവരശേഖരണ ഘട്ടം. പ്രധാനപ്പെട്ട എന്തെങ്കിലും അളക്കാൻ ഞങ്ങൾ മറന്നാൽ, ഞങ്ങൾക്ക് കൃത്യസമയത്ത് പോയി അത് വീണ്ടും കണക്കാക്കാൻ കഴിയില്ല. മുൻകൂട്ടി പരിഗണിക്കേണ്ട കാര്യങ്ങൾ:
    • ഏറ്റവും പ്രധാനപ്പെട്ട പാരാമീറ്ററുകളുടെയും വേരിയബിളുകളുടെയും പേരിടാൻ ഞങ്ങൾക്ക് അറിയില്ലെങ്കിൽ, എല്ലാ കുഴപ്പങ്ങളെയും എങ്ങനെ കൈകാര്യം ചെയ്യാം?
    • ഇവന്റുകൾ എങ്ങനെ ഫ്ലാഗുചെയ്യും?
    • തിരഞ്ഞെടുത്ത ഡാറ്റ ഫ്ലോകൾക്കായുള്ള അദ്വിതീയ ഐഡന്റിഫയർ എന്തായിരിക്കും?
    • സുരക്ഷയും സ്വകാര്യതയും ഞങ്ങൾ എങ്ങനെ പരിപാലിക്കും? 
    • വിവരശേഖരണത്തിന് പരിമിതികളുള്ളിടത്ത് ഞങ്ങൾ എങ്ങനെ ഡാറ്റ ശേഖരിക്കും?
  • ഡാറ്റ ലയിപ്പിക്കുന്നത് സ്ട്രീമിലേക്ക് ഒഴുകുന്നു. ഇനിപ്പറയുന്നവ പരിഗണിക്കുക:
    • പ്രധാന ഇടി‌എൽ തത്ത്വങ്ങൾ: ഇത് ഒരു ബാച്ച് അല്ലെങ്കിൽ സ്ട്രീം തരം ഡാറ്റാ കൈമാറ്റമാണോ? 
    • സ്ട്രീം, ബാച്ച് ഡാറ്റ കൈമാറ്റങ്ങളുടെ സംയോജനം ഞങ്ങൾ എങ്ങനെ അടയാളപ്പെടുത്തും? 
    • നഷ്ടങ്ങളും തെറ്റുകളും കൂടാതെ ഒരേ ഡാറ്റ സ്കീമയിൽ ഞങ്ങൾ അവ എങ്ങനെ ക്രമീകരിക്കും?
    • സമയവും കാലക്രമവും സംബന്ധിച്ച ചോദ്യങ്ങൾ: ടൈംസ്റ്റാമ്പുകൾ ഞങ്ങൾ എങ്ങനെ പരിശോധിക്കും? 
    • ടൈംസ്റ്റാമ്പുകൾക്കുള്ളിൽ ഡാറ്റ നവീകരണവും സമ്പുഷ്ടീകരണവും ശരിയായി പ്രവർത്തിക്കുന്നുണ്ടോ എന്ന് നമുക്ക് എങ്ങനെ അറിയാനാകും?
    • ഹിറ്റുകൾ ഞങ്ങൾ എങ്ങനെ സാധൂകരിക്കും? അസാധുവായ ഹിറ്റുകളിൽ എന്ത് സംഭവിക്കും?

  • ഡാറ്റ സമാഹരണ ഘട്ടം. പരിഗണിക്കേണ്ട കാര്യങ്ങൾ:
    • ETL പ്രോസസ്സുകൾക്കായുള്ള പ്രത്യേക ക്രമീകരണങ്ങൾ: അസാധുവായ ഡാറ്റയുമായി ഞങ്ങൾ എന്തുചെയ്യണം?
      പാച്ച് ചെയ്യുകയോ ഇല്ലാതാക്കുകയോ? 
    • അതിൽ നിന്ന് നമുക്ക് ലാഭം ലഭിക്കുമോ? 
    • മുഴുവൻ ഡാറ്റാ സെറ്റിന്റെയും ഗുണനിലവാരത്തെ ഇത് എങ്ങനെ ബാധിക്കും?

ഈ ഘട്ടങ്ങൾക്കെല്ലാം ആദ്യത്തെ തത്വം തെറ്റുകൾ പരസ്പരം അടുക്കി വയ്ക്കുകയും പരസ്പരം പാരമ്പര്യമായി ലഭിക്കുകയും ചെയ്യുന്നു എന്നതാണ്. ആദ്യ ഘട്ടത്തിൽ ഒരു ന്യൂനത ഉപയോഗിച്ച് ശേഖരിച്ച ഡാറ്റ തുടർന്നുള്ള എല്ലാ ഘട്ടങ്ങളിലും നിങ്ങളുടെ തല ചെറുതായി കത്തുന്നതാക്കും. രണ്ടാമത്തെ ഗുണനിലവാരം നിങ്ങൾ ഡാറ്റാ ഗുണനിലവാര ഉറപ്പിനായി പോയിന്റുകൾ തിരഞ്ഞെടുക്കണം എന്നതാണ്. അഗ്രഗേഷൻ ഘട്ടത്തിൽ, എല്ലാ ഡാറ്റയും ഒരുമിച്ച് ചേർക്കും, കൂടാതെ മിശ്രിത ഡാറ്റയുടെ ഗുണനിലവാരത്തെ സ്വാധീനിക്കാൻ നിങ്ങൾക്ക് കഴിയില്ല. മെഷീൻ ലേണിംഗ് പ്രോജക്റ്റുകൾക്ക് ഇത് വളരെ പ്രധാനമാണ്, അവിടെ ഡാറ്റയുടെ ഗുണനിലവാരം മെഷീൻ പഠന ഫലങ്ങളുടെ ഗുണനിലവാരത്തെ ബാധിക്കും. കുറഞ്ഞ നിലവാരമുള്ള ഡാറ്റ ഉപയോഗിച്ച് നല്ല ഫലങ്ങൾ നേടാനാവില്ല.

  • ദൃശ്യവൽക്കരണം
    ഇതാണ് സിഇഒ ഘട്ടം. സി‌ഇ‌ഒ ഡാഷ്‌ബോർ‌ഡിലെ നമ്പറുകൾ‌ നോക്കി നിങ്ങൾ‌ പറയുന്ന സാഹചര്യത്തെക്കുറിച്ച് നിങ്ങൾ‌ കേട്ടിരിക്കാം: “ശരി, ഞങ്ങൾ‌ക്ക് ഈ വർഷം വളരെയധികം ലാഭം ലഭിച്ചു, മുമ്പത്തേതിനേക്കാളും, പക്ഷേ എന്തുകൊണ്ടാണ് റെഡ് സോണിലെ എല്ലാ സാമ്പത്തിക പാരാമീറ്ററുകളും ? ” ഈ നിമിഷം, തെറ്റുകൾ അന്വേഷിക്കാൻ വളരെ വൈകിയിരിക്കുന്നു, കാരണം അവ വളരെക്കാലം മുമ്പ് പിടിക്കപ്പെടേണ്ടതായിരുന്നു.

എല്ലാം ആശയവിനിമയത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഒപ്പം സംഭാഷണ വിഷയങ്ങളിലും. Yandex സ്ട്രീമിംഗ് തയ്യാറാക്കുമ്പോൾ ചർച്ച ചെയ്യേണ്ട കാര്യങ്ങളുടെ ഒരു ഉദാഹരണം ഇതാ:

മാർക്കറ്റിംഗ് BI: സ്നോപ്ലോ, Google Analytics, Yandex

ഈ ചോദ്യങ്ങൾ‌ക്കുള്ള ഉത്തരങ്ങൾ‌ നിങ്ങളുടെ മുഴുവൻ‌ ടീമിനൊപ്പം മാത്രം നിങ്ങൾ‌ കണ്ടെത്തും. കാരണം, ആശയം മറ്റുള്ളവരുമായി പരീക്ഷിക്കാതെ ആരെങ്കിലും ess ഹിക്കുന്നതിനോ വ്യക്തിപരമായ അഭിപ്രായത്തിനോ അടിസ്ഥാനമാക്കി തീരുമാനമെടുക്കുമ്പോൾ, തെറ്റുകൾ പ്രത്യക്ഷപ്പെടാം.

സങ്കീർണ്ണതകൾ എല്ലായിടത്തും ഉണ്ട്, ലളിതമായ സ്ഥലങ്ങളിൽ പോലും.

ഇതാ ഒരു ഉദാഹരണം കൂടി: ഉൽപ്പന്ന കാർഡുകളുടെ ഇംപ്രഷൻ സ്‌കോറുകൾ ട്രാക്കുചെയ്യുമ്പോൾ, ഒരു വിശകലനം ഒരു പിശക് ശ്രദ്ധിക്കുന്നു. ഹിറ്റ് ഡാറ്റയിൽ, എല്ലാ ബാനറുകളിൽ നിന്നും ഉൽപ്പന്ന കാർഡുകളിൽ നിന്നുമുള്ള എല്ലാ ഇംപ്രഷനുകളും പേജ് ലോഡ് ചെയ്തയുടനെ അയച്ചു. ഉപയോക്താവ് പേജിലെ എല്ലാം ശരിക്കും നോക്കിയിട്ടുണ്ടോ എന്ന് ഞങ്ങൾക്ക് ഉറപ്പില്ല. ഇതിനെക്കുറിച്ച് വിശദമായി അറിയിക്കാൻ അനലിസ്റ്റ് ടീമിലേക്ക് വരുന്നു.

ഞങ്ങൾക്ക് സാഹചര്യം അത്തരത്തിൽ ഉപേക്ഷിക്കാൻ കഴിയില്ലെന്ന് ബി.ഐ.

ഉൽ‌പ്പന്നം കാണിച്ചിട്ടുണ്ടോ എന്ന് ഉറപ്പാക്കാൻ പോലും കഴിയുന്നില്ലെങ്കിൽ നമുക്ക് എങ്ങനെ സി‌പി‌എം കണക്കാക്കാം? അപ്പോൾ ചിത്രങ്ങൾക്ക് യോഗ്യതയുള്ള CTR എന്താണ്?

വിപണനക്കാർ ഉത്തരം നൽകുന്നു:

എല്ലാവരേയും നോക്കൂ, മികച്ച സി‌ടി‌ആർ കാണിക്കുന്ന ഒരു റിപ്പോർട്ട് ഞങ്ങൾക്ക് സൃഷ്ടിക്കാനും മറ്റ് സ്ഥലങ്ങളിൽ സമാനമായ ക്രിയേറ്റീവ് ബാനറിനോ ഫോട്ടോയ്‌ക്കോ എതിരായി അത് പരിശോധിക്കാനും കഴിയും.

തുടർന്ന് ഡവലപ്പർമാർ പറയും:

അതെ, സ്ക്രോൾ ട്രാക്കിംഗിനും വിഷയ ദൃശ്യപരത പരിശോധനയ്ക്കുമായുള്ള ഞങ്ങളുടെ പുതിയ സംയോജനത്തിന്റെ സഹായത്തോടെ ഞങ്ങൾക്ക് ഈ പ്രശ്നം പരിഹരിക്കാൻ കഴിയും.

അവസാനമായി, യുഐ / യുഎക്സ് ഡിസൈനർമാർ പറയുന്നു:

അതെ! ഞങ്ങൾക്ക് അലസമായ അല്ലെങ്കിൽ ശാശ്വതമായ സ്ക്രോൾ അല്ലെങ്കിൽ പേജിനേഷൻ ആവശ്യമുണ്ടെങ്കിൽ നമുക്ക് തിരഞ്ഞെടുക്കാം!

ഈ ചെറിയ ടീം കടന്നുപോയ ഘട്ടങ്ങൾ ഇതാ:

  1. പ്രശ്നം നിർവചിച്ചു
  2. പ്രശ്നത്തിന്റെ ബിസിനസ്സ് അനന്തരഫലങ്ങൾ അവതരിപ്പിച്ചു
  3. മാറ്റങ്ങളുടെ ആഘാതം അളന്നു
  4. സാങ്കേതിക തീരുമാനങ്ങൾ അവതരിപ്പിച്ചു
  5. നിസ്സാരമല്ലാത്ത ലാഭം കണ്ടെത്തി

ഈ പ്രശ്നം പരിഹരിക്കുന്നതിന്, അവർ എല്ലാ സിസ്റ്റങ്ങളിൽ നിന്നുമുള്ള ഡാറ്റ ശേഖരണം പരിശോധിക്കണം. ഡാറ്റ സ്കീമയുടെ ഒരു ഭാഗത്തെ ഭാഗിക പരിഹാരം ബിസിനസ്സ് പ്രശ്നം പരിഹരിക്കില്ല.

ഡിസൈൻ ക്രമീകരിക്കുക

അതിനാലാണ് ഞങ്ങൾ ഒരുമിച്ച് പ്രവർത്തിക്കേണ്ടത്. ഓരോ ദിവസവും ഡാറ്റ ഉത്തരവാദിത്തത്തോടെ ശേഖരിക്കേണ്ടതാണ്, അത് ചെയ്യുന്നത് കഠിനാധ്വാനമാണ്. ഒപ്പം ഡാറ്റയുടെ ഗുണനിലവാരം നേടേണ്ടതുണ്ട് ശരിയായ ആളുകളെ നിയമിക്കുക, ശരിയായ ഉപകരണങ്ങൾ വാങ്ങുക, ഫലപ്രദമായ ആശയവിനിമയ ഘടനകൾ നിർമ്മിക്കുന്നതിന് പണവും സമയവും പരിശ്രമവും നിക്ഷേപിക്കുക, അവ ഒരു ഓർഗനൈസേഷന്റെ വിജയത്തിന് പ്രധാനമാണ്.

നീ എന്ത് ചിന്തിക്കുന്നു?

സ്പാം കുറയ്ക്കുന്നതിന് ഈ സൈറ്റ് Akismet ഉപയോഗിക്കുന്നു. നിങ്ങളുടെ അഭിപ്രായ ഡാറ്റ പ്രോസസ്സുചെയ്യുന്നത് എങ്ങനെയെന്നറിയുക.