数据科学不仅仅是一个时髦词，它是一种有利可图的做法，需要成为每个公司保留战略的一部分。现在收集的数据太多了，如果你不进行分析和操作，你就错过了一座金矿。我曾与数百家公司合作过，你会惊讶地发现，一旦你正确地使用你的数据，成功的模式是多么清晰。这篇博文是一个更广泛的系列文章的开始，它将带您了解最新的方法来思考基础数据科学概念。你将得到一个先进的主题，战术的最佳实践，以及一些流行文化的参考。首先，我将带您穿越数据世界，探索数据的主要来源。什么是数据科学？数据科学有助于公司从数据中提炼出意义并加以操作，这样他们就可以构建更好的流程。现代公司使用了如此多的技术解决方案，数据变得完全不同，很难一起编译来创建超维视图。在Gainsight，我们称这种超维视图为客户的360度视图。像这样的大量数据集被恰当地称为"大数据"。要从中获得见解需要付出巨大的努力，而这正是数据科学的用武之地。数据科学家使用统计工具、算法和机器学习模型来组织和理解大数据。数据科学是公司可以利用的最强大的工具之一，它直接影响到公司的预测能力和主动性。数据世界和主要数据源类型你还记得学过原色吗？有红色、黄色和蓝色，我们所知道的所有颜色都是由这三种原色构成的。您也可以将这种思想应用于数据收集。每个企业都有一个由相互连接的数据对象组成的生态系统，这些数据对象可以看作是一个集合。大约有8个主要数据源，所有数据都是从这些数据源收集的（有一些例外，但我们将在以后保存这些数据源）。熟悉这些主要数据源将允许您将自己的数据集组合在一起。但你不能一个人做。成功的数据科学战略的关键因素之一是建立部门间的关系，这样您就可以访问所有这些类型的数据源，并跨职能部门努力将所学知识付诸行动。我已经划分并定义了以下数据源，以便我们更容易地构建一个我们将用来接管整个宇宙的框架！不，说真的-"宇宙"是数据科学中用来描述集合中一系列数据源之间关系的术语。我会到处用这个词。下面是八种主要的数据源类型：基于实体的数据源：维度维度是一个定性的数据源类别。因为它们大多是定性的，而不是定量的，所以维度并不是一个总和。例如，sales region、employee、location或date是维度。在大多数情况下，数据科学中的维度是由相关的临时常量组成的，这些常量用作描述符或定义数据世界中交互的实体。在这种情况下，员工数量也是一个维度。定义产品的各个方面，例如价格手册或用于描述客户账户的描述符（即行业和规模）都是维度。这些资源主要用于为分类和分段问题提供答案。人口统计学人口统计数据包括联系人或客户的行业、规模、地区、产品线等信息。。宇宙中的所有实体都有人口统计学的维度。大多数人都熟悉账户数据或人口统计数据作为一个整体，但你可能会惊讶地听到你可能错误地使用它。人口统计数据相对平稳，这意味着它是静态的或缓慢变化的。然而，企业通常在操作上而不是策略上使用这类数据。虽然人口统计学数据可以用于策略性地构建过程，但人口统计数据影响的是过程变化之前的认知分析。我认为，人口统计数据的最佳使用是以组合的方式对客户进行细分，并将他们的业绩与其他数据集进行比较。例如，确定哪个细分市场从专业服务项目中受益最大，或者确定哪些产品功能在生命周期的每个阶段拥有最多的票证。通过预先了解您的人口统计报告需求，并使用这些见解来支持您的操作请求，您可以为您的运营团队节省大量时间。主记录主记录是客户或内部团队在流程中使用的任何对象。它可以是产品、事件、活动或服务的列表。例如，当您销售一个产品时，它会存储在合同文件中，或者当市场部发送电子邮件时，会将收件人添加到活动中。一个客户可以在一生中购买多个产品，参加许多活动，甚至参与多个活动。主记录将这些数据集分组并组织为查找文件。如果您想知道一个重大事件对客户的影响有多大，这就是可以回答这个问题的数据源。所有存储事件维度的对象（如日期、位置、产品或服务）都存储在它们自己的主记录中基于时间/关系的数据源：度量/值度量是数学函数和投影可以处理的数值。例如，用户登录列是一个度量，trustdata大数据，因为您可以找到数据的总数或平均值。在大多数情况下，数据科学中的度量/值与表示实体之间交互作用的基于时间和关系的变量绑定在一起。例如，一个帐户为10个用户购买了三个产品的访问权限，每个用户总共可以访问五个功能。这种关系中的五个实体是帐户、用户、我们的公司、产品和特性。在这个数据世界中，五个实体之间的相互作用将通过度量或值来跟踪。例如，用户数、每周登录次数和使用的功能数量。这些基于客户价值的数据源和基于客户价值的测量数据之间的关系。重要的是，以下所有的数据源都要有足够的查找所有主记录和它们有关系的人口统计资产。这使得按任何类别、分部或内部/外部维度进行报告变得更加容易，而不需要复杂的工作。订阅数据订阅数据最好被认为是反映您与客户之间的合同或工作说明书（SOW）结果的任何指标或值。这包括MRR/ARR、用户、许可证、学分或机会。订阅数据将帮助您设置目标。例如，如果一个客户购买了10个用户的订阅，则需要对其进行历史记录和跟踪。每个基于角色的用户都应该有一组采用度量标准，大数据啥意思，量化公司整体用户激活的健康深度和广度。这种方法确保所有利益相关者都是一致的，大数据啥意思，并且您的客户流程将与采购订单中直接列出的数字相匹配。我们称之为"采购订单平价"。如果他们的合同中有任何定制消耗品（如信用额度或服务时间）的附加条款，那么您应该在客户层面上跟踪这一点，并根据交付、续约和追加销售增长计划来衡量成功与否。下面的资料来源是用来回答这样一个问题："我们如何对这些订阅措施产生最大的影响？"支持/案例数据如果你打过电话给客户支持团队，你就是他们系统中的数据！无论何时联系客户支持，谈话后都会给你一个案例编号。好吧，这个数据源就是关于这个约定的数据存储的地方。支持数据主要用于跟踪风险、产品/服务中的差距以及文档需求。客户通常在流程、体验或功能发生故障时创建票据。即使您是一家没有大量客户数据的内部公司，支持和案例数据也是您通常可以利用的通用数据源。虽然仅仅围绕支持来调整公司只会导致您做出反应，但支持是识别面向客户流程中的差距的关键功能。通过这些互动跟踪的数据可用于主持定期会议，在会上，您可以进行认知分析，物联网公司排名，与您的支持团队共享。确保他们跟踪的内容包括严重性、优先级、升级、打开的时间/天数和接触点的数量。客户提出的问题和数据会告诉你最重要的问题是什么。准备数据准备数据包括培训、入职、实施、里程碑和专业服务的信息。这些数据可以像支持数据一样被用来解释你的帕累托原理。在这种情况下，云免费，帕累托原则认为，80%的客户体验问题将是您的客户生命周期中20%的总交互的结果。通常，这20%中的很大一部分可以在准备数据或支持数据中的项目和里程碑中找到。尽可能多地跟踪准备数据，尤其是在客户生命周期的早期。然后，集中精力追踪摩擦最大的时刻。越早发现问题，您就越有能力解决它并为未来的客户预防它，从而延长他们的生命周期价值（LTV）。情绪数据情绪数据是目前最受欢迎的数据来源之一。它包括净促销员得分（NPS）和客户满意度得分（CSAT）。情绪数据是重要的信息来源，但其操作价值可能被夸大。例如，对于公司来说，知道客户是否愿意为他们辩护，或者他们是否满意，这是非常有洞察力的。但是，哈尔