全世界的公司都在利用数据科学来培养健康的客户群。然而，围绕这一技术进步仍有许多问题。让我们快速了解整体数据科学战略的三个主要组成部分，以及它们如何改进您的客户成功战略。这个限制还不存在…还没有看看你周围。注意你周围有多少是塑料做的。当塑料第一次被创造出来时，公司需要时间来找到所有的应用程序和工作流程来配合它的生产。在其诞生之初，塑料被认为是一种几乎神奇的材料，可以解决各种各样的问题。随着时间的推移，它的局限性已经被发现，最好的应用程序已经成为最成功的应用程序。数据科学发现自己的处境和塑料一样。数据科学的概念比计算机早，但我们仍在探索应用它的新方法。最简单地说，数据科学是使用统计工具回答战略性和战术性业务问题的实践和专业。如果你不在数据科学领域工作或与之密切相关，这个词听起来就像科幻小说里的东西。虽然有些人可能会想到《终结者》、《奥德赛2001》中的哈尔或《星际迷航》上的数据，但数据科学的产品有着非常现实的用途，并深深地嵌入我们的日常生活中。数据科学在虚拟助手、页面算法和预测计分等功能上已经呈现出形而上学的形式。过去十年客户成功的出现为数据科学提供了一个新的竞争环境。我们发现了利用它丰富客户数据和维持经常性收入业务的新方法。在数据科学的帮助下，我们可以更详细地细分客户，更快地预测结果，并在规模上创造个性化的体验。最酷的是这只是个开始。通过熟悉CS环境中数据科学的基础知识和好处，您也可以突破其局限性。成为数据科学硕士真正的数据科学需要掌握所有三个要素：敏锐的商业头脑能够识别出解决问题的正确方法运用统计工具解决问题的敏锐性开发人员的敏锐性数据的通用性和适用性推动了这一关键数据的发展。商业分析从业者、质量分析师和机器学习科学家都是数据科学家。这些问题通常由不同的团队维护，以收集不同的业务功能和数据。一旦数据被汇编，只有这样才能在战略和战术上加以应用。如果你是客户成功运营团队或任何运营团队中的一员，那么你的成功将取决于你能否提供有效的解决方案。但是，如果你的公司缺乏跨团队的强大的内部一致性，这可能是一个挑战。这些差距导致项目时间更长，风险和延误的可能性更高。要确保交付成功，您可以做的一件关键事情是了解您在数据科学的上述三个方面的优势和劣势：业务、统计和开发人员的敏锐性。商业头脑如果你的商业头脑很弱，你就没有充分的能力来提供有效的解决方案。无论您的数据科学团队有多丰富的经验和技术水平，如果他们的业务敏锐度有限，您将很难确保您正在解决正确的问题，并能够提供可解释和可操作的解决方案。您的团队在确定客户数据中的问题区域时是否遇到了挑战？你的团队很难想出解决问题的方法吗？如果你对这两个问题中的任何一个回答"是"，你就需要提高你的商业头脑。统计敏锐度如果你的统计敏锐性是薄弱环节，那么你所提供的认知洞察力的复杂程度就会受到限制。许多与BI分析师合作而不是与内部数据科学家合作的公司都会遇到这个问题。数据科学团队的统计技术越高，您在见解中提供的粒度就越大。实力较弱的数据科学团队无法在更高分辨率（如地区、产品和定价模型对）上提供见解。由于这个原因，统计上较弱的项目的产出有不可操作的风险。 我们的团队是否有足够的资源来提供深入、细致的见解（即认知分析工具、机器学习算法、贝叶斯集成等）？我们是否有能力解决细分、优先级划分和预测方面的问题？如果你对这两个问题都回答"不"，你就需要提高你的统计敏锐度。开发人员敏锐如果你的公司缺乏开发敏锐性，你将无法完全交付解决业务问题所需的程序。无论您的统计或业务敏锐度有多高，这些见解或解决方案的交付都需要手动操作来获取数据以定期刷新分析。我们是否能够集成并执行所有必要的转换，以获得分析、构建模型和在整个业务中实施自动化解决方案所需的数据？如果你回答"不"，你需要提高你的开发人员的敏锐度。为客户成功组织中的数据科学提供有力的案例有如此多的数据在我们的指尖，许多企业发现自己正在遭受信息过载的痛苦。数据科学有助于理解这一切。就像你的大脑将不同的、储存的信息转化为连贯的思想和记忆一样，数据科学也是如此。当你有记忆的时候，那些脑中的图像和感觉只是神经元放电的连接。使用数据科学发现的每一个真正的洞察都是从许多独立数据点的连接中获得的信息的集合。例如，如果您想知道哪些产品具有最高的潜在ARR，则该洞察力将基于使用数据体系结构中的数据构建的产品/预测报告和演示文稿中的信息。实现真正的客户成功需要对客户进行适当的细分、业务流程的高度一致性以及交付客户成果的能力。在客户生命周期中大规模地提供个性化体验的艺术在于预测促进积极结果的行为。为了改进影响客户成功的数据科学策略，您首先需要知道自己目前的状况。您如何定义数据科学战略的成熟度？反应性：进行探索性分析，找出行为的驱动因素通知：进行描述性分析，找出主要领先指标主动性：进行规范性分析，找出可以采取哪些措施来改变结果预测性：进行认知分析，回答将发生什么和为什么会发生的问题一旦您意识到自己的成熟度水平、需要解决的问题以及在数据科学敏锐性方面需要进行的投资，您就可以进入您的C套件。在演讲时，一定要传达重点，以及它与未来四个季度的成果有何关联。如果你需要提高你的商业敏锐度，告诉你需要采取更有效的行动。如果你需要提高你的统计敏锐度，那就说你需要更复杂。如果你需要提高你的开发人员的敏锐性，告诉他们需要更多的自动化。通过将您的数据科学投资与特定的公司指标联系起来，为您的C套件描绘一幅图景。假设你想从被动反应阶段转到知情阶段。这要求您扩展数据源，以实现更主动的方法。您知道这需要您对新的源执行探索性分析，并将它们集成到您的业务流程中。但是，将其与一个显著的指标（如客户流失率）联系起来，将产生更具影响力的论据。你应该能够在任何时候完成采购请求。迈出下一步现在您知道为什么数据科学很重要，交付数据科学解决方案所需的不同类型的敏锐性，以及如何说服C-Suite投资于您的工作。现在是采取下一步行动的时候了，对你目前可用的资源进行内部评估。你在三种智慧中哪一种比较强？你的弱点是什么？参加我们的成熟度模型评估测试，看看您当前的客户成功成熟度与世界级组织的差距。以您的结果为起点，找出如何加强您的业务、统计和开发技能，以及需要哪些数据源来做到这一点。如果您需要一些启发，请查看我之前关于数据源类型的博客文章"数据科学基础：定义主数据类型"和往常一样，我很高兴与其他数据爱好者交谈！如果您有任何问题或想了解更多有关Gainsight提供的数据科学服务的信息，我鼓励您联系scummings@gainsight.com.