给CDO的忠告：使用价值驱动树识别数据驱动的场景
最佳实践表明：通过关注场景来使数据策略与整体业务策略保持一致。通过与各行业的各种客户合作，我们了解到最有效的方法之一是通过价值驱动树进行识别。
什么是价值驱动树
价值驱动树是一个框架，用于识别组织内的关键价值驱动因素并对其进行优先级排序。它由代表有助于价值创造的各种因素的不同分支组成。这些分支机构可以包括收入、成本和其他特定于部门和组织本身的关键绩效指标。
收入分支可以细分为客户数量和每个客户的平均收入。通过分析这些子类别，组织可以识别推动收入增长的特定场景，例如增加客户获取或提高平均交易价值。以精准营销为例，公司将投资重点放在目标客户上，通常会带来更高的营销投资回报。
同样，成本分支可以细分为固定成本，例如间接费用、固定营销成本、财产和设备成本。这可以包括可变成本，例如生产产品的成本。通过将场景映射到这些子类别，组织可以识别降低成本、提高生产效率或优化营销工作的机会。
标准的行业价值驱动树
不同部门的驱动树可能存在很大差异。零售公司的主要收入驱动因素可能包括商店级别和产品洞察，而电信公司可能会专注于网络优化和产品捆绑。
然而事实证明，价值驱动树在行业内通常是一致的。当然，每家公司都是独一无二的，但公司增加收入、削减成本和推动价值创造的不同方式实际上是相同的。
考虑下面的标准价值驱动树。在左侧，可以看到与收入、成本和资产效率相关的常见驱动因素。右侧是许多公司都有的典型部门或组织（尽管它们的标签可能有所不同）。
评估影响并确定场景的优先级
有了通用的价值驱动树，公司部门就可以开始探索数据驱动的场景。以营销为例：
这种方法的一大优点是可操作性。公司部门和核心基础流程通常具有明确的所有权。因此，可以直接识别关键利益相关者并验证相关场景。
假设对于给定的 CPG 公司，已确定以下场景：
●个性化：使用有关客户行为和偏好的数据来个性化营销信息和优惠。
●定位：分析客户数据以识别最有可能响应特定营销信息或活动的特定细分市场。
●客户终身价值 (CLV)：使用客户行为和购买历史数据来预测客户的终身价值，然后使用该信息来优化营销策略。
●交叉销售和追加销售：分析客户数据以识别交叉销售和追加销售的机会，然后提供有针对性的消息和优惠以鼓励额外购买。
●A/B 测试：使用数据驱动的见解测试不同的营销信息、优惠和创意，以确定哪种方法最有效。
●精准营销：利用数据通过高度个性化和有针对性的消息传递和优惠来瞄准个人客户或小群客户。
●营销组合建模：分析不同营销渠道和策略对客户行为和销售的影响，并利用该信息来优化营销策略。
●预测分析：使用数据来预测未来客户的行为和偏好，然后使用这些见解来优化营销策略和活动。
●社交媒体监控：使用社交媒体平台的数据来监控品牌情绪和参与度，然后利用这些见解来制定营销策略和策略。
有了这份清单，就可以进一步验证可能产生的顶线和底线影响。例如，在消费品行业，增强交叉销售和追加销售能力通常会导致收入增长 1% 到 3%（在现有成熟度较低的特殊情况下，收入增长超过 5%）。
深入研究，可以评估现有的成熟度以及正在使用哪些数据。对所有这些进行分析，形成了下面的情况：
选择可以具有明显的实质性影响但当前成熟度较低的场景为数据现代化或转型提供了良好的起点。可以从数据产品支持的角度来审视通用数据源。在上面的示例中，九个场景中的八个和四个低成熟度场景中的三个需要数据源 2。可以想象，必须有一种方法来验证成熟度低的原因以及如何通过提升单个数据产品更好地开发这些场景。
发现数据价值
当继续处理场景并记录它们及其影响时，将有机会更新价值驱动树，如下所示：
可以使用这样的视图来量化通过特定用例创建的综合价值。更重要的是，它允许讲述数据组织的故事并解释它所增加的价值。考虑到首席数据官等数据领导者过去所面临的困境，试图解释各自组织的投资回报并解释他们历史上平均不到两年半的任期，这一点至关重要。
小结
使用价值驱动树来识别、确定优先级并开发数据驱动的场景可以改变组织思考和投资数据创新的方式。它还可以为业务案例开发提供数据并跟踪实施后的价值创造。我们已经看到了消费品、零售、酒店、运输、制造、保险和银行等行业数据现代化进程改进的证据。无论您从事哪个行业，如果您是数据领导者，价值驱动树可能是适合您的较好的数据驱动的工具。
往期推荐