Analyseplatformen er installeret. Dashboards er bygget. Rapporter bliver sendt. Men dit team er ligeglade. De ignorerer data. De træffer beslutninger ud fra mavefornemmelse. Du har data, men ingen kultur. En analytics-kultur betyder, at alle bruger data. Alle tjekker tallene. Alle træffer datadrevne beslutninger. Det er svært at opbygge en kultur, men det er afgørende. Her får du at vide, hvordan du opbygger en analytics-kultur og organiserer dit analytics-team.
Hvorfor en analytics-kultur betyder noget
Datadrevne beslutninger slår mavefornemmelse
Mavefornemmelse er forudindtaget. Mavefornemmelse bygger på den seneste samtale med en kunde. Den seneste klage. Den seneste mail. Mavefornemmelse er ikke repræsentativ. Data er repræsentative. Data viser de rigtige mønstre. Data slår mavefornemmelse.
Hvad det koster at ignorere data
Du ignorerer data. Du træffer en dårlig beslutning. Omsætningen falder. Du bruger penge på at rette problemet. Det koster penge. Det koster tid. Det koster moral. Data forhindrer det. Data viser problemet, før det bliver en krise.
Sådan får du ledelsen med
Vis værdien af data hurtigt
Ledelsen går op i resultater, ikke i processen. Vis dem resultater. Omsætningen er steget fem procent på grund af en datadrevet beslutning. Ledelsen lægger mærke til det. Ledelsen bakker op.
Bed om ressourcer og engagement
Bed om tid. Bed om budget. Bed om folk. Ledelsen giver det, hvis den ser værdi. Vis værdien først. Bed så.
Sådan får du teamene med
Marketingteams går op i trafik
Marketing går ikke op i omsætning. Marketing går op i trafik. Vis dem et dashboard med trafik. Vis trafikvæksten. Så interesserer marketing sig for det.
Driftsteams går op i konvertering
Driften går ikke op i trafik. Driften går op i konvertering. Vis dem et dashboard med konvertering. Vis den bedre konvertering. Så interesserer driften sig for det.
Sådan skaber du fælles tal og mål
Alle ejer KPI'erne
KPI'er skal ikke være dine KPI'er. De skal være teamets KPI'er. Omsætningsmålet er alles mål. Konverteringsmålet er alles mål. Ejerskab skaber ansvar.
Sådan knytter du teamets incitamenter til tallene
Udbetal bonus ud fra KPI'er. Nå omsætningsmålet, få bonus. Nå konverteringsmålet, få bonus. Incitamenter får adfærd til at følge tallene. Det, der passer sammen, skaber kultur.
Sådan indfører du datadrevne arbejdsgange
Faste gennemgangsmøder
Ugentligt møde. Gennemgå tallene. Diskutér problemer. Planlæg rettelser. Faste gennemgange gør data normale. Data bliver rutine, ikke noget særligt.
Sådan træffer du beslutninger med data
Alle beslutninger kræver data. Vil du ansætte nogen. Vis data. Vil du lancere et produkt. Vis data. Data først. Så følger beslutningerne.
Sådan opbygger du strukturen i dit analytics-team
Analytiker, data engineer og dashboardbygger
En analytiker fortolker data. Svarer på spørgsmål. En data engineer bygger infrastruktur. En dashboardbygger bygger dashboards. Analytikeren er vigtigst. Ansæt analytikeren først.
Hvornår du skal ansætte, og hvem du skal ansætte først
Ansæt en analytiker, når du ikke kan få svar på dine spørgsmål hurtigt nok. Når rapporter tager for lang tid. Når du har brug for indsigt. Analytikeren kommer først. Data engineer og dashboardbygger kommer senere.
Løbende læring og forbedring
Sådan oplærer du teamet
Lær teamet det grundlæggende i analytics. Ikke alle er eksperter. Alle forstår det grundlæggende. Så bliver analytics en kultur.
Sådan holder du dig opdateret med tendenser
Analytics ændrer sig. Nye værktøjer. Nye teknikker. Nye regler. Hold dig opdateret. Læs blogs. Tag kurser. Deltag i konferencer. Bliv ved med at lære.
Ofte stillede spørgsmål
Hvordan overbeviser du teams om at interessere sig for analytics?
Vis dem effekten. Analytics førte til fem procent bedre konvertering. Hvor meget omsætning er det. Vis dem omsætningen. Så interesserer de sig for det. Effekt overbeviser teams. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Skal analytics-rapporter være obligatoriske eller valgfrie?
Obligatoriske. Det ugentlige gennemgangsmøde er obligatorisk. Alle deltager. Alle ser tallene. Obligatorisk skaber kultur. Valgfrit bliver ignoreret.
Hvornår skal du ansætte din første analytiker?
Når du har hundrede timers analytics-arbejde om måneden. Når du ikke selv kan klare det. Når du har brug for indsigt hurtigere. Ansæt så en analytiker.
Hvilke kompetencer betyder mest for analytics-teams?
Nysgerrighed. Kan de stille gode spørgsmål. Kan de finde mønstre. Kan de formidle det, de finder. Tekniske færdigheder er sekundære. Nysgerrighed er det vigtigste.
Hvordan måler du, om analytics-kulturen virker?
Teams bruger data i deres beslutninger. Møder starter med data. Omsætningen forbedres. Konverteringen forbedres. Fastholdelsen forbedres. Resultaterne viser, om kulturen virker.
Hvad hvis ledere ignorerer de data, du præsenterer?
Spørg hvorfor. Måske er data forkerte. Måske er historien uklar. Måske stoler ledelsen ikke på dig endnu. Ret problemet. Vis effekten. Opbyg tillid.