数据中台、BI业务访谈(三):如何选择合适的访谈对象

大家在日常中有没有遇到这种情况,感觉所有的事情都准备的很充分了,反复的演练,结果一上去就发现事情完全没有按照自己预想的来。智者千虑,必有一失。满满自信的去,结果是铩羽归来。

这种情况很正常,就跟打仗一样,就算事前准备的再充足,推演的再完美。结果一到战场上,根本就跟沙盘推演的不一样,刚上去就被别人轰的晕头转向。日常的工作汇报是这样,跟客户沟通也是这样,创业也是这样,好像好多事情都是这样。

在做数据中台、商业智能BI业务访谈的时候,这种情况也一样会出现。这个时候就需要临场有很强的应变能力、心态以及决断力,事后要有很强的复盘和调整能力。

数据中台、商业智能BI业务访谈对象选择

想做数据中台、商业智能BI业务访谈沟通,特别是给高层领导做访谈调研,往往这种机会只会有一次,怎么办?做业务访谈的时候,如何安排好访谈的顺序,比如有A、B、C、D四个业务线,先跟谁聊,后跟谁聊,这些都是需要一些技巧、方式和方法的。

数据可视化 - 派可数据商业智能BI可视化分析平台

通常情况下,比如A、B、C、D四条业务线,我们通常会了解下这四条业务线在公司的业务比重、占比,换句话说,哪条业务线对集团最重要?比如A业务占比比重最大、B次之,之后是C跟D。从谁先开始呢?很多人可能直觉反映先跟A聊,因为这条业务线最重要。

但是从实际操作上来看,有时会出现一些问题。问题在哪里呢?因为你对这家公司不了解,你并不清楚在这家企业里大家对信息化理解的程度如何,对像数据中台、商业智能BI的理解程度如何,甚至对这件事情本身的重要程度理解到什么层次水平。包括访谈对象自身他们自身的能力、水平是什么样的,这些信息可能对方的IT部门也并不能很清楚的告诉你。

所以,就会存在一些调研的问题设计的角度和层次过于拔高或者没有挑战,如果把最重要的业务线放在最前面,一旦这些问题的层次与访谈对象的认知层次没有匹配上,整个开局就会非常的被动,对方的积极性就不高,导致最重要的部门聊的问题是最浅的,就会丢失非常多有价值的信息。

数据中台、商业智能BI业务访谈调整

事实上,真正的数据中台、商业智能BI业务访谈活动里,我们在开局上往往会从业务占比相对靠后的业务线聊起。通过和他们的沟通大致就能够判断出来整个公司在这个层次的管理层大概认知水平怎么样。如果设计的问题正好合适,大家聊的非常畅通,后面的业务线就可以适当的拔高。

数据可视化 - 派可数据商业智能BI可视化分析平台

如果设计的问题感觉拔高了,对方响应不到,再和后面的业务线沟通的时候就要适当降低一些问题的高度。比如有些问题就是聊他们的业务现状,有些问题是了解他们从行业视角、企业经营管理视角如何来解读他们的业务的。这两类问题的高度是不一样的。

还有一个好处是什么呢?可以了解和收集到更多有价值的信息,通过C和D业务线的沟通去了解A和B业务线的情况,这样再和A和B业务线去聊的时候你的信息面就足够大了。认知层次判断出来了,周边的信息情报也了解的差不多了,越往后沟通就会越顺利,因为对方觉得你很懂这些业务情况。这个时候再适当拔高一下,对方也不会觉得聊的太虚。

数据中台、商业智能BI业务访谈小结

那么,下次系列文章我们就要进入到具体访谈问题的环节,在结合理解了上面的访谈顺序安排的前提下,我们通常会问哪些问题呢?这些问题的背后又体现着一种什么样的逻辑?

数据可视化 - 派可数据商业智能BI可视化分析平台

通过一些看似简单的问题如何深入分析判断和验证我们之前对这个行业、业务做的功课是不是有效的,并且如何从这些问题的分析和积累层层推进到集团经营管理层来预判他们重点关注的地方。这里面是隐藏着很多很多的非常有价值的信息的,下次系列文章我们就把这些问题给弄清楚。

相关推荐
要努力啊啊啊1 小时前
YOLOv3-SPP Auto-Anchor 聚类调试指南!
人工智能·深度学习·yolo·目标检测·目标跟踪·数据挖掘
好开心啊没烦恼1 小时前
Python 数据分析:numpy,说人话,说说数组维度。听故事学知识点怎么这么容易?
开发语言·人工智能·python·数据挖掘·数据分析·numpy
生态遥感监测笔记1 小时前
GEE利用已有土地利用数据选取样本点并进行分类
人工智能·算法·机器学习·分类·数据挖掘
G皮T2 小时前
【Elasticsearch】自定义评分检索
大数据·elasticsearch·搜索引擎·查询·检索·自定义评分·_score
涤生大数据5 小时前
Apache Spark 4.0:将大数据分析提升到新的水平
数据分析·spark·apache·数据开发
搞笑的秀儿5 小时前
信息新技术
大数据·人工智能·物联网·云计算·区块链
SelectDB5 小时前
SelectDB 在 AWS Graviton ARM 架构下相比 x86 实现 36% 性价比提升
大数据·架构·aws
遇雪长安5 小时前
差分定位技术:原理、分类与应用场景
算法·分类·数据挖掘·rtk·差分定位
可观测性用观测云5 小时前
Pipeline 引用外部数据源最佳实践
数据分析
二二孚日6 小时前
自用华为ICT云赛道Big Data第五章知识点-Flume海量日志聚合
大数据·华为