组织中形成的数据孤岛通常是由于与业务之间缺乏协调造成的。这种一致性可能很难实现，但对于数据领导者的成功至关重要。事实上，这种一致性对于任何经理级及以上级别的数据科学家或工程师来说都是最重要的任务。
由于要支持大量内部客户，数据团队很容易遵循装配线甚至麦当劳煎炸厨师的原则。每个人都得到同样的麦辣鸡腿堡，订购吧。
但最好的数据团队能够解决不同合作伙伴(财务、产品、营销等)的问题，通过超越通用、现成解决方案的定制数据产品满足他们的需求。
这是关于与每个部门合作的最 佳实践的一篇文章。这些挑战和摩擦点往往超越行业和垂直领域，因为虽然数据类型或特定系统可能有所不同，但每个部门的主要目标却没有变化，并且行为很大程度上受到激励措施的影响。例如，在大多数公司，营销团队需要推动业务增长，财务团队需要为此制定预算，数据团队需要对其进行衡量。
我们将从财务团队开始，深入探讨数据团队如何在优先事项交集的地方与他们进行协作。
一、参与财务团队关注的项目
在这里，将主要关注战略财务目，例如混合财务和非财务指标以告知业务增长;战略和投资。这是数据团队与财务团队进行大部分项目合作的地方。
1.财务报告
如果企业是一家上市公司或即将进行IPO，数据团队很可能会与财务部门合作，向证监会提供季度报告以及财报电话会议的随附数据。
为了实现此报告，数据团队将管理复杂的管道，将业务系统的交易数据转换为客户级数据，详细说明特定的客户关系或购买的产品以及相关的收入。
财务团队将首先关注可靠性;没有首席财务官愿意重述季度收益。我发现这是少数可以使用总账作为事实来源来精确测量准确性的地方之一。财务团队将对准确性提出很高的标准，因为他们对定期报告的每一分钱都负有责任，同时期望支持团队的分析数据的标准也不会降低。
数据应该有多及时?理想情况下，可以每天查询相同的数据并将其用于财务分析和报告。但最好优先考虑准确性而不是及时性，可能会提供不需要同样精确度的单独的实时销售视图。
首席财务官将重点关注收益报告中可能推动业务增长的相关数据，例如每日活跃用户、应用程序下载量或浏览量。这里的准确性通常更加主观——依赖于对“用户”、“活跃”和“视图”的定义。定义必须清晰、准确，并且随着时间的推移保持严格一致，这样才能对不同时期的趋势充满信心。换句话说，数据应该至少方向准确。
不言而喻，数据可观察性对于这些指标至关重要。必须主动检测输入数据性质的任何可能影响输出完整性的变化。季度末的周转时间很紧张，您不希望在编译和交付这些报告时发现数据问题。
2.预测和增长驱动因素建模
财务团队实时预测。一旦数据团队支持财务报告，下一个合乎逻辑的步骤就是合作预测未来几个季度的销售、新客户获取、客户流失。
数据团队可以提供有关正确建模方法的专业知识，但可能会发现财务同事更喜欢更简单的实证方法，而不是更精确但难以解释的模型，从而使他们能够更轻松地调整假设、输入和模型参数。
当错过预测时，您将希望能够快速诊断原因并生成深受喜爱的瀑布图。这些图表之所以如此有效，是因为它们可以传达预测中不同类型的不确定性，例如环境引起的方差、客户行为引起的方差以及无法解释的或随机的方差。
虽然预测是一种运营机制，但其战略对应的是增长驱动因素的建模。数据团队应带头进行建模练习，以探索与增长相关的最重要的产品和营销杠杆。
虽然这些模型本质上是历史性的，但如果做得好，它们将暗示因果关系。例如，分析可能表明，如果我听多种不同类型的音乐，我更有可能保留我的Spotify订阅，但Spotify是否可以通过干预产品体验来影响这种行为，以提高我的参与度和保留的可能性?
将这些模型与后续的产品实验配对可以巩固这种因果关系。使用上面的示例，Spotify可能会尝试发现算法的流派多样性，以便了解当算法编程更加流派多样化时，像我这样的客户是否会增加他们的参与度和保留率。
对于财务团队来说，这些模型对于规划业务的长期增长场景特别有用，告知如何设定逐步实现增长目标的产品和营销指标目标。
3.营销归因和组合
通常，当涉及营销支出问题时，会遇到营销(确定在哪里以及如何花钱)、财务(确定预算和盈利能力)和数据(确定如何衡量支出投资回报率)的三重因素。
数据团队是否仍在尝试提供多点触控归因，可能因为第三方cookie的消亡，这已成为不可能的事情?我见过数据团队在高管的要求下追逐完美归因的，但由于跟踪限制而未能实现。
营销组合建模一直是解决支出、渠道组合和投资回报率问题的首选方法，它使用时间序列模型提供数字和非数字营销渠道的整体视图，并考虑增量销售如果从等式中删除营销支出，则预期的基数。
然后，可以专注于每个营销渠道中的单个客户归因，以优化特定的优惠和消息传递，而无需尝试跨多个外部渠道跟踪客户。
4.定价、优惠和终身价值
关键的定价决策位于营销和财务团队之间，不同产品的价格点是多少，可以提供哪些折扣可以盈利，以及何时提高现有客户的价格?
早期的合作伙伴关系可能围绕定价实验，将这些决策从高管猜测领域转移到一系列定价实验，在这些实验中，成功的衡量标准超出了初始销售的范围，还考虑了客户保留率和生命周期价值。
通常，财务团队将根据客户保留率的汇总假设，针对特定活动或客户群对生命周期价值指标进行建模。当巩固合作伙伴关系时，数据团队的一个高影响力项目是将生命周期价值的衡量从营销活动或群组级别转移到单个客户级别，结合对影响客户流失和追加销售的客户行为的了解。
然后，这些生命周期价值的分值可以存在于数据仓库中，并可以应用于未来的实验和分析。一旦财务团队看到了可以衡量其定价策略的粒度，他们就会带着更多的假设回来测试。
二、与财务团队合作成功的秘诀
财务团队可以成为数据团队最具战略意义的合作伙伴之一。关键是要了解他们对数据准确性的需求，这种需求如何影响项目交付预期，如何最好地丰富业务系统中的数据，以及如何在变革性数据项目上与他们合作。记住：
1.准确性和一致性至关重要
财务指标必须满足高标准的准确性，非财务指标必须随着时间的推移保持一致，才能在财务建模和报告中发挥作用。
长期以来，准确性一直是备受推崇的“数据质量维度”之一，但很少有数据产品可以客观地表明数据准确或不准确。财务数据是一个罕见的例外，收入分析报告可以根据总账进行检查。
这里的关键是围绕财务数据产品的使用设定预期。如果要将其用于外部报告，那么很可能需要在指定时间范围内精确到总账的每一分钱。另一方面，如果打算使用财务数据产品进行日常分析或建模，那么财务合作伙伴可能会接受较低的精度，而倾向于更精细或更及时的数据。
2.需求收集至关重要
您可能需要改变敏捷原则，转而采用更接近瀑布方法的方法，因为在满足数据可靠性标准之前无法启动。
虽然敏捷流程将包括需求收集，但我发现在里程碑日期交付的内容存在一定程度的不确定性。另一方面，财务团队受到严格的报告窗口的限制，要求他们在报告时可以依赖哪些数据具有高度的确定性。
新的数据产品或财务报告的变更总是需要与现有流程并行运行一段时间，以建立对其准确性和可靠性的信心。
由于这些原因，您可能仍然能够运行敏捷流程，但要准备好设定与财务团队的报告节奏相一致的明确的时间表和可交付的期望。
3.嵌入优于交接
如果可以在项目中嵌入财务团队成员，它将极大地改进业务规则和指标定义的翻译。
对于数据和财务团队来说，坐在地板的相对角落，来回提出需求和解决方案，当其他团队没有实现预期里程碑时抱怨。可能会花费数周的时间努力捕捉财务报告的详细要求，结果却错过了一些导致失败的关键案例。
毫不奇怪，更好的途径通常是在项目的整个过程中嵌入主题专家。将会产生更好的协同：数据工程师将能够与专家合作定义数据的业务规则和期望，而财务团队将更加了解构建可靠且值得信赖的数据所涉及的技术复杂性产品。
4.将数据处理引入上游
Excel可能已将其行限制增加到2²⁰，但您可以在仓库中处理更繁重的工作负载，并将财务逻辑从队列级别转移到客户级别。
财务团队以构建多层电子表格来支持业务运营而闻名，从精细数据开始，嵌入复杂的逻辑，以提供每周的业务绩效与预测报告。
数据团队可以与财务部门合作，详细说明假设、输入和输出，使数据团队能够在数据仓库的上游运行这些计算，可以在数据仓库中存储重要的业务逻辑、预计算场景，并开始在流程中引入更多自动化。
在此过程中，将用可配置的仪表板替换电子表格，减轻财务合作伙伴的思想的负担，并在此过程中对数据管道引入更强大的质量控制。
5.经验模型可能是首选
在向财务团队提供黑盒模型来预测客户流失之前，请确保该模型在他们需要每周调整假设时有用。
数据团队经常会发现问题，例如预测客户流失，并急于应用先进技术，根据数十或数百个预测因素来对每个客户流失的可能性进行建模。但这是财务合作伙伴想要解决的问题吗?它能满足他们的日常需求吗?
如果他们预测每周会有多少客户流失，那么可能会更好地使用一个更简单的模型，该模型按任期应用观察到的或预期的流失率-也许还有一个或两个其他关键预测因素-这样就可以轻松管理预测并由财务团队调整。
三、小结
注意以上事情，数据团队将成为财务团队的好朋友，而不是亦敌亦友。
