Come creare un team di analisi ad alto rendimento

Ogni azienda sogna di creare team ad alte prestazioni. Per noi di OWOX, il sogno era incentrato sul nostro reparto di analisi, che comprendeva 12 specialisti: analisti junior, analisti di medio livello, analisti senior e specialisti di QA.

Collettivamente, i nostri analisti erano responsabili della consulenza dei clienti sull'analisi dei dati e del miglioramento del nostro strumento di analisi del marketing. Mentre la nostra azienda si concentra sull'analisi, la nostra sfida non era unica: molti reparti e agenzie di marketing interni si sforzano di misurare e migliorare l'efficienza dei loro team.

In teoria, il nostro reparto di analisi lavorerebbe perfettamente per rendere redditizio l'intero business. Nella vita reale, spesso lottava per un costante miglioramento: nuove persone, nuovi obiettivi di business e nuove tecnologie interrompevano i progressi costanti.

Come possiamo convincere il nostro team di analisi a dedicare più tempo a fare le cose in cui erano più bravi, oltre a quelli più preziosi per l'azienda? Ecco il processo dall'inizio alla fine che abbiamo implementato per valutare le prestazioni del team e utilizzarlo per aumentare l'efficienza.

La nostra linea di base: mappatura del carico di lavoro dell'analista ideale

Qual è il mix più efficace di responsabilità per ciascuna posizione dell'analista in condizioni perfette? Il nostro primo passo è stato disegnare la divisione ideale del lavoro per il nostro team di analisi:

Quindi, ad esempio, nella nostra azienda, ci aspettavamo che gli analisti senior spendessero:

• Il 45% del tempo dedicato alle attività da parte dei clienti;
• Il 30% del tempo dedicato alla gestione e al coaching;
• Il 10% del tempo dedicato all'istruzione tecnica e commerciale;
• Il 10% del tempo dedicato allo sviluppo dei processi;
• 5% del loro tempo in attività interne.

Questa distribuzione di compiti ideali, come abbiamo poi appreso, era lontana dalla realtà. Questo divario è il risultato di otto sfide chiave affrontate dal nostro team.

8 modi in cui il nostro team di analisi stava lottando

Una squadra da sogno non può essere raccolta in una sola volta; può essere coltivato solo Gli analisti del nostro dipartimento di analisi si aspettano di crescere professionalmente e ricevere molte attività impegnative.

Per mantenere quella promessa di crescita professionale, abbiamo dovuto affrontare otto problemi chiave del nostro team:

1. Distribuzione di compiti inefficiente per ogni posizione

Ad un certo punto, tutti vengono risucchiati in una routine e non chiedono se la via corrente è la solo modo di fare il loro lavoro in modo efficiente:

• I nostri analisti senior non hanno avuto il tempo di insegnare e istruire i nuovi dipendenti, ma non hanno avuto tempo per le attività manageriali perché erano sovraccarichi del lavoro dei clienti.
• I nostri analisti di medio livello non hanno avuto abbastanza tempo per R & S e migliorare le loro capacità.
• I nostri giovani analisti stavano studiando tutto il tempo. Non avevamo passato i compiti in modo che potessero immergersi nell'esperienza di lavoro reale.

Ognuna di queste realizzazioni è diventata chiara dopo aver visualizzato il divario tra aspettative e realtà (dettagliato nella prossima sezione).

2. Nessuna misurazione dell'efficienza per ogni membro del team

Sapevamo tutti che il carico di lavoro ideale sopra era solo un modello. Ma quanto siamo lontani da questo modello? Non sapevamo quanto tempo un determinato dipendente trascorreva in riunioni, lavorava a compiti del cliente o era occupato con R & S.

Inoltre, non sapevamo quanto efficientemente ciascun analista svolgesse un'attività rispetto al resto della squadra.

3. Stime del tempo di attività errate

Non è stato possibile stimare con precisione il tempo necessario per ogni attività, quindi a volte abbiamo disturbato i nostri clienti quando avevamo bisogno di più tempo per finire le cose.

4. Ripetendo gli errori

Ogni volta che un analista junior ha dovuto risolvere un compito complicato per la prima volta, hanno commesso gli stessi errori prevedibili. Questi errori, a loro volta, dovevano essere identificati e corretti dal loro mentore, un analista senior, prima che i compiti potessero entrare nella produzione.

Anche se loro non l'ha fatto fare errori, ci sono voluti più tempo per completare l'attività di un analista medio o senior.

5. negligenza involontaria

A volte le e-mail dei clienti si perdevano e abbiamo superato il tempo di risposta promesso nel nostro contratto di servizio (SLA). (Secondo il nostro SLA, la nostra prima risposta a un'email di un cliente deve essere entro quattro ore.)

6. upsells speculativi

Sapevamo quanto tempo abbiamo dedicato a ciascun compito per il cliente. Ma questi dati non erano allineati con le informazioni di fatturazione del nostro team CRM e finanziario, quindi il nostro upselling si basava solo sul sentimento istintivo.

A volte ha funzionato; a volte ha fallito. Volevamo sapere con certezza quando dovremmo provare a fare upsell e quando non dovremmo.

7. Piani di sviluppo personali generici

Abbiamo avuto lo stesso piano di sviluppo personale per ogni analista, indipendentemente da punti di forza e di debolezza. Ma i piani di sviluppo non possono essere universali e efficace allo stesso tempo.

Per i nostri analisti, la personalizzazione dei piani di sviluppo è stata la chiave per una crescita più rapida.

8. Mancanza di trasferimento di conoscenza

I nostri analisti senior sono stati sommersi dal lavoro e non hanno avuto il tempo di trasmettere le loro competenze e conoscenze ai loro colleghi junior. I junior crescevano lentamente e facevano molti errori, mentre gli anziani non avevano nessuno a cui affidare compiti e responsabilità.

Era chiaro che avevamo molto spazio per migliorare, quindi abbiamo deciso di riunire tutti i dati necessari per misurare l'efficienza dei nostri analisti. Diamo un'occhiata a questi passaggi in dettaglio.

Come abbiamo misurato le prestazioni del nostro team di analisi

Questo processo è iniziato definendo i problemi e le domande sopra descritte. Per rispondere, sapevamo che avremmo avuto bisogno di acquisire le metriche prima e dopo. (In testa c'erano le parole di Peter Drucker: "Non puoi gestire ciò che non sai misurare").

Ecco i quattro passaggi che abbiamo preso per raccogliere i dati necessari e creare una dashboard in tempo reale per il nostro team di analisi.

1. Identificare le fonti dei dati.

Poiché la maggior parte delle nostre domande si collegava ai carichi di lavoro degli analisti, abbiamo raccolto dati dagli strumenti che stavano usando:

1. Google Calendar. Questi dati ci hanno aiutato a capire quanto tempo è stato dedicato alle riunioni interne e alle chiamate dei clienti.
2. TargetProcess. Dati dal nostro sistema di gestione delle attività ci ha aiutato a capire il carico di lavoro e come ciascuno degli analisti ha gestito i propri compiti.
3. Gmail. I conteggi delle e-mail e gli stati di risposta ci hanno fornito informazioni su analisti, progetti e corrispondenza generale con i clienti e il team interno. Era significativo per il monitoraggio degli obblighi degli SLA.

2. Estrarre i dati necessari e definirne la struttura.

Abbiamo raccolto tutti i dati da tali fonti in Google BigQuery utilizzando Google Apps Script. Per tradurre i dati in analisi, abbiamo creato una vista con i campi di cui avevamo bisogno.

Ecco una tabella che mostra i campi che abbiamo inserito nella vista:

I nostri campi chiave erano analista, data e nome del progetto. Questi campi erano necessari per unire tutti i dati insieme alle dipendenze corrette. Una volta pronti i dati, potremmo passare alla dashboard.

3. Prototipo del dashboard.

Non provare a creare una dashboard con tutte le metriche che puoi immaginare. Concentrati sulle metriche essenziali che risponderanno alle tue domande: costruisci un MVP, non un colosso.

In genere, le migliori pratiche di prototipazione del dashboard sono:

• Definisci le metriche essenziali che risponderanno alle tue domande.
• Assicurarsi che la logica di calcolo KPI sia estremamente trasparente e approvata dal team.
• Prototipo su carta (o con l'aiuto di strumenti di prototipazione) per verificare la logica.

4. Costruisci la dashboard

Abbiamo utilizzato Google Data Studio perché è pratico, è uno strumento gratuito a livello aziendale e si integra facilmente con altri prodotti Google.

In Data Studio è possibile trovare modelli progettati per scopi e riepiloghi specifici e filtrare i dati per progetto, analista, data e tipo di lavoro. Per mantenere aggiornati i dati operativi, l'abbiamo aggiornata quotidianamente, a mezzanotte, utilizzando Apps Script.

Diamo un'occhiata più da vicino ad alcune pagine della nostra dashboard.

Pagina del carico di lavoro del dipartimento

Abbiamo diviso visivamente questa pagina in diverse parti tematiche:

• Progetto;
• Distribuzione delle attività per ruolo;
• Tempo trascorso per tipo di attività.

Con questo dashboard, abbiamo potuto vedere quanti progetti abbiamo avuto in un dato momento nel nostro reparto di analisi. Potremmo anche vedere lo stato di questi progetti: attivo, sospeso, in corso, ecc.

La distribuzione delle attività per ruolo ci ha aiutato a capire l'attuale carico di lavoro degli analisti a colpo d'occhio. Potremmo anche vedere il tempo medio, massimo e minimo per ciascun tipo di attività (istruzione, studi di casi, metriche, ecc.) All'interno del team.

Pagina del carico di lavoro dell'analista

Questa pagina ci diceva cosa stava accadendo all'interno del team di analisi-tempo trascorso dall'analista, dal compito e da tutto il team:

• Tempo speso per compiti e riunioni;
• Percentuale di e-mail rispondenti in base allo SLA;
• Percentuale del tempo trascorso su ciascun compito da un determinato analista;
• Tempo trascorso da un determinato analista sulle attività rispetto alla media del team.

Ciò è stato utile per capire quanto tempo impiegano solitamente i compiti e se uno specialista può eseguire un'attività in modo più efficiente di un analista di livello junior.

Pagina del carico di lavoro del progetto

Questa pagina ha analizzato allo stesso tempo gli sforzi di tutto il team e dei singoli analisti. Metriche incluse:

• Compiti su tutti i progetti o filtrati per progetto;
• Tempo trascorso in riunioni e compiti;
• Quota di e-mail a cui è stata data risposta in base allo SLA;
• Statistiche per un singolo progetto (con l'aiuto di filtri);
• Tempo medio, minimo e massimo per ciascun tipo di attività in un progetto.

Ha incluso anche l'analista e l'analista di backup per ciascun progetto, nonché il numero di progetti gestiti da un determinato analista:

Non possiamo mostrarti tutti i nostri cruscotti e report perché alcuni contengono dati sensibili. Ma con questo dashboard in atto, noi:

1. Realizzato che il carico di lavoro di un analista è lontano da quello che ci aspettavamo e che i valori medi possono nascondere le nostre zone di crescita.
2. Dimostrato che la maggior parte dei nostri analisti (~ 85%) ha risposto alle e-mail in tempo.
3. Abbiamo mappato le attività tipiche che abbiamo eseguito, quanto tempo ci vuole per realizzarle e come può variare il tempo per ogni particolare attività.
4. Trovato debolezze e punti di forza per ogni analista per personalizzare il proprio piano di sviluppo personale.
5. Aree trovate per l'automazione.

Il numero dei cruscotti non è importante quanto vedere il i cambiamenti li abbiamo fatti usando. Quest'ultimo ha tradotto le nostre misurazioni in strategie per il miglioramento del team.

Agire sui nostri dati per migliorare il team di analisi

Diamo un'occhiata più da vicino a come abbiamo usato il dashboard per iniziare a risolvere alcuni dei problemi sopra menzionati.

Miglioramento della distribuzione delle attività per ogni membro del team

Quando abbiamo confrontato la distribuzione del compito reale con l'ideale distribuzione dei compiti, siamo stati, diciamo, delusi. Era tutt'altro che perfetto.

I nostri analisti senior hanno lavorato alle attività dei clienti 1,5 volte più del previsto e i nostri analisti junior hanno studiato quasi tutto il tempo senza esercitare le loro competenze.

Abbiamo iniziato a migliorare la situazione con un lungo processo di ridistribuzione dei compiti. E dopo un po 'di tempo, abbiamo visto un miglioramento:

Mentre tutto sembrava migliore nel cruscotto, avevamo ancora spazio per crescere.

Allineando tutto al media valori, siamo rimasti intrappolati in un tipico problema di statistiche: trattare la media come scenario del mondo reale. La media è un'entità matematica, non un riflesso della vita reale. Nella vita reale, non c'è niente di più accecante che concentrarsi sulla media.

Quando abbiamo approfondito un particolare ruolo o analista, i dati sembravano molto diversi. Qui, per esempio, abbiamo dati per Anastasiia, un analista senior. Sulla sinistra è l'ideale, nel mezzo c'è la media, e sulla destra c'è la sua divisione personale:

Il quadro è cambiato drasticamente dalla media dell'analista senior e dalla realtà per Anastasiia. Il tempo speso per le attività del cliente era molto più alto di quanto avrebbe dovuto essere, e quasi nessun tempo è stato dedicato alla formazione di nuovi dipendenti.

Questo potrebbe essere per diverse ragioni:

• Anastasiia è sovraccarico di attività client. In questo caso, dobbiamo prendere alcuni dei suoi compiti e passarli a un altro analista.
• Anastasiia non ha compilato correttamente il sistema di gestione delle attività. Se questo è il caso, dobbiamo attirare la sua attenzione sulla sua importanza.
• Anastasiia potrebbe non essere un fan del suo ruolo manageriale. Dobbiamo parlare e capirlo.

Abbiamo ridistribuito alcuni dei compiti di Anastasiia e discusso i colli di bottiglia che stavano mangiando la maggior parte del suo tempo. Di conseguenza, il suo carico di lavoro è diventato più equilibrato.

Se avessimo esaminato solo le statistiche medie per il dipartimento, non avremmo mai risolto il problema.

Automazione e trasferimento delle conoscenze per ridurre al minimo gli errori

Abbiamo avuto un sacco di lavoro atipico nel nostro dipartimento. Ecco perché era difficile prevedere quanto tempo ci sarebbe voluto per completarlo (e quali errori apparirebbero).

Abbiamo iniziato a migliorare il nostro processo di stima delle attività classificando e raggruppando le attività utilizzando i tag nel nostro sistema di gestione delle attività, ad esempio R & S, case study, metriche, dashboard e gratuiti (per attività che non abbiamo addebitato).

Quando gli analisti hanno creato una nuova attività, hanno dovuto definire il suo tipo usando i tag. Il tagging ci ha aiutato a misurare quali lavori abbiamo eseguito più spesso e a ridurre gli errori ripetuti automatizzando i report tipici.

Di seguito, puoi visualizzare un dashboard che mostra il tempo minimo, massimo e medio speso per diversi tipi di lavori, nonché la loro frequenza:

Questo ci ha aiutato a stimare il tempo richiesto per le attività tipiche e divenne una base per la stima di compiti insoliti. Una media è una stima utile per un nuovo cliente e i valori anomali ci hanno aiutato a capire quanto tempo potrebbero impiegare le funzionalità aggiuntive.

Abbiamo anche esaminato attentamente i compiti più frequenti e quelli che hanno avuto il tempo massimo speso. Per eliminare gli errori in queste attività, il nostro primo passo è stato quello di scrivere guide dettagliate su come eseguire ciascuna attività.

Ad esempio, per creare un report sull'analisi di coorte, inclusa la guida

• Dati iniziali;
• Obiettivi aziendali;
• limitazioni;
• Patterns;
• Autocontrolli;
• A cosa prestare attenzione.

Queste guide hanno aiutato a trasmettere conoscenze ed evitare errori tipici. Ma abbiamo anche dovuto affrontare errori non intenzionali.

L'automazione può aiutare a prevenire errori ricorrenti, minori. Abbiamo costruito (e venduto) il nostro strumento per automatizzare i rapporti, come nell'esempio seguente per i CPA:

Ci siamo liberati di centinaia di errori involontari e del peso infinito di correggere quegli errori; potenziato le nostre prestazioni e l'efficienza totale; e ha risparmiato un sacco di tempo per le attività creative.

Diminuzione della negligenza involontaria

Le attività del cliente richiedono circa la metà del tempo dei nostri analisti. Anche così, a volte qualcosa va storto e le risposte alle e-mail importanti da parte dei clienti sono in ritardo rispetto all'impegno di quattro ore nel nostro SLA.

Questa dashboard ci ha aiutato a monitorare l'aderenza degli analisti ai nostri impegni SLA:

Quando abbiamo riconosciuto che la percentuale di risposte entro quattro ore non era perfetta, abbiamo creato le notifiche in Slack per fungere da promemoria.

Per attivare un promemoria, un analista ha inviato uno stato (descritto di seguito) a un account e-mail separato senza copiare il client. Ecco l'elenco degli stati che abbiamo sviluppato per il sistema di promemoria:

I nostri analisti hanno ricevuto notifiche in Slack se il tempo SLA per una risposta era quasi terminato, o se avevano promesso di scrivere un'email "domani":

Piani di sviluppo personali

Quando un analista ha creato un'attività in Targetprocess, ha stimato il tempo necessario in base all'esperienza precedente ("sforzo"). Una volta terminato il compito, hanno inserito quanto tempo è stato effettivamente speso.

Il confronto di questi due valori ci aiuta a trovare le zone di crescita e a definire la difficoltà di esecuzione:

Ad esempio, supponiamo che un analista abbia dedicato molto più tempo della media a un'attività con il tag Firebase. Se ciò è causato da una scarsa conoscenza tecnica, aggiungeremo Firebase al loro piano di sviluppo personale.

Analizzando l'efficienza degli analisti a livello individuale, mentre ci concentriamo sull'opportunità educativa, abbiamo risolto il nostro problema di tarring tutti gli analisti con lo stesso pennello per i piani di sviluppo.

Ora, ogni specialista disponeva di una guida passo-passo eccezionalmente rilevante per l'auto-miglioramento per aiutare i nostri specialisti a crescere più velocemente.

Conclusione

Abbiamo ancora alcune domande da approfondire nel nostro dipartimento. Avviare l'analisi per un team di vita reale è un processo iterativo.

Dove andremo dopo? Fortunatamente, abbiamo nelle nostre mani forti strumenti analitici per aiutare non solo i nostri clienti ma anche noi stessi. Mentre guardi la tua situazione, ecco alcuni aspetti chiave:

• Prima è meglio è. Raccogliere, fondere e preparare i dati è circa il 75% dei tuoi sforzi. Assicurati di avere fiducia nella qualità dei dati stai collezionando.
• Inizia con una dashboard MVP. Concentrarsi su KPI critici. Scegli non più di 10 metriche.
• Definisci cosa farai se una metrica cambia drammaticamente alle 17:00 di venerdì. Dovresti avere un piano se una metrica aumenta o diminuisce in modo imprevisto. Se non hai idea del motivo per cui dovresti avere un tale piano per una certa metrica, pensa se è necessario rintracciarlo.
• Una media è solo una media. Guarda gli estremi. Sfida la media quando si tratta di gestire e sviluppare le persone.
• Utilizzare algoritmi trasparenti e facilmente spiegabili. Assicurati che il tuo team comprenda la logica dietro gli algoritmi e sia a posto, specialmente se i KPI influenzano la compensazione.
• È più semplice automatizzare il tracciamento piuttosto che fare in modo che le persone registrino il tempo. Ma non dovresti far sembrare che stai spiando le persone che lavorano per te. Discutere di tutti i tuoi strumenti e passi per il miglioramento con il team.