RevOpsのデータハイジーン：オーケストレーションの地味な土台

アカウントの重複を統合しても誰も昇進しません。うまく強制されたピックリストのためのキーノートデモもなければ、ほとんどの案件にようやくステージ突入のタイムスタンプがついたことを祝う取締役会のスライドもありません。データハイジーンは配管です。機能しているときは見えず、機能していないときは高くつき、その価値が防御的であるがゆえに慢性的に資金不足です。

しかしRevOpsリーダーが本当に取り組みたいと思うすべてのプロジェクトは、その配管の上に成り立っています。アトリビューション、スコアリング、フォーキャスト、次善のアクション、オーケストレーションそのもの。汚れたデータの上で優れたモデルを走らせれば、自信満々で精密な、しかし間違った答えが得られます。私たちは、あるチームがスコアリングモデルに何か月も費やした後、自社のアカウントの相当な割合が重複していたことを発見し、それはつまりモデルがずっと分裂したアクティビティ履歴から学習していたことを意味していた、という事例を見てきました。ハイジーンは現代のレベニュープラットフォームアーキテクチャの中で最も華のない層であり、それでいて他のすべてが静かに依存している層です。

データが劣化する4つの方法

レベニューデータは予測可能な形で劣化し、それぞれに異なる修正方法があるため、名前をつけておくと役立ちます。

重複。「Acme」「Acme Inc」「Acme Corporation」がすべて存在するのは、3つのツールが独立してアカウントを作成し、何もそれらを解決しないからです。パイプラインの件数は水増しされ、アクティビティ履歴は3つに分裂し、単一のレコードは何も教えてくれません。

不完全性。分析に必要なフィールドが空欄です。案件の30パーセントにリードソースがない場合、ソースベースのアトリビューションは「30パーセント不確か」ではありません。使い物になりません。なぜなら、見えていない30パーセントが見えている70パーセントとどれだけ似ているか、知る術がないからです。

不整合。同じ概念が各システムで異なる形にエンコードされています。ここでは「Closed Won」、あそこでは「Won」、三つ目では「6 - Closed」。それらのシステム間のあらゆる結合は、行を落とすか誤ってカウントし、しかもそれは静かに起こります。

陳腐化。そのフィールドはかつて正しかったのです。チャンピオンが離れ、ティアが変わったのに、誰も更新しませんでした。陳腐化したデータは4つの中で最も危険です。クリーンに見えるからです。フィールドには値があります。ただ間違っているだけです。

「数字が合わない」という緊急対応のほとんどは、これらのいずれかにたどり着きます。どれなのかを見極めることが仕事の半分です。

クリーンアップは長続きしない

インスタンスが乱雑になったときの本能は、クリーンアップを予定することです。コンサルタントを呼び、四半期を確保し、統合のスプレッドシートを作る。それは新しい汚れが到着するまでの間だけ機能します。それは通常数週間です。清潔さを保存することはできません。ただ復元し続けることしかできません。

したがって本当の仕事は、データがシステムに入り、システム間を移動する時点で行われます。

書き込み時に検証しましょう。悪いデータは、数か月後ではなく、作成された時点で拒否するかフラグを立てましょう。必須フィールド、フォーマット制約、強制されたピックリストは、ほとんどの不完全性と不整合を入り口で止めます。

取り込み時にエンティティを解決しましょう。レコードが共有データ層に流れ込むとき、その場で正規のエンティティに照合しましょう。これを一度、中央集権的に行うことは、あらゆるツールでそれぞれ行うよりもはるかに簡単であり、ポイントツーポイント統合よりも共有データ層を選ぶべきという最も強力な論拠の一つです。そうでなければ、あらゆるツールが独自の方法で重複排除を行い、あなたのアカウント数について4つの異なる見解が生まれることになります。

継続的に監視しましょう。完全性、重複、鮮度を、アラート付きの継続的な指標として、稼働率を監視するのと同じように追跡しましょう。「オープン案件の12パーセントに次のステップがない」と示すダッシュボードは、目に見えない問題を、誰かが説明責任を負わなければならない問題に変えます。

定期的なクリーンアップから常設のシステムへと移行することは、ほとんどのRevOpsチームが行える中で最も有用な単一の変化であり、それは主に、ハイジーンのロジックがどれだけ賢いかではなく、どこに存在するかの問題です。

何のためにどれだけクリーンか

完璧なデータは幻想であり、それを追い求めることはそれ自体が一つの失敗モードです。有用な問いは、そのデータがそれが供給する意思決定にとって十分にクリーンかどうかです。基準は消費者に依存すべきです。

経営陣向けのフォーキャストは、狭い範囲のフィールド(ステージ、金額、成約予定日)における高い精度を必要とし、それ以外の場所での乱雑さは許容できます。

自動化されたルーティングと書き戻しは、何よりも一貫性を必要とします。機械は判断を適用しないからです。大文字小文字を間違えたピックリストの値はルールを壊し、案件が間違った担当者にルーティングされるまで誰も気づきません。書き戻し層がまさにこの理由で上流の不整合を容赦しないのです。

アトリビューションはタッチポイントと識別子における完全性を必要とします。欠落はモデル全体を歪めるからです。アトリビューションスパインはそれに完全に依存しています。

これらの閾値を書き留めておくことで、データが支えられない分析を出荷したり、どんな意思決定も読まないフィールドを磨き続けたりすることを止められます。

どこから始めるか

乱雑なインスタンスを前にしているなら、レバレッジの順に並べましょう。

クリーンにする前に計測しましょう。まず完全性と重複の指標を立ち上げ、進捗を測定し、その作業が何を買ったのかを誰かに示せるようにしましょう。

蓄積されたものより先に、入口を直しましょう。新しい汚れが入るのを止めることは、古い汚れをクリーンにすることよりも重要です。入口が開いたままなら、クリーンにした蓄積もまた汚れるからです。

システム間でピックリストと必須フィールドを標準化し、同じ概念がどこでも同じようにエンコードされるようにしましょう。これは最も安価で、下流への恩恵が最も広い勝利です。

そしてそれに所有者を与えましょう。所有者のいないデータ品質には未来がありません。ハイジーン指標に責任を持つ一人の指名された人物あるいはチームは、あなたが購入できるどんなツールよりも価値があります。

これらのどれも技術的に難しいものではありません。組織的に難しいのです。それは目に見える、刺激的な仕事と注意を奪い合うからです。クリーンな状態を保っているチームは、ハイジーンを英雄的で断続的なものではなく、退屈で自動的なものにしているチームです。

重要なポイント

• 悪いデータには4つの種類があります。重複、空欄、不整合なエンコーディング、陳腐化した値です。それぞれ異なる修正が必要なので、行動する前に診断しましょう。
• 四半期ごとのクリーンアップは長続きしません。ハイジーンのロジックを書き込み時と取り込み時に置き、稼働率のように監視しましょう。
• あらゆるツールにそれぞれの重複排除をさせるのではなく、共有層で一度だけエンティティを解決しましょう。
• 「クリーン」は消費者に依存します。フォーキャストは精度を、自動化は一貫性を、アトリビューションは完全性を求めます。
• 難しいのは組織的な部分です。まず計測し、入口を閉じ、標準化し、所有者を与えましょう。

Revnewoのようなオーケストレーションプラットフォームは、それが動く正規のデータと同じだけの質しか持ちません。より高度なモデルに投資する前に、その土台がそれを支えられるかどうかを確認する価値があります。