Top 5 BI Tools | Business Intelligence Tools | BI Tools | Intellipaat

Once again welcome back to Intellipaat
friends. And again we are back with another interesting and powerful video
which I’m sure is going to be very helpful for you. So let’s begin. So we all
are aware that today a huge amount of data is being generated everywhere everytime and then this data actually needs to be analyzed to let’s say make crucial
business decisions and for that numerous tools are available in the market to
convert raw data into useful business insights. And then these tools are
actually collectively known as business intelligence tools. So here in this video
we are going to talk about the top 5 business intelligence tools that stand
out from the crowd and are the choice of millions of organizations who are
looking for great business insights. So let’s begin. So now up on 1,we
have got is tableau. So what is it, now Tableau is a powerful business
intelligence tool that is being deployed by the majority of the enterprises. Now
tableau lets you distinguish the complex trend patterns and then convert them
into actionable insights. Now one can simply create Tableau dashboards in
minutes through simple applications of drag and drop of data fields. Let me also
tell you friends that you don’t really need to have any technical knowledge for
exploring and building tableau dashboards. Yes that’s correct
so it’s simply accessible on any device and the results are crystal clear for
anybody to understand and implement at any time. Now Tableau offers five main
projects. The first one is tableau desktop then server tableau online,
reader and finally tableau public. Now let us see some of the important features
of tableau. So in tableau you can simply select the data and switch between
visualizations on the fly, that is to say it is really easy to jump between your
visualizations in tableau. So tableau actually visualizes data from the very
start allowing you to see this significant right way. Now tableau also
gives the users different ways to answer questions as they investigate through
data visualization now tableau also provides
a variety of implementation and consulting services for enterprise level
deployment. It also allows users to create custom formulas that are not
available in most of the tools and finally it offers hundreds of native
connectors to easily pull, cleanse and correlate data from practically any
source without having to create custom code. So using these tabla features you can simply come up with your own
visualization that can actually ring in the cash register for any business
enterprise and hence the opportunities are really huge in this industry. So once
you on the knowledge or tableau you can simply get vast career opportunities
just like business intelligence analyst, business analyst, senior analyst or
senior Operations Analyst and then if I talk about the salary perspective then
a tableau professional can you know on up to around hundred and two thousand
dollars per annum which is so great and then next on the list we have got is
informatica. So informatica is a data integration tool based on ETL
architecture. Now informatica is named as a leader in Gartner Magic Quadrant for
data integration tools for the 11th consecutive years yes.
So it actually gathers data from various sources and then loads it into
distinctive targets then it is also strong enough to handle huge volumes of
structured or unstructured data just like flat files, databases log files etc.
It also provides data integration software and services for various
businesses, industries and government organizations including
telecommunication, healthcare, financial and insurance service and finally it is
high-performing and yet very simple for developing, maintaining, administering and hence considered as more advantages than ETL. Now features of informatica power
center are designed for the use of administrators, developers and
professionals. So informatica ETL products include the first one is
metadata manager, development capabilities a set of
productivity and visual tools and finally metadata driven architecture. So
informatica power center is being deployed by some of the biggest
corporations and hence there’s an insatiable demand for informatica
professionals. So some of the important designations offered for informatica
professionals are BI developer with informatica, informatica specialist
developer, informatica business analyst and so on. And then if I again talk about
salary then informatica developer in the United States can earn up to one hundred
and two thousand dollars per year which is not a bad start certainly.
And then third on the list we have got msbi now what is it? So msbi stands for
Microsoft business intelligence and it is one of the top business intelligence
data and mining tools so it actually helps the organization by creating
interactive dashboards and scoreboards it is also capable of producing the
quick and exact output through search engine despite heavy volumes of data. Now it also consists of tools which assist in
providing optimized solutions for business intelligence and data mining
queries and now msbi uses Visual Studio along with SQL Server which actually
empowers users to gain access to accurate and correct information for a
superior decision. So again MSBI is divided into three categories the first
one is SQL Server integration services so this is a platform for building high
performance data integration and workflow solutions including extraction,
transformation and loading operations for data warehousing. And then we have
got SQL Server analytical services. Now this is the process of converting two
dimensional or rows and columns data into the multi-dimensional data model so
it is mainly used to analyze the large volumes of data and then finally we have
got SQL Server reporting services. Now it is an enterprise reporting platform that
supports both traditional and interactive reports delivered over
the web and again it also supports both dimensional and multi-dimensional data.
So its features, growing popularity and zooming job trends. Microsoft bi are all
set to take on the world of business intelligence and is rightfully so. So
some of the job trends are ETL developer bi developer, technical developer and
msbi developer and then the average salary of an MSBI developer is around
one hundred and seven thousand dollars and then there is a continuous rise in
msbi job postings and job seekers and then we have got next tool on our list
which is Cognos eleven. So it is one of the leading technology platforms in
today’s world and Cognos analytics eleven software is an online based
business intelligence platform that offers a complete array of bi software
to address company goals. Now again it is comprised of over 30 different products
so its abilities include dashboarding, analytics reporting, score carding and
notably data integration. So it provides intuitive and immersive user experiences
mainly focused on analytics and discovery and then here data governance
and business IT collaboration provide the ability to manage its information
knowledge and to answer questions and then it has also got smarter and more
embeddable analytics Now IBM cognos allows organization to
outshine others by providing its unique features just like analytics in which
the key business questions are answered in a fraction of seconds using an AP
techniques and then collective intelligence so this is equipped with
collaboration and social networking that streamline the processes and finally
actually will insight now again it allows business people to respond to the
real-time situations and then there’s a lot of Hotaling coming into the domain
just like Cognos consultant Cognos bi manager each Cognos bi developer dream
of modular and Cognos administrator and then the average salary for IBM Cognos
analytics ranges from approximately $50,000 per year and finally on the list
we have got B I so Microsoft’s power bi is a cloud-based business analytics
service for analyzing and visualizing data so it produces creative and simple
reports and publishes them for a specific organization now using power bi
anyone can simply create personalized dashboards with a unique 360-degree view
of their business so first it will connect with a wide variety of data
sources and then shape the data according to your needs and then it
models the data using relationships calculations measures and hierarchies
also using visual tools and custom gallery you can create stunning reports
for our business all sides and finally once you create reports it publishes the
reports securely and set up an automatic data refresh
you know here are some of the features of RBI soap RBI uses content packs which
has dashboard reports data model and embedded queries not content packs are
now being used by a large number of applications including QuickBooks and
then power bi also provides a unique feature for printing dashboards exactly
which can be handy in board meetings and discussions and finally power bi is a
library of custom visualization so most of the MNCs are actually implementing
power bi which increases the job openings for power bi professionals and
then again a power bi professional can earn somewhere around ninety two
thousand dollars per year in the US and with this we come to the end of this
video so now that you know the top five BI tools that are leading the industry
do take the advantage of your career opportunities that come with the
expertise in these particular tools so upgrade your skills with EMTALA patch
online professional training programs which is one of the best elearning
platforms so you’ll get a 360 degree knowledge about the course designed by
the best of the industry experts so friends thank you so much for watching
this video and giving us your precious time for any inquiries feel free to
contact us I hope the video was informative for you please like the
video and if you have any doubts comment below
we shall respond to it at the earliest don’t forget to subscribe to our channel
for more such informative videos if you look out for other related videos in our
playlist for more detailed information visit our website now have a great day
and career ahead

Scott Galloway: Growth Is the New Profitability

A loser: profitability. The most disruptive company in the largest economy, Amazon, is setting the cue for a new relationship between investors and companies. Simply put, vision and growth have replaced profitability. Amazon wasn’t profitable until 2001, seven years after it was founded, and since then its profits have been negligible. What happens when Amazon reports a big profit? Jeff Bezos calls senior management into a room and says you fucked up and greenlights a bunch of very expensive initiatives that will deliver against long-term advantage. This gestalt around capital formation has moved all the way down the ecosystem. Small companies now pursue leadership versus profits. Why? The market doesn’t seem to demand profits from quote-unquote innovators. A continued loser: Ad-supported television. There’s almost triple the amount of sports content than there was ten years ago, but fewer people are watching it. On top of that, tech giants are buying the digital rights to sporting events. Amazon recently purchased NFL streaming rights for $50 million, quintupling the bid from last year from Twitter. Facebook also signed deals in March to stream Major League Soccer matches and is in talks to buy the digital rights for Major League Baseball games. Prediction? In the next 24 months, we’re going to have one of the Big Four – Apple, Amazon, Facebook or Google – buy the rights to the Olympics, March Madness or the Super Bowl. This is one of the last bricks to fall from the wall protecting the industrial ad complex. The winner: Viewers, who will have more options to view content on their own terms and hopefully, for at least now, fewer shitty ads shoved down their throats. The losers? Those of us that wouldn’t have known unless we watched ad-supported TV that there was a treatment for opioid-induced constipation. Hi, I’m Frank, I take Movantic for OIC – opioid-induced constipation. I tried prunes, laxatives, still constipated. Had to talk to my doctor. She said how long you been holding this in? What the fuck. A winner? Reviews, which have fundamentally changed the way we shop. Most adults under 50 read online reviews before buying new products and one in four shoppers check Amazon reviews even when they’re inside a store. A third of online shoppers claim they won’t buy products that don’t have positive reviews. The average consumer rating on Amazon is 4.4 stars. We’re living in Lake Wobegon. All the women are strong, all the men are good-looking and now all the products are above average. This is the part of the episode where I usually make some snarky comment about my prostate or porn. However, many of us were having a difficult time coming up with something humorous with all the images coming out of Syria. We wanted to spend this time talking about some of the things we can all do to try and help. You can donate or volunteer at the following charities. The International Rescue Committee has rescue workers in Syria providing medical services and emergency shelter, Save the Children is addressing the emotional scars of Syrian children and Oxfam is helping settle Syrian refugees in over 90 countries. I’m going to spend some time investigating Lifeline Syria where you can sponsor a Syrian family. I will let you know what I find out. We’ll see you next week.

Episode 9: GOJEK’s Growth Dilemma

Selamat datang di GO-FIGURE. Saya Nadiem Makarim, CEO & pendiri GOJEK,
Super-App pertama di Asia Tenggara GOJEK melakukan ride-hailing,
pesan-antar makanan, pembayaran, bahkan jasa pijat-urut. Semuanya ada di GOJEK. GO-FIGURE adalah podcast yang memaparkan
cara kerja perusahaan teknologi ambisius di dunia yang sedang berkembang. Di sini kami membahas berbagai hal,
yang kami sukai dan tidak kami sukai. Banyak mitos yang ingin kami luruskan.
Mantra kami adalah menjadi apa adanya. Selamat menikmati! Selamat datang di GO-FIGURE.
Terima kasih sudah hadir di sini. Terima kasih sudah mengundang kami./
Luar biasa. Saya duduk di sini dengan Crystal,
kepala platform pertumbuhan. Dan Jasper, kepala pemasaran.
Hari ini kita akan membahas pertumbuhan. Apa artinya menumbuhkan bisnis
dalam bidang teknologi? Apa saja perangkap dalam pertumbuhan?
Apa saja kesalahpahaman tentang hal ini? Saya yakin ini akan menjadi debat panas
karena kita memiliki pendapat sendiri. Mari kita mulai dengan arti pertumbuhan.
Mulai dengan lingkupnya. Apa pertumbuhan itu?
Pertumbuhan pengguna? Apakah itu yang kita bicarakan di sini?
Apakah itu pertumbuhan transaksi? Apa itu? Definisi pertumbuhan bagi saya
adalah pertumbuhan pangsa pasar. Pangsa pasar selalu berdasarkan dua hal.
Penetrasi dan frekuensi pembelian. Penetrasi dan frekuensi pembelian
adalah pangsa pasar. Itu definisi saya tentang pertumbuhan. Menumbuhkan pangsa pasar
dalam kategori kamu. Menurut saya, pangsa pasar beranalogi
dengan bisnis yang sudah mapan. Bagi GOJEK, pertumbuhan adalah perluasan,
edukasi, dan penetrasi kesadaran nyata tentang produk kamu di pasar. Termasuk apakah pengguna memahami produk,
mudah menggunakannya, atau apakah produk kamu benar-benar
menyelesaikan masalah mereka. Debat terbesar tentang
cara menumbuhkan bisnis adalah seberapa besar upaya kita
dalam mengeluarkan uang untuk menumbuhkan bisnis
dan melakukan peningkatan nonfinansial dalam produk atau eksperimen. Debat ini terus berlangsung
yang melibatkan sumber daya engineering, sebagai sumber daya paling berharga. Upaya yang satu butuh lebih banyak uang
daripada yang lain, tapi keduanya penting. Di mana keseimbangan insentif finansial
dan nonfinansial dalam menumbuhkan bisnis? Insentif bisa menjadi awal yang baik
untuk mendapat basis pengguna cukup besar untuk memahami cara pengguna
berinteraksi dengan produk. Promosi atau diskon bisa digunakan
untuk menaikkan posisi di pasar, menempatkan diri di hadapan pesaing,
dan memindahkan pengguna mereka menjadi pengguna produk kamu waktu itu. Tapi, untuk meneruskan pengeluaran
tanpa strategi atau alasan yang jelas, promosi dan diskon menjadi taktik. Taktik harus diterapkan
dalam strategi jangka panjang. Untuk pertumbuhan, kita memakai voucher,
diskon, promosi untuk menarik pengguna agar melakukan sesuatu atau mendorong,
memberi insentif untuk melakukan sesuatu. Tindakannya bisa top up untuk pertama kali
atau bertransaksi GO-RIDE ketiga kali. tapi kamu tetap harus mendorong pengguna
untuk melakukan hal itu. Tindakan dalam contoh ini
adalah bagian dari strategi jangka panjang agar kamu bisa mengevaluasi
apakah transaksi ketiga itu memang penting dan bukan hanya mencoba
agar pengguna mencapai tiga transaksi. Apakah ada momen atau ambang tertentu
saat kamu memutuskan waktu yang tepat untuk mengeluarkan uang? Bisakah kamu mengeluarkan uang
untuk produk yang sia-sia sejak awal? Apa kriteria yang dipakai
untuk menentukan waktunya? Saat banyak pengguna memahami satu produk,
kamu bisa mulai mengeluarkan uang. Jika uang dipakai sebagai cara
untuk mengganti strategi pasar, itu bukan cara memakai uang yang baik. Contohnya, MoviePass. Boleh menyebut nama? Tidak apa-apa. Contohnya, model bersubsidi besar dipakai
hanya untuk mendatangkan pengguna. Tapi, strategi itu tidak pernah berubah
atau membuat pengguna bertindak berbeda. Saat memutuskan untuk tidak memakai uang
untuk bereksperimen, kita memahami banyak pengguna produk kita
pada jam sibuk pagi hari. Hipotesisnya, jam sibuk pagi memerlukan
waktu perjalanan lebih lama daripada jam sibuk malam hari
karena ada faktor harus tiba tepat waktu. Orang bisa menunggu untuk pulang ke rumah
saat jalanan tidak terlalu macet. Asumsinya, nilai utama pengalaman pengguna
dalam jam sibuk pagi lebih tinggi karena kita menghemat waktu mereka
dengan lebih cepat melewati jalanan macet. Itu cara kita mendapat pengguna terbaik. Kita membuat fitur untuk memberi voucher
yang bisa dipakai pada jam sibuk pagi. Kita harus menguji efektivitas insentif
bukan dengan benar-benar mengujinya. Insentif itu dipakai sebagai taktik
untuk memahami pemakaian jam sibuk pagi sebagai cara memperoleh pengguna baru. Saat melakukan eksperimen itu,
kita melakukan tes saat grup pengendali bisa memakai voucher
kapan pun pada siang hari atau hanya dalam jam sibuk. Grup eksperimen itu hanya diizinkan
memakai voucher pada jam sibuk pagi. Tapi, pengguna tidak menaikkan kekuatan
dan kemungkinan kekuatan penggunaan. Artinya, insentif tidak layak diberikan
untuk tindakan itu. Jadi, kita menghentikan eksperimen itu. Untuk menyoroti skala tindakan
yang dilakukan grup produk kamu, berapa eksperimen yang sedang berjalan
pada platform GOJEK? Beri kami angka./ Banyak, mungkin./
Banyak, sekarang? Kita meluncurkan rata-rata
satu eksperimen per hari. Rata-rata, satu eksperimen baru?/
Ya. Eksperimen berjalan paralel tiap waktu
dengan perbedaan segmen, harga, dll. Audiens harus tahu bahwa
pertumbuhan adalah bagian penting dari kesuksesan dan kegagalan GOJEK. Kita membuat grup produk di level setara,
seperti pengiriman makanan, transportasi, yang disebut platform pertumbuhan
dan menggambarkan kondisi aktual. Daripada saya berkata kepada Crystal, “Kita harus meluncurkan promo di GO-RIDE
dengan voucher GOPAY,” Crystal akan menjawab,
“Kamu tidak mengatakan kondisi aktual. Eksperimen saya menggambarkan kebenaran
dan kita lihat apakah asumsi kamu benar.” Banyak dari investasi itu berdampak ganda
di dalam organisasi yang membantu mulai dari tim performance marketing
dengan eksperimen optimalisasi app store sampai tim ilmu data yang membantu
membuat kerangka untuk mengetahui keberhasilan atau kepentingannya
secara statistik. Banyak pekerjaan di seluruh fungsi
untuk hal ini. Kamu menyebutkan performance marketing.
Ini satu hal yang sangat menarik. Jasper, kita sering berdebat tentang ini
dan kamu memberi banyak informasi terkait. Perusahaan teknologi berpola pikir di awal
bahwa pemasaran digital, online sejauh ini adalah cara terbaik memperoleh pelanggan
karena kamu bisa langsung menghubungkannya dengan penginstalan atau konversi
pada platform kita. Banyak yang yakin bahwa pemasaran offline,
TV, majalah, dan papan iklan hanya membuang uang
karena tidak menghasilkan apa pun. Apa pendapat kamu tentang ini
dan apakah itu betul? Ada dua hal yang kamu katakan.
Pertama, atribusi. Bisakah kamu menghubungkan
ke saluran tertentu yang dilihat pengguna? Kedua, keterukuran.
Klik dan tindakan digital bisa diukur. Jika seseorang mengunduh aplikasi kita
dan memesan perjalanan pertama melalui promo pemasaran secara digital,
bukan berarti 100% atribusi harus diberikan kepada iklan digital itu. Saya bisa saja berkata kepada kamu
untuk mulai menggunakan produk kita. Lalu kamu melihat iklan, mengkliknya,
dan mulai memakai produknya. Saya bisa saja berkata jutaan kali
dan atribusinya lebih condong untuk saya yang berpromosi offline,
bukannya kamu mengklik aplikasi itu. Itu atribusi, bukan keterukuran.
Jika kamu melihat… Jadi, hanya karena saya mengirimkan iklan
secara digital, bukan berarti saat produknya dipakai,
itu akibat iklan digital itu. Penyebabnya adalah berbagai hal offline,
bahkan rujukan dari teman. Di situ letak kerumitan atribusi,
bahkan dalam pemasaran digital. Betul. Atribusi per saluran itu mustahil
karena terlalu rumit. Banyak orang tak memilih dengan rasional. Orang membeli sepatu Nike
bukan karena mereka melihat iklannya, tapi karena pembangunan merek
selama 40 tahun. Mereka membuat keputusan tertentu,
misalnya cara kamu menghubungkan pembelian dengan promosi yang kamu lakukan
dalam beberapa hari terakhir? Itu tidak mungkin./
Lihat datanya juga. Saat pemasaran butuh uang lebih banyak
pada saat tertentu, kita melihat cara pelanggan berinteraksi
dalam saluran performa. Tampaknya lebih banyak pengguna
memakai produk kita. CAC kita lebih rendah
karena banyak cara berinteraksi offline. CAC adalah customer acquisition cost. Bagi audiens yang belum tahu,
CAC adalah biaya memperoleh pelanggan. Performance marketing,
disebut juga pemasaran online. Semua pemasaran
adalah performance marketing. Maaf. Kita sebut saja pemasaran online. Kebanyakan perusahaan dan marketer mengatribusi efektivitas pemasaran online
secara berlebihan. Betul sekali. Jadi, mereka mengklaim pengakuan atas hal
yang bukan datang dari promosi. Ini sangat menarik. Alasan satu-satunya adalah itu terukur. Orang merasa yakin dengan keunggulan itu,
dan itu bisa diterima. Basis pengguna kita bertambah. Marketer dan perencana
yang bertanggung jawab kepada CFO dan atas anggaran
bisa melihat pengeluaran & transaksi. Saya bisa mengklaim bahwa
saat saya mengoptimalkan iklan, hal ini akan terjadi./
Betul. Saat seseorang melihat TV
atau iklan driver GOJEK di jalan raya atau ada rekomendasi teman
atau melihat temannya memesan GO-FOOD, tampaknya dia tertarik dengan iklan itu
lalu memutuskan untuk mengunduh aplikasi dan mengkliknya,
padahal tak ada kaitannya. Lihat yang kami lakukan di Vietnam,
mungkin itu contoh terbaik. Atau Singapura. Kita memasuki pasarnya,
beritanya ramai. Ada kegiatan humas, kita diberitakan.
Basis pengguna kita bertambah. Kita tidak harus mengeluarkan uang
sepeser pun. Tanpa pemasaran digital./
Tanpa pemasaran apa pun. Secara teknis, humas adalah pemasaran. Itu keramaian di sekitar merek kamu.
Tak peduli berbiaya, gratis, atau digital. Konsumen akan bereaksi setelah melihat
dan akan menindaklanjutinya secara digital, luring, humas, apa pun. Kita membahas pemasaran digital,
dan saya penggemarnya. Jangan abaikan pemasaran digital. Jika kamu melihat efektivitas pemasaran
dalam 10 tahun terakhir, saat perusahaan digital memasuki pasar,
efektivitas promosi pemasaran menurun. Ada penurunan efektivitas pemasaran
sebagai fungsi. Salah satu alasan terbesarnya
adalah kejangkapendekan. Kejangkapendekan berarti hanya melihat
hasil jangka pendek daripada pembangunan merek jangka panjang
dengan hasil jangka panjang. Jendela evaluasi efektivitas berperan
sangat penting. Betul. Jika hanya melihat dalam 1 atau 2 bulan
dan mengevaluasi dampaknya, kamu tidak menilai dampak nyatanya
karena ada keterlambatan. Ada keterlambatan masif./
Seberapa besar skalanya? Tidak ada standar langsung. Tapi, saat kamu melakukan promosi
untuk membangun merek, misalnya promosi besar-besaran di TV,
hasil aktualnya biasanya akan berlangsung selama enam bulan. Kamu melakukan promosi besar
selama 4 minggu di TV, luar ruangan, dll. Hasilnya mungkin akan berlangsung
sekitar 6 bulan, secara rata-rata. Kebanyakan marketer hanya mengamati angka
dari bulan ke bulan? Oleh karena itu, angka tersebut
seakan-akan membohongi mereka. Contohnya, kamu melihat direksi.
Ada CEO, CMO, CFO, dan banyak lagi. CMO memiliki masa jabatan tersingkat
daripada level chief yang lain karena harus memperlihatkan hasil
sekarang juga. Jika tidak, mereka akan diberhentikan.
Jadi, ini kejangkapendekan. Tapi, lihat Coke. Maaf, apa istilahnya? Kejangkapendekan./
Betul. Kependekan atau kejangkapendekan?/
Kejangkapendekan. Lihat Coke. Salah satu contoh terbaik
pemasaran merek 100% adalah Coke. Sebagai produk, Coke tidak memenuhi
kebutuhan fungsi apa pun. Meminum Coke itu sangat irasional. Banyak orang meminumnya
mungkin karena rasanya enak. Performa Coke cukup buruk
mungkin sampai tahun 2011. Penjualan mereka menurun.
CMO yang baru mengubah total strateginya. Dampaknya terlihat 2,5 tahun kemudian
karena mesin yang sudah beroli diganti. Cara orang melihat, merasakan merek kamu,
seberapa mudah mereka membeli dan mengenalinya berperan penting. Kebutuhan mendesak untuk membuktikan
atributabilitas pengeluaran, sebagai harapan emas pemasaran digital,
telah mengubah persepsi pemasaran dari investasi ke hasil jangka pendek
karena kerangkanya masih kecil. Lalu, mengapa kita harus berinvestasi? Banyak perusahaan teknologi menyisihkan TV
karena dianggap membuang uang, dll. Kamu setuju?/
Tentu tidak. Mengapa? Basis pengguna perusahaan mana pun
biasanya adalah para pembeli sesekali, tiap minggu, dan tiap hari. Mayoritas pembeli kamu
adalah pembeli kelas ringan. Orang yang jarang menggunakannya./
Ya. Ada distribusi alami yang menunjukkan
mayoritas pengguna kamu adalah pembeli yang jarang membeli. Saya tidak tahu angka persisnya,
tapi ini kelompok besar. Ya, mayoritas./
Betul. Mayoritas pembeli ini pastinya kaya
dan jumlahnya sangat besar, puluhan juta orang yang harus dijangkau
agar menjadi pembeli rutin. Kapan pun mereka ingin kopi
atau bepergian dengan kendaraan real-time, itulah saat kelompok tersebut
harus mempertimbangkan merek kita daripada pesaing kita. Kamu bisa melakukannya dengan menerapkan
pemasaran massal dalam waktu cukup lama dan membangun atribut merek,
seperti mengedukasi banyak orang tentang manfaat produk bagi konsumen,
alasan harus memakai merek kita daripada pesaing kita. Kelompok terbesar yang harus dipengaruhi
adalah pengguna kelas ringan. Cara terbaik untuk melayani mereka
adalah dengan pemasaran massal. Tantangan terbesar di pasar ini adalah TV.
Sesederhana itu. Pemasaran memiliki jangkauan terluas,
seperti TV, dan secara tak proporsional
memengaruhi pengguna terbesar yang harus kamu jadikan
pembeli yang lebih rutin. Tapi, tanpa cara untuk memahami
penggunaan anggaran. Banyak hal terjadi dalam perusahaan,
terutama kita, dengan banyak promosi. Bagaimana seseorang mengetahui anggaran
untuk pemasaran atau promosi? Bagaimana praktik terbaiknya? Ini pertanyaan bagus.
Lihat perusahaan seperti Coca Cola. Uang mereka banyak dipakai untuk pemasaran
karena mereka 90% perusahaan pemasaran. Mayoritas anggaran akan terpakai ke sana. Perusahaan kita berbeda
karena kita masih perusahaan teknologi yang digerakkan oleh produk. Untuk mengetahui jumlah uang
yang harus kita keluarkan untuk pemasaran, saya tidak tahu. Dengan melihat basis pengguna
dan frekuensi kita menjangkau mereka, misalnya tiap minggu,
kita butuh uang sejumlah sekian untuk itu. Atau, ini seluruh kategorinya.
Berapa biaya untuk menjangkaunya secara mingguan?
Misalnya, dua kali di semua saluran kita, dan biayanya mencapai sekian,
dan untuk setahun, jumlahnya sekian. Saya mengerti. Salah satu konsep menarik
yang pernah diperdebatkan adalah jika kamu membombardir pengguna
berkali-kali dengan citra tertentu dengan tiap peningkatan intervensi,
kamu menambah kemungkinan pengguna beralih dan akhirnya menjadi pengguna,
misalnya pengguna GOJEK. Tapi, dengan jumlah sumber daya terbatas
dan iklan yang kita bayar, pemborosan akan terjadi
jika kita menyerang pengguna yang sama berkali-kali agar dia beralih. Memperluas target akan lebih efektif
karena ada probabilitas tetap, probabilitas acak agar seseorang beralih. Menambah jumlah orang yang melihat itu
adalah hal terpenting saat kamu menargetkan pertumbuhan. Apakah itu betul?/
Ya. Itu masuk akal. Tapi, mengapa ada pandangan berbeda
dalam alasan orang membayar iklan digital untuk terus menyasar pengguna yang sama
berdasarkan audiens dan segmentasi. Bukankah itu pemborosan?/
Betul sekali. Kamu ingin tahu alasan sebenarnya
atau alasan buatan untuk itu? Alasan sebenarnya adalah
bagi perusahaan digital besar, cara termudah menghasilkan uang
adalah terus menyasar pengguna yang sama. Karena mereka sudah membangun
audiens sendiri. Mereka tetap ingin menghasilkan uang. Jika harus selalu mendapat pengguna baru,
mereka mungkin tak tahu tempat mencarinya atau tidak memiliki cukup pengguna. Jika kamu melihat saluran TV,
itu sama dengan basis pembeli kita. Ada penonton TV di siang hari
yang menonton banyak acara 10 jam sehari. Ada acara TV pada jam utama,
misalnya pertandingan sepakbola yang menarik jutaan pengguna,
tapi mereka menonton TV sebulan sekali. Ada kelompok besar penonton TV
pada jam utama. Untuk saluran TV itu,
lebih mudah menjual iklan kepada pemirsa yang menonton 10 jam sehari
karena bisa menayangkan banyak iklan. Tapi, tidak berarti bahwa kelompok itu
target yang tepat karena pada jam pertandingan sepakbola,
ada banyak penonton TV kelas ringan yang lebih mahal untuk dijangkau
melalui TV. Betul. Jika membahas frekuensi versus jangkauan
serta alasan perusahaan digital besar harus berinvestasi dalam frekuensi,
lebih mudah untuk menjangkau pengguna platform digital aktif
daripada pengguna pasif. Apakah itu masuk akal?/
Ya. Dari perspektif strategi,
kita harus selalu berinvestasi dalam jangkauan daripada frekuensi. Ada banyak penelitian tentang hal itu. Hasilnya, pengeluaran untuk jangkauan
mencapai pengembalian investasi 2,5x lebih besar
daripada menginvestasikan jumlah yang sama dalam orang yang sama. Jika melihat kurva frekuensi pengguna
dari nonpengguna ke pengguna aktif, kamu ingin menghabiskan semua uang
dan upaya untuk nonpengguna. Itulah pengeluaran terbesar.
Ini sangat menarik. Apa artinya untuk platform pertumbuhan,
bagi GOJEK atau perusahaan teknologi lain? Bagaimana cara membuat produk
dan memasarkan produk itu untuk menyasar pengguna baru
dan pengguna yang jarang memakainyai? Apakah itu masuk akal? Ya, prinsipnya sama. Kamu ingin memfokuskan upaya untuk menambah frekuensi,
mendapat pengguna baru, dan meningkatkan frekuensi penggunaan
oleh pengguna pasif. Merekalah yang akan mengembalikan
nilai terbesar untuk tiap dollar. Jika mereka lebih sedikit bertransaksi,
mungkin mereka belum memaksimalkan batas atas penggunaan dengan platform itu. Jadi, kita melihat biaya yang lebih baik
per kenaikan transaksi. Itu salah satu IKU kita
di sisi pertumbuhan. Saat kita menginvestasikan uang
untuk pengguna yang bertransaksi 1 atau 2x daripada pengguna dengan 20-30 transaksi,
potensi laba dari pengguna pasif frekuensinya jauh lebih tinggi, kan? Ada lebih banyak perilaku
yang harus dibentuk dan dicetak. Jadi, mendapatkan pengguna GO-FOOD
yang mungkin hanya memesan sekali seminggu pada akhir pekan, dan membuat mereka
memesan GO-FOOD makan siang di hari kerja akan melipatgandakan jumlah transaksi. Contohnya, sepupu saya memesan GO FOOD
tiap malam, lima kali seminggu. Membuat mereka menambah satu pesanan
tidak akan terlalu mengubah situasi dan jauh lebih sulit untuk membuatnya
menambah satu pesanan karena dia sudah menjadi pengguna aktif./
Betul. Jadi, apakah kita harus mengabaikan
pengguna aktif? Kita tidak mengabaikan pengguna aktif
karena mereka akan menyimbolkan banyak momen pembuka mata yang didapat
untuk sampai di titik mereka saat ini. Kita bisa memakai pengguna aktif
untuk lebih memahami kegunaan maksimum yang bisa diperoleh pengguna
dari platform kita dan perwujudannya
dalam perilaku mereka yang berbeda-beda. Misalnya, pengguna aktif yang memakai
GO-RIDE pertama kali saat hujan. Mungkin itu waktu yang baik bagi kita
untuk memaksimalkan edukasi atau pemasaran kita untuk memperoleh
pengguna baru karena ini menjadi titik masuk yang baik
bagi calon pengguna platform kita dan melihat manfaatnya dalam waktu
cukup lama saat musim hujan. Lebih baik kita melihat pengguna aktif
sebagai cara memberi dasar pemahaman untuk mengaktifkan pengguna pasif. Adakah contoh kisah pengguna aktif
yang mengubah pengguna pasif menjadi aktif? Itu akan terlihat dalam contoh
sepupu kamu yang memesan tiap malam karena memberi opsi membeli makanan
saat mereka sudah dalam perjalanan pulang. Itu menjadi kebiasaan. Begitu masuk ke dalam mobil,
mereka membuka GO-FOOD. Mencari merchant dekat rumah mereka
dan memesannya dalam perjalanan pulang. Kita lihat perilaku pengguna aktif,
menyadari ini adalah pengguna potensial bagi mereka yang belum membentuk kebiasaan
sebagai pengguna. Kita membuat fitur pada laman transportasi
tentang siapa yang melakukan perjalanan, dan memberi tahu beberapa opsi makanan
dekat tempat tujuan kamu. Kita memandu mereka ke perilaku itu
dengan fitur produk yang lebih baik. karena pengguna aktif
memberi masukan untuk fitur aplikasi kita. Mereka memberi tahu cara memakainya
dan kita harus membuat fitur yang menghilangkan masalah
yang ditemui pengguna aktif. Ini sangat menarik.
Saya pengguna aktif GO-FOOD. Saya selalu memesannya
dalam perjalanan pulang dengan GO-RIDE. Kamu juga pengguna aktif GO-RIDE. Tiap kali kamu pulang ke rumah
tapi tak pernah memesan GO-FOOD. Algoritme atau model kita mengatakan
ada probabilitas x persen jika voucher ongkos kirim makanan
diberikan pada waktu tersebut, kamu mungkin membangun kebiasaan
yang sama dengan saya dan berpotensi menjadi seperti saya. Masukannya, kita harus mengurangi masalah
bagi pengguna pasif. Tidak harus selalu voucher. Voucher bisa dipakai untuk menguji
apakah pengguna akan menerapkannya karena voucher menghapus masalah yang ada. Misalnya, saya tidak tahu merchant
restoran yang saya mau, atau yang dekat dengan tujuan saya. Voucher menjadi cara menghilangkan masalah
dari produk itu karena memberi insentif kepada pengguna
untuk melewati masalah itu dan mereka mendapatkan uang. Saya belum pernah memesan-antar makanan.
Ada hambatan mental bagi saya untuk itu. Setelah melihat kenaikan jumlah pengguna
yang menukarkan voucher dengan waktu kedaluwarsa satu jam
sebelum memesan kendaraan, kamu mulai bisa memprioritaskan
fitur baru untuk meningkatkan produk itu sehingga kamu tidak membutuhkan voucher
untuk menghilangkan masalah pengguna itu. Jika kamu menggambar bagan pengguna aktif,
pengguna pasif, dan nonpengguna. Pengguna aktif di bagian atas bagan
adalah pegangan kamu. Kamu menganalisis dan melihat perilakunya
dan momen pembuka mata yang mereka alami. Kamu menerapkannya pada pengguna pasif
yang jumlahnya ingin kamu naikkan. Pengguna pasif memiliki biaya lebih rendah
per kenaikan transaksi daripada pengguna di bagian tengah
dan pengguna aktif. Mengapa fokusnya ke sini? Bukankah ROI terbesar diberikan oleh
nonpengguna, pengguna yang memang baru? Mengapa kita memfokuskan upaya
pada nonpengguna agar menjadi pengguna? Saya bisa memberi contoh
kerangka kerja eksperimen kita. Kamu mendapatkan pengguna baru
dalam jumlah terbatas tiap minggu. Tidak ada pelanggan untuk bereksperimen
dari basis pengguna baru. Jadi, kamu akan membentur tembok./
Betul. Ada tembok operasional untuk jumlah uang
yang bisa kita habiskan bagi pengguna ini. Ada hal lain yang lebih penting
dalam membuat siklus pakai pengguna. Bukan hanya tentang pengguna baru
dan pengguna aktif. Ada banyak tahap di antara itu. Membuat tim bisa berfokus
dan mengetahui tahapan pengguna itu akan memberi informasi
tentang cara membuat perjalanan bertahap bagi pengguna untuk menjadi
pengguna aktif. Bisakah kamu menceritakan
perjalanan pengguna? Ini menjadi buzz word. Dalam perspektif pertumbuhan,
berapa jumlah perjalanan pengguna yang kamu petakan sekarang
di platform GOJEK? Tergantung pada siapa yang kamu minta. Tiap orang memiliki akses terbuka
ke data itu dan tim periset. Mereka bebas membuat model
untuk pengguna GO-FOOD terbaik atau pengguna transportasi terbaik. Kita punya tahapan pengguna
di seluruh platform yang kita kerjakan dengan tim ilmu data,
tim periset, dan tim pemasaran. Seluruh platform
berarti seluruh Super App. Betul. Keunikan GOJEK ada pada bukan hanya
perjalanan GO-FOOD, tapi perilaku pengguna di banyak layanan
dan cara kita mengintegrasikannya. Ini konsep pengguna Segitiga Emas.
Kita sudah menyempurnakan konsep ini. Mungkin kamu ingin menjelaskan
alasan spesialnya pengguna Segitiga Emas. Tiap perusahaan punya momen pembuka mata
yang sangat mudah dikomunikasikan. Kesederhanaan ini mengalahkan
momen pembuka mata yang rumit dan akurat. Di Facebook, ada 7 teman dalam 10 hari. Kita memiliki minimum 3 kasus penggunaan
dalam 30 hari. Tiga layanan dalam 30 hari dengan GO-PAY. Itu seperti cawan suci./
Betul. Churn rate kita sangat jatuh. Kamu menjadi pengguna abadi
dan itu momen pembuka mata. Bagi audiens dan pendengar,
momen pembuka mata adalah penemuan berdasarkan analisis perilaku pengguna
yang sering tidak pernah kamu kira. Ini sulit ditebak. Hal-hal terjadi dalam perjalanan pengguna
yang menjadikan mereka pengguna konsisten atau malah menunjukkan hasil negatif. Bisa jadi ada peristiwa negatif
yang membuat pengguna bimbang. Kamu bisa memiliki momen pembuka mata
yang positif atau negatif. Betul. Kerangka yang kita pakai adalah
apa hal dilakukan pengguna setia tapi tidak dilakukan
pengguna yang tidak aktif lagi? Kamu bisa melakukan perbandingan. Apa hal yang dilakukan oleh pengguna aktif
yang tak dilakukan oleh pengguna nonaktif? Ini jauh lebih kuat daripada korelasi hal
yang dilakukan kebanyakan pengguna aktif. Kita bisa berkata bahwa ribuan perjalanan
terkait dengan kesetiaan pengguna. Tapi, kebanyakan pengguna aktif kita
tidak melakukan ribuan perjalanan. Kita mencari konvergensi terbesar
antara hal yang dilakukan pengguna aktif tapi tidak dilakukan oleh
pengguna nonaktif. Kita mencari perilaku seperti itu. Saat kita melihat tiap jenis layanan,
alasan adanya organisasi inti dan tambahan adalah ada dua hal dalam siklus pemasaran. Selalu ada dua hal
dalam tiap siklus pengembangan produk. GO-FOOD menginginkan pengguna terbaik
dan menganggap produknya sebagai corong kesadaran, pemahaman,
pertimbangan saat membeli GO-FOOD, menggunakan fitur pencarian, kategori,
atau pemesanan kembali. Ada kedalaman produk GO-FOOD yang mungkin tidak dipertimbangkan
di tingkat platform. Di tingkat platform,
kita menganggap kesadaran dan pertimbangan sebagai hal yang lebih dangkal. Apakah pengguna memakai GO-FOOD & GO-PAY?
Apakah mereka memakai PayLater? Apakah mereka memakai banyak layanan
pengiriman dan belanja? Struktur tim pertumbuhan lebih berfokus
pada apakah pengguna sangat terlibat dalam platform ini versus produk tertentu. Ada banyak pertukaran yang adil
untuk memperdebatkan keduanya. Ini sangat menarik. Sinyal loyalitas tak hanya didefinisikan
oleh jumlah layanan Super App yang dipakai tapi seberapa dalam layanan itu tertanam
dalam pengaturan fitur. Bagi saya, logikanya begini. Makin saya tertanam di dalam sebuah fitur
dan makin sering saya memakainya, investasi psikologis saya makin besar
dalam platform itu. Saya akan makin terikat pada platform itu.
Apakah itu betul? Ya, harapannya kamu akan memetik
lebih banyak nilai inti dari situ. Jika tidak, itu menjadi fitur yang buruk. Makin sering kamu memakai layanan makanan
dalam perjalanan pulang dan tahu makanan dekat rumah kamu,
atau makin kamu tahu kategori makanan yang direkomendasikan, kamu diharapkan
memetik nilai lebih banyak dari platform. Luar biasa. Mari bahas tentang pangsa pasar
dan dampaknya pada pertumbuhan produk. Apakah pangsa pasar itu penting?
Mengapa itu penting? Seberapa ketat pemantauan
yang harus kamu lakukan dan ikuti? Dalam lingkungan subsidi tinggi tertentu,
pangsa pasar sangat rentan dan bisa naik turun tergantung pada
pengelolanya dalam waktu tertentu. Apa pendapat kita dan startup lain
tentang pangsa pasar sebagai indikator pendorong
atau penghambat pertumbuhan? Seberapa penting hal itu?/
Sangat penting. Mengapa? Pada akhirnya, apa pun merek kamu,
hal yang kamu inginkan adalah pertumbuhan. Pertumbuhan adalah pendorong pokok bisnis. Jika kamu tidak tumbuh
dan pesaing kamu tumbuh lebih cepat, mereka akan tumbuh lebih besar
dan mengalahkan kamu. Sesederhana itu,
karena mereka akan memperoleh uang dan sumber daya lebih banyak
untuk mengalahkan kita. Tidak selalu begitu./
Dalam jangka panjang? Ya, dalam jangka panjang./
Memang selalu begitu. Dalam bidang teknologi,
mungkin tampak lebih tajam. Dalam jangka pendek, ini berbeda.
Itu hal yang baru saja kita bahas. Ini tergantung pada strategi kamu.
Perusahaan lain harus mendorong penetrasi. Mendapatkan pengguna baru secara rutin
untuk menumbuhkan pangsa pasarnya. Karena saat penetrasi meningkat,
frekuensi pembelian rata-rata pelanggan mencerminkan peningkatan loyalitas. Tolong ulangi. Saat penetrasi
dan jumlah pengguna platform meningkat, ada korelasi langsung dengan peningkatan
frekuensi pemakaian rerata oleh pelanggan. Jadi, loyalitas akan meningkat. Alasannya, makin besar basis pengguna,
pengguna pasif akan makin banyak. Biasanya mereka benar-benar setia
karena hanya membeli 1 kali dalam setahun. Makin besar basis pengguna,
pengguna tersebut akan makin setia. Itu disebut pemasaran double jeopardy. Makin tinggi penetrasi kita, frekuensi
pembelian rata-rata akan makin tinggi. Deltanya adalah perbedaan penetrasi
di antara pesaing kamu lebih besar dalam frekuensi pembelian
melalui aplikasi, yang relatif kecil. Pertumbuhan pangsa pasar,
hanya bisa dilakukan melalui penetrasi. Frekuensi pembelian rerata akan mengikuti.
Ini cukup sederhana, kan? Jika kamu bukan pengguna
dan belum pernah mencoba produknya, kamu menjadi pengguna pertama kali,
dan ini adalah kelompok terbesar. Jika menyukai produknya,
kamu makin sering membeli. Kamu menjadi pengguna aktif. Makin banyak pembeli pertama,
makin mungkin menjadi pengguna aktif. Asumsinya, tiap orang punya kemungkinan
yang sama untuk menjadi pengguna aktif. Betul. Ini bukan seperti konsep pengguna awal
adalah satu-satunya pengguna aktif. Bukan begitu cara kerjanya.
Kamu mungkin saja menjadi pendatang baru. Tapi, memiliki kemungkinan yang sama
untuk menjadi pengguna aktif. Mereka hanya terlambat menemukannya./
Betul. Kami melihatnya juga. Kamu melihatnya dalam data.
Bisakah kamu menjelaskannya sedikit? Dalam tiap grup, ada dasar bahwa
dari pengeluaran pada bulan pertama, kita bisa memproyeksikan pengeluarannya
dalam tiga bulan mendatang. Rasio itu tidak berubah./
Betul. Tapi, hal itu belum efektif per pengguna.
Pada level grup, memang begitu. Jasper betul karena kita melihat pengguna
sebagai basis total. Mereka memiliki distribusi jenis pengguna
atau kapasitas pemakaian produk yang sama. Dengan asumsi kamu tidak mengubah
saluran mendapatkan pelanggan, kamu memiliki basis yang cukup jelas
sejak bulan pertama tentang proyeksinya dalam bulan ketiga sebagai grup. Sebagai grup.
Ini sangat menarik. Secara intuitif, kamu akan berasumsi
semua pengguna aktif adalah pengguna awal. Tidak selalu begitu./
Betul. Kita melihat pengguna awal
bukan pengguna terbaik untuk meriset motivasi pemakaian produk,
harapannya tentang perkembangan produk karena mereka adalah jenis pengguna
yang sangat berbeda. Saat meriset atau menguji pengguna
untuk layar beranda atau fitur baru, kita sangat berhati-hati
saat harus menggabungkan orang-orang yang belum pernah menggunakan produk kita,
pengguna setia, dan pengguna di tengah-tengah. Alasannya, pengguna baru cenderung memberi
sedikit masukan tentang tampilan produk atau fitur yang mereka inginkan
karena tidak memahami produknya dan bukan bagian dari pelaku revolusi awal
yang sangat memerlukan solusi dari kita. Ini masalah riset atau evaluasi
keputusan tentang fitur baru. Ini menjadi menarik saat kita membahas
pengguna setia atau pengguna aktif. Kita memiliki basis pembeli yang sama
dengan pesaing langsung kita. Orang-orang yang persis sama
dengan demografi dan psikografi yang sama. Pada dasarnya memang
grup kategori yang sama. Saat berbicara tentang pengguna aktif,
saya mengambil Vijay sebagai contoh. Vijay adalah penggemar fanatik
dan pengguna aktif sneaker. Dia memiliki merek pilihan. Vijay, kepala kreatif kita?/
Betul. Dia sangat menyukai sneaker./
Dia pengguna fanatik sneaker. Mungkin ia membeli sepasang sneaker baru
tiap minggu atau tiap dua minggu. Ya, sneaker memang sangat trendi./
Itu konyol. Mungkin ada kamar besar penuh sneaker.
Dia punya merek pilihan, yaitu Nike. Tapi, terkadang dia membeli Adidas juga. Dari 10 pasang sneaker, dia mungkin punya
7 pasang Nike dan 3 pasang Adidas. Ada miskonsepsi bahwa pengguna setia
hanya membeli satu merek. Itu tidak betul. Dari semua peminum Coke,
mungkin sekitar 67% meminum Pepsi juga. Ya, sangat tidak intuitif
untuk saya. Itu tidak intuitif.
Sangat berlawanan. Ini kenyataannya. Tak ada pengguna setia yang hanya membeli
satu merek dalam satu kategori. Makin seseorang menjadi pengguna aktif,
makin banyak merek yang digunakannya. Jika kamu pengguna pasif,
kamu hanya membeli sepasang sneaker satu kali dalam setahun. Kamu mungkin akan terus membeli satu merek
karena kamu memang tahu dalam kategorinya. Mari kita pikirkan hal ini.
Apa mekanisme yang terjadi? Jika saya pengguna aktif aplikasi ojek,
saya mungkin pernah sulit mendapat ojek. Saya mungkin memakai layanan alternatif. Saya juga akan lebih tahu
tentang promosi yang sedang diberikan. Kamu menjadi pengguna
yang lebih teredukasi. Saya menjadi tahu saat ada promosi. Saya mungkin ingin mengoptimalkan
meskipun ada preferensi untuk satu merek. Ini menjadi bagian besar dalam hidup saya.
Saya cenderung mencoba produk pesaing. Jika itu aspek yang relatif kecil
dalam hidup saya sehari-hari, saya tidak butuh beban kognitif
untuk memikirkan opsi itu. Betul. Kamu tidak harus mengoptimalkannya. Menurut kamu, mendapatkan pengguna pasif
lebih penting karena mereka hanya akan memakai
merek kamu. Itu mendasar. Ini tampak sangat berlawanan
dengan pendapat tentang pengguna aktif. Kamu membuat kami sangat kaget sekarang.
Ini membingungkan. Pengguna aktif membeli
untuk mempelajari produk, bukan menghabiskan uang untuk produk itu. Mengapa ada program loyalitas? Pertanyaan bagus.
Program itu benar-benar omong kosong. Saya boleh bilang omong kosong?/
Sangat boleh. Kita juga punya program loyalitas. Secara umum, program loyalitas itu
omong kosong. Mengapa? Itu membuang-buang uang
karena sangat mahal. Apakah ada yang pernah menganalisisnya? Bukan hanya dari perspektif pemasaran,
biaya overhead, investasi alat bantu, dan keluarannya. Bisakah kamu berdebat yang sama
dengan pemasaran offline? Itu tak relevan, tapi kamu membutuhkannya.
Ini higiene untuk produk. Bagaimana kita mengatribusikannya?
Itu yang saya katakan tadi. Ini bukan menurut saluran. Kamu melihat investasi total dalam 1 bulan
di TV, digital, dan di luar ruangan. Lihat keluarannya.
Ini mirip dengan program loyalitas. Kita harus melihat investasi total & ROI. Bagaimana jika ini lebih jangka panjang? Bagaimana jika ada masalah atribusi
yang sama di kemudian hari? Itu akan berulang. Ini tergantung pada tingkat keterlibatan
dalam program itu. Contohnya, saya sangat senang dengan
program mileage maskapai penerbangan dan saya memastikan tak kehilangan status
dengan mengubah tanggal penerbangan. Saya tidak akan melakukan hal berlebihan
untuk menambah waktu perjalanan. Saya akan selalu memakai maskapai itu
untuk mempertahankan status saya. Saya tidak tahu
apakah saya 100% setuju dengan kamu. Maaf, saya jadi bersemangat dengan ini./
Oke. Silakan. Lihat program maskapai penerbangan,
misalnya Singapore Airlines, kebanyakan penumpang mendapatkan statusnya
dengan tiket yang dibayari perusahaan, bukan dengan uang sendiri. Ya, pastinya./
Saya juga penggemar fanatik. Di perusahaan sebelumnya,
saya bisa terbang dengan kelas bisnis ke seluruh dunia, itu luar biasa,
saya mendapat banyak mileage. Dari gold, kelas saya naik ke platinum
dan ke kelas yang lebih tinggi lagi. Ini keren. Tapi, saat harus memesan penerbangan
dengan uang sendiri, saya tak memilih SQ. Saya pilih maskapai lain. Bagaimana program loyalitas akan berjalan
jika kamu memakai uang sendiri? Saya mengerti. Menurut kamu, ada valuasi berlebihan
dalam program loyalitas secara umum. Tepat sekali. Ada satu hal yang paling saya sukai
tentang SQ. Mileage adalah alat pemasaran
bukan untuk mengubah perilaku tapi menunjukkan kepada teman-teman kamu
tentang status gold & kenaikan peringkat. Saya tidak begitu,
tapi saya suka mileage SQ, Garuda, dan semua mileage saya. Apa pun status mileage kamu, itu membuat kamu punya hak
untuk menyombongkan diri. Kebanyakan pengguna tak peduli dengan itu,
tapi pengguna aktif akan peduli. Mari pikirkan kedai kopi sederhana.
Pengguna aktifnya bertambah. Saya pergi ke Liberica tiap hari
dan mendapatkan Cappuccino saya. Program loyalitas kedai kopi seperti ini
akan memberi kopi kesepuluh dengan gratis. Ini diskon 10%.
Mengapa kamu mau melakukannya? Saya akan pergi ke sana
dan tetap membeli kopi kesepuluh saya. Saya tak perlu diberi insentif untuk itu.
Mengerti maksud saya? Itu sendiri juga adalah program loyalitas. Itu permintaan sulit karena dianggap
salah satu program loyalitas tersukses dengan berkata mereka akan tetap membeli. Jadi, kamu memberi saya diskon 10%
atau tidak ada sama sekali. Tapi, menurut saya,
ada hal yang kamu lewatkan. Meskipun saya akan tetap memesan kopi,
kendaraan, atau penerbangan, ada komponen besar dari NPS:
perasaan saat mendapat manfaat tambahan. Kesediaan saya mempromosikan merek itu
kepada orang lain yang belum tahu. Produk kamu makin banyak dipakai
bukan sebagai hasil pemasaran, tapi promosi dari mulut ke mulut. Titik pemakaian produk oleh pengguna baru
dicapai dengan promosi dari mulut ke mulut Kamu boleh mendebat saya tentang ini. Ya, saya tahu. Kamu betul.
Mulut ke mulut salah satu cara paling.. Sebentar, saya selesaikan dulu
pendapat saya. Karena alasan tadi
dan pentingnya promosi dari mulut ke mulut meskipun ada banyak iklan,
itu hanya memperkuat momen pemakaian oleh pengguna baru. Fakta bahwa program loyalitas menciptakan
perasaan dan hubungan spesial dengan merek itu bisa sangat memperkuat
promosi dari mulut ke mulut atau NPS atau nama lain apa pun. Itu pendapat saya. Mari bahas promosi dari mulut ke mulut
karena banyak orang masih skeptis, termasuk pengiklan, marketer,
divisi pertumbuhan, dan pendiri, Saya merasa bersalah
karena pernah meyakini hal ini. Pengguna terus melihat iklan tertentu,
mungkin di media sosial. Pada satu titik, mereka mengklik iklannya,
mengunjungi App Store, mengunduhnya, dan saya menjadi pengguna, kan? Ini jelas hal terjauh dari kebenaran
yang bisa terjadi, kan? Bukan itu yang terjadi saat kita melakukan
riset mendalam tentang hal yang terjadi saat kamu bertanya kepada seseorang
tentang kapan mereka mulai memakainya. Saya tidak tahu angka persisnya,
tapi lebih dari 7 dari 10 orang menjawab mereka mendengar dan melihat teman
membicarakan atau memakainya. Itu terjadi di ruang offline,
bukan di billboard offline atau iklan TV, tapi di kedai kopi, acara keluarga,
kelas, tempat kerja. Itu hasil dialog antarmanusia
yang akhirnya memunculkan pengguna baru. Kamu tidak bisa menghindarinya.
Maaf. Kamu tidak bisa meningkatkannya
tanpa memiliki keunggulan produk. Betul. Pada akhirnya, berapa pun uang tunai kamu
dan promosi yang kamu lakukan, kamu tidak akan bisa menghalangi
munculnya pengalaman produk yang bagus. Itu tidak berkelanjutan.
Kamu butuh sirkuit viral. Sirkuit viral membantu kamu
mempertahankan dialog ini. Contohnya, fungsi utama Dropbox adalah
perluasan alami dari nilai inti produknya, yaitu berbagi dan berkolaborasi. Program rujukannya adalah perluasan alami
karena kamu sudah membagikan dokumen. Mengapa kamu tidak bergabung dengan saya
dalam platform ini? Itu sirkuit viral karena kamu sudah
berbicara tentang mengerjakan dokumen. Diskusi untuk bergabung di platform ini
adalah evolusi yang sangat alami. Membuat sirkuit viral
agar cocok dengan peristiwa organiknya menjadi sangat penting. Apa saja hal yang memiliki konten
yang layak dibahas dalam percakapan viral? Tidak ada yang benar-benar mempromosikan
jika seseorang mendapat promo atau diskon. Kamu tidak akan berkata,
“Saya dapat layanan ojek online 5x gratis. Ini luar biasa.”
Itu tidak terjadi sesering yang kamu kira. Kecuali promonya beli 3 dapat 4,
kamu mulai memberi tahu teman-teman, “Saya ingin membeli makanan ini,
tapi saya butuh tiga orang lagi. Siapa lagi yang mau gabung?”
Itu sirkuit viral. Betul. Perlu partisipasi orang lain
untuk mendapatkannya. Mengirimkan kode rujukan
dan bisa mendapatkannya kembali, mengirimkan voucher butuh partisipasi
atau dialog. Tapi, pengembangan fitur produk punya efek
yang sama karena seperti rilis produk atau layanan baru meskipun kamu memakainya
1 kali tiap 10 kali pemakaian produk itu. Setelah kamu menemukan nilainya,
itu menjadi topik yang patut didengungkan. Pengembangan produk punya hubungan pokok
dengan pemasaran dari mulut ke mulut. Itu bukan benar-benar pemasaran. Kita baru saja menyelesaikan pengujian
layar beranda, riset, dan pengguna. Ada responden yang berkata,
“Kamu bertanya opini saya tentang GONEWS.” Saya belum pernah melihat GONEWS
tapi ada yang memberi tahu saya tentang kabar baru yang dia baca
di GO-NEWS. Saya mencari tapi tidak menemukannya.
Bagaimana cara mendapatkan GONEWS?” Ini sangat menginspirasi tim kami. Artinya, kita butuh pengembangan produk
untuk memenuhi kebutuhan aktual pengguna. Betul.
Tidak ada model bisnis untuk GO NEWS. Tidak ada biaya untuk kontennya
pada aplikasi kita. Itu tadi contoh insentif nonfinansial.
Partisipasi dalam platform. Saya ingin membahas
promosi dari mulut ke mulut ini. Dalam semua alat pemasaran,
promosi dari mulut ke mulut mungkin adalah cara terpenting karena bisa memengaruhi keputusan
pelanggan untuk melakukan pembelian. Jadi, kamu setuju dengan saya?/
Ya, setuju. Tapi, ada tapinya. Kamu membagi antara pengguna pasif,
yang adalah mayoritas di perusahaan, dan pengguna aktif,
yang ikut dalam program loyalitas. Pengguna pasif tidak akan terlalu banyak
mempromosikan program loyalitas. Jika kamu punya 100 pelanggan,
5 di antaranya adalah pengguna aktif dan 80 pengguna pasif,
mereka akan mendengar informasi dari mulut ke mulut yang berbeda
dari program loyalitas kamu. Lima orang berbicara program loyalitas, dan 95 dari 100 orang berbicara
informasi dari mulut ke mulut yang lain. “Saya mencoba produk ini pertama kali
dan ini luar biasa.” Itu informasi yang berbeda dengan ini. Saya mendapatkan kopi kesepuluh gratis
dan lima orang itu hanya bagian kecil dari kelompok pelanggan
yang menyebarkan ini. Saya ingin mengelaborasi itu. Kecenderungan menginformasikan NPS negatif
lebih tinggi pada pengguna aktif. Ya, pastinya. Jika kamu selalu memakainya,
apa yang akan kamu keluhkan? Apa lagi yang akan kamu bahas? Saya tidak akan lagi berkata itu bagus.
Itu sudah menjadi seperti air untuk saya. Menganggapnya remeh. Sayalah pengguna itu.
Saya memakai GO-RIDE dua kali sehari. Tiap saya membahasnya dengan seseorang,
meskipun saya CEO-nya, keluhanlah yang selalu saya pikirkan,
misalnya fitur ini seharusnya tak begini. Kamu betul. Di sisi lain spektrum ini,
jika pengguna pasif mendapat pengalaman pertama yang bagus, potensinya akan lebih tinggi
untuk memviralkannya dari mulut ke mulut. Kelompok itu bertambah banyak. Jika kita berbicara tentang 100 orang,
biasanya 80 atau 90 pengguna pasif dan hanya 10 atau 20 pengguna aktif. Kelompok itu lebih besar
daripada kelompok kecil ini sehingga suara kelompok besar lebih keras
daripada kelompok kecil. 80 orang bisa memengaruhi lebih banyak
daripada kelompok kecil itu. Saya ingin mendebatnya sedikit. Meskipun basis kelompok pengguna baru
atau pengguna pasif itu besar, apakah mereka lebih mungkin berbicara
tentang produk daripada pengguna aktif dengan volume sedikit
tapi kredibilitasnya tinggi? Pengguna baru punya pilihan lebih rendah
pada sebuah produk atau saya akan berinvestasi lebih sedikit. Saya tidak terlalu peduli. Mengapa saya membicarakan produk
yang baru saya pakai satu kali daripada seseorang yang ketagihan
memakai produk itu? Saya penggemar fanatik Guava Pass. Saya memakainya tiap hari
dan membuat 3 orang lain di tim saya memakainya juga. Ada orang yang mungkin masuk ke satu kelas
dan berkata sudah memakainya satu kali. Itu tidak muncul dalam dialog.
Mereka tidak bersemangat membicarakannya. Mari kita uji./
Saya ingin tahu cara mengujinya. Luar biasa, kan?
Ini bisa menjadi uji coba yang luar biasa. Mengapa kita tidak berfokus
pada media sosial? Jika kita berpendapat sirkuit viral,
offline, promosi dari mulut ke mulut, dan masyarakat sangat penting,
mengapa kita tidak menginvestasikan upaya lebih besar dalam siklus
pengembangan produk di media sosial? Media sosial sebagai saluran? Misalnya, ada kabar terbaru
di aplikasi media sosial yang membuat saya bisa memposting. Saya membeli makanan di sini.
Mendapat diskon 10% di sana, membeli offline di sini,
baru tiba di sini. Apakah kamu bisa memakai uji produk
seperti itu sebagai eksperimen untuk melihat apakah pengguna baru mau
mempostingnya daripada pengguna aktif? Saya bertaruh pengguna aktif
akan lebih mungkin melakukan itu. Dalam semangat sebagai ilmuwan,
saya ingin ini menjadi taruhan di antara kalian berdua
supaya kita bereksperimen. Kita harus membuat eksperimen./
Ya, itu bagus. Satu hal yang tidak kita pertimbangkan
tentang pengguna aktif yang ingin saya tantang kepada kalian
adalah GOJEK sangat unik dalam hal layanan yang dipakai banyak orang di dunia nyata,
yaitu transportasi, makanan, & pembayaran. Itu bukan hal yang dilakukan diam-diam,
sendiri, di ponsel pintar kamu. Untuk mendapatkan layanan sepeda motor
atau mobil, kamu harus membuat sepeda motornya datang. Saat memesan di tempat umum,
tiap orang bisa melihatnya. Jika kamu hanya berjalan ke gedung,
saya bisa langsung melihat layanan yang dipesan tiap orang
dan aplikasi yang mereka gunakan. Makanan itu hal yang lebih luar biasa. Pengguna aktif tak harus melakukan apa pun
selain memesan makanan & makanan datang. Orang lain yang bersama pengguna itu
pada saat itu akan melihat dia mengambil paket makanannya. Saat kamu memiliki bisnis yang hidup
di dunia offline, promosi mulut ke mulut
bukan hanya berfungsi verbal, tapi ada visibilitas tindakan & transaksi. Jaket pengemudi adalah alasan terbesar
pengguna baru mengetahui platform kita. Itu alasan sangat pentingnya jaket./
Betul. Tapi, itu pemasaran./
Untuk saya, itu peran pemasaran. Contohnya, rak Coke. Kamu akan masuk ke supermarket,
berjalan di tiap lorong. Hal pertama yang kamu lihat
adalah rak Coke. Tapi, itu pemasaran. Itu kode merek yang dicoba
untuk ditanamkan ke dalam otak manusia. Saat seseorang ingin membeli makanan
dan memesan GO-FOOD atau dia lapar & pergi dari tempat A ke B,
fungsi pemasaran adalah merek pertama yang muncul di kepala mereka. Itu fungsi kita.
Peran inti yang harus kita mainkan. Hal pertama yang terpikir. Ya, hal pertama yang terpikir
saat akan membeli. Jika saya meminta orang menyebutkan
merek jam tangan terkenal, banyak orang akan menyebut Rolex. Tapi itu bukan merek pertama yang terpikir
jika tidak serelevan itu. Rolex tidak ada dalam pilihan saya. Tapi, merek ini langsung terpikir
oleh banyak orang secara umum. Pada momen tertentu yang relevan,
merek apa yang terpikir pertama kali? Harus ada keterikatan mental tertinggi
supaya kita bisa menang. Pemasaran massal memperkuat itu. Betul.
Pemasaran massal membangun itu. Saat saya berkata Coke,
saya langsung terpikir minuman merah. Saat saya menyebut Nike,
kamu lihat gambarnya langsung di kepala kamu. Beragam kode termasuk logo, warna,
atau bentuk, seperti gelombang Coke, harus kita tanamkan
di kepala pelanggan dalam waktu lama. Hal yang bagus adalah
kitalah jaket hijau pertama yang ada di jalan raya. Tapi, itu cukup. Tidak masalah jika pesaing kamu
memiliki warna yang sama karena semua kode ini
membentuk merek kamu. Twitter dan Facebook juga memiliki warna
yang persis sama, yaitu biru. Itu tak masalah. Saat saya menyebut Facebook,
kamu akan langsung terpikir F biru. Atau mungkin Mark Zuckerberg.
Mungkin ada 3 kode lain. Untuk Twitter, kamu akan langsung terpikir
burung biru kecil, dan kontroversi saat pemilihan umum di AS. Mungkin saja, kan?
Mengerti maksud saya? Waktu kita habis,
tapi diskusi kita luar biasa. Saya suka debat kita yang hidup. Kita bisa melanjutkan debat ini
bertahun-tahun ke depan. Tapi, masukan utamanya di sini adalah
dalam semua konsep dengan asumsi bahwa satu saluran
atau pendekatan lebih baik daripada yang lain,
tidak ada kemutlakan dalam hal ini. Yang ada hanya beberapa saluran,
tergantung pada banyak hal. Nuansa dalam pemasaran digital & offline,
pertumbuhan, eksperimen, insentif finansial dan nonfinansial
harus dievaluasi dan dieksperimen supaya kamu bisa mencapai
sumber kebenaran terdekat. Jangan percaya pada dogma
dan paradigma. Lakukan saja eksperimen.
Lihat hal yang terjadi. Lakukan terus menerus karena platform
dan basis pelanggan kamu berubah. Terima kasih sudah hadir.
Saya harap kita bertemu lagi di acara ini. Mari bereksperimen./
Ayo kita lakukan. Hai, semoga kalian menyukai podcast ini. Jika kalian suka, klik like, subscribe,
dan ikuti kami di media sosial. Terima kasih sudah menonton kami.

How to Become a Business Intelligence Analyst in 2019

Hi everyone! Welcome to another 365 Data Science Special! It’s time to discover one more way to break
into data science! Yes, you guessed it right– we’ll talk
about becoming the BFF of business performance – the Business Intelligence analyst! We’ll take a good look into who the BI analyst
is, what they do, and how much zeroes are tacked on the end of their salary. Last but not least, we’ll discuss what skills
and academic background will help you become one. And if you yourself are considering a career
as a BI analyst, great choice! BI analysts are some of the most in-demand
data science professionals across many, many industries and business fields at the moment. However, if you lack the academic background
or relevant skills for the job, it’s easy to get discouraged. That said, you should know that acquiring
these skills is absolutely possible, even for complete beginners. There are plenty of qualification programs
and online certificate data science trainings. One of these is the 365 Data Science Program,
so, before we move on, we’d like to quickly tell you about this awesome all-around training. The program contains the full set of data
science courses you need to develop the entire set of skills for the job. It’s completely beginner-friendly, so even
if you don’t have any maths or statistics knowledge, it will help you first build those
foundations before moving on to more advanced topics. Building up your programming skills happens
naturally, with courses on Python, SQL and R, and plenty of exercises and projects to
really make your knowledge stick. Once you’re comfortable with programming,
the program teaches you how to create machine and deep learning models with the latest frameworks
like TensorFlow and TensorFlow 2. And if you’d like to build a more specialized
skillset, you can do that with courses on Time Series Analysis, Credit Risk Modeling
and more. As we mentioned, there are plenty of real-world
exercises and projects and as data science as a field evolves, so does the training,
with new courses and resources getting added on almost monthly bases. So, if you’d like to learn more or enroll
using a 20% discount, there’s a link in the description you can check out. Alright – let’s talk about the BI analyst
and everything you need to know about that career choice. First things first – becoming a BI analyst
is one of several ways to get yourself on the data science track, and if that’s what
you’re aiming for, just keep in mind the other options, too:
• data analyst; • data architect;
• data engineer; • and, of course, the data scientist. We’ll be making videos for each one of these,
so keep an eye out on our channel. So, who is the BI analyst and what makes them
so special? BI analysts are fierce business performance
ninjas who possess a blend of business vision, consultant abilities and profound understanding
of data. They join forces with senior management to
shape and develop a data strategy. Analysis of Key Performance Indicators (KPIs),
accurate overview of business performance and identifying areas that need improvement
are also specialties in the BI analyst’s domain. So far, so good. But what exactly does a BI analyst do? Well, they focus primarily on analyses and
reporting of past historical data. Once the relevant data is in the hands of
the BI Analyst (that’s… monthly revenue, customer, sales volume, etc.), they must quantify
the observations, calculate KPIs, and examine the measures to extract insights. Of course, the most important aspect of a
BI analyst’s job is to continually improve their company’s competitive positioning. Therefore, they examine their competitors,
data trends, seasonality, and other random effects to quickly identify issues and best
practices. On top of that, they create killer graphs
and dashboards to review major decisions and measure effectiveness. So, in a word, if you want to have an impact
on the business world, become a BI analyst. Well, maybe that’s easier said than done. But let’s see how much a BI analyst makes
per year, maybe that’ll have some inspirational effect on you. Well, according to Glassdoor and PayScale,
if you’re new to the profession (with 1 year of experience or less), you can count
on $66,000 average pay. Once you’ve gained a few years of experience
and you’ve honed your persuasion skills, your median annual pay can reach $79,000 (plus
$5,185 average bonus). You want to work across the pond? That’s alright! An entry-level BI analyst in the UK can expect
to earn an average total salary of £26,000. And, by all means, 1-4 years of experience
will grant you a total compensation of £29,000. So, what are the steps and qualifications
you need to become a BI analyst in the first place? Well, if you want to pursue the BI analyst
career path, consider gaining some experience as a data analyst or a business analyst. A BI analyst career has a lot to offer but
you definitely need some high-level skills to get started. That said, it makes sense to talk about the
education and the skills themselves. We’ll start with the academic background. In general, landing a job as a BI analyst
should come relatively easy, if you have a BA in one (or more) of the following:
• computer science; • mathematics;
• statistics; • finance;
• business administration; • or economics or related field. But don’t be quick to discourage if your
background is in contemporary dance or Classical Indian literature, because, as we mentioned
in the beginning, there are plenty of specializations and all-around online certificate courses
that will give you the knowledge and confidence required for the job. And here’s a small tip: if you’re new
to the data science field, an internship in the financial industry would be a great start. Not only will this help you understand all
business processes, but you’ll also get a good idea of what projects a BI analyst
undertakes. Okay! From academia to the competitive data science
job market – here are the skills you need to become a full-fledged BI analyst. A data science job is all about the skillset,
and the BI analyst path makes no exception. There’s a plethora of technical, practical,
and soft skills you should work on to fit the bill. First, let’s take a look at the technical
side of things! To become a BI analyst, you’ll have to demonstrate
excellent Excel, SQL and Power BI skills, along with some serious Tableau Desktop and
Server abilities. Such competencies are key to developing graphs,
dashboards, reports, and presentations of project results. And those are of major importance to a BI
analyst’s job. What about Python and R? Highly desirable, so make sure you put them
on your things-to-learn list, too! All in all, if there’s a tool or technique
that will help you identify, analyze, and interpret trends or patterns in complex data
sets, just master it! You’ll thank yourself later. Okay – what about practical skills. It’s right here: • strong planning and organization skills;
• learning concepts quickly, and applying them to come up with creative solutions;
• analytical skills; • impeccable attention to detail,
• working independently in a fast-paced and rapidly changing environment;
• designing rich data visualizations and dashboards to communicate complex ideas to
business partners and leadership; • presentation skills;
• persuasion, flexibility, and adaptability. But, if you want to really stand out, there’s
one more secret ingredient you should add to your BI analyst qualifications – soft skills. You’ll need:
• team-player mindset in a high-pressure environment;
• verbal and written communication skills; • willingness to assist and coach other
project teams when required. Combine those with a fast understanding of
other people’s needs and… You’re moving right on top of any data science
company’s recruitment list! Alright! That’s our review of the BI Analyst job. Hopefully, you got a sense of what to expect
from the position and what you need to aim for if you want to land a job in the field. However, some extra career insights are always
desirable. So, if you feel like you still need additional
career advice and a more detailed analysis of the career opportunities in data science
– we wrote a very long article about this, and the link is in the description, if you
want to learn more. In the meantime, thanks for watching and good
luck on your data science journey!

Data Vault: Learn Business Vault Secrets

Hello Data Vaulters! Welcome to another in our series of
Data Vault video presentations. This time we want to look
at the Business Vault. Business Vaults are an extremely powerful feature of the Data Vault method but it isn’t given much publicity. We’ve seen many confused teams who’ve lost time and had to unpick mistakes. It’s a pity but for a bit of guidance those mistakes could have been avoided. Before we get started, who are we? We’re Datavault UK – the UK’s leading Data Vault consultancy. Responsible for the UK Data Vault User Group where those who are interested in Data Vault can meet, to
learn and share their experiences. And for data engineers, we’ve written and
support a package you can use with the free DBT tool, to build your own Data
Vault solution. This diagram shows the various layers mentioned in the Data Vault method. A commonly mentioned component is the Business Vault. This is the place where we store the results of business rule calculations and other
types of derived data as well. Dan defines the Business Vault as follows. I think the key points are: that it contains wholly derivable data and that it’s calculated after the Raw Data Vault and before loading the Information
Marts. So let’s start by busting the first misunderstanding. The Business Vault isn’t really a separate layer. It’s not a separate schema. It’s held inside the Raw Vault. Yes – the Business Vault has new tables
but they’re overlaid on the Raw Vault structure. Mart’s then feed from both the Raw Data Vault and the Business Vault tables. What types of data can the Business Vault hold? We might need to pre-calculate data for efficiency reasons, so it can be consumed by a downstream dashboard. We might need to calculate helper tables that drive better performance. We might calculate new values such as ratios. You might be using the results of data
science for our business. And finally we might be checking data quality and want to calculate quality measures. Let’s look at the first item on the list. Some processing might be needed to get data out of the Vault. Your users might not want the full granularity of data held in the Raw Vault. They may want aggregated, filtered or masked data in their reporting Marts. The point here is the data isn’t transformed. It’s simply added up, grouped, masked or otherwise processed before it’s consumed. There are three possible places to build consumption rules. You can run them in the Raw Vault, creating Business Vault tables. You can
run them on the way out to the Mart or you can run them in the end-user BI tools cache. If processing is intensive and the results used by more than one Mart – you’re best running the rule inside the Vault to populate Business Vault tables. If processed data is used in one Mart only. You can run those rules as you
populate the Mart. And finally, you might consider implementing local processing
rules in the end user BI tool if the data is only used in one display. Now things to consider when deciding where to code the presentation rules are –
security – it’s better to keep data in one place in the Vault and only let out
what’s needed. Performance and cost – the Vault is generally cheaper and faster. What your BI tool can and can’t do. It may have limits on data volumes or a
number of feeds per day. What your users actually need. Do they need aggregate data? It’s usually enough for them. And who needs access to what. And what
overlaps there are between groups of end-users. Next on the list is helper tables.
These are the Data Vault Pit and Bridge tables. These are really powerful
techniques that support virtual reporting Mart’s and dimension and fact
tables. You could spend a while on these but we don’t have time. So we’ll
introduce them here you can check Dan’s book for some more information. I’m
sure we’ll cover them off in a future video. So what does a Pit or point in time
table do? Say we have a Satellite, customer details from our CRM system.
This table has an effective from date. There’s no start or end dates here. So to find which Satellite rows are
valid for a given date. We have to find the record for each customer primary key
as the greatest effective from date before the reference date. This can be
quite an expensive calculation. However SQL window functions help to
reduce that load. One Satellite table may be OK for that sort of processing. What if you’ve got two, three or more Satellites off the same hub. Perhaps, one Satellite is fed throughout the day another one gets a weekly update and
others are fed daily. Which values are valid for given date? There’s quite a calculation – I don’t want to repeat that each time that we query the data. So a Pit table holds a pointer to the record in each of the satellites that’s valid
for each comes customer for each day. So for example, and this is common in many businesses, our users might want to process end of day data only. The Pit table then is calculated after loading the Raw Vault as a Business Vault
process and we find the end of day records for each customer in each
satellite and insert references to the Pit table. When we want to find the
relevant satellite records we do an equi-join with the Pit table, which is
much faster than looking for the greatest end date or greatest effective
date. The table, the Pit table, is quite long but thin, and we can trim that table to
only hold a few months of reference data. But now we can look at Bridge tables.
It’s common to have queries that navigate Hubs and Links to fetch data
from Satellites across the data model. Here we have an example, we’ve got three
Hubs joined by two Links but the real model could join many, many, more and possibly radiate out across multiple chains as well. The SQL to query that is quite repetitive.
But you can make mistakes if you’re writing that – if you’re not concentrating.
And different grains can also cause the query to grow and so to have
performance problems. To bridge tables, they pre-calculate the navigation for each reference date, just like the Pit tables do for Satellites. They’re the great tools to deliver aggregates since they can also store the sum of values as extra
attributes to the table. If you take Pit and Bridge tables together the secret is, and if you look closely at them, you’ll see that the Pit table is a
star schema dimension and the Bridge is quite close to a fact table. Pit and
Bridges then pre-calculate the work involved to load a Mart – and you can
actually build a Mart to view on these helper tables to give you extra agility. Business rules calculate new data. So that rule could work with a table, for example ratio of two columns. Or it can work across tables – say, we want to select a customer name from two
tables. We want it from this table here unless it’s missing, in which case we
look it up in that table over there – an integration rule. Business rule results are stored into business Satellites. And these look like other Satellites, except the source column is recorded as a business rule. Business rule Satellites hang off the same hubs or links that the raw satellites use. So here’s a common use case for a business rule satellite is to select the best view of records across a set of source systems. So here – if sources disagree, which one should we prefer for the date of birth or name or address and so on. We could code that decision process as a rule, run it and populate a clean business rule Satellite after each raw load to store those results. Another feed for the Business Vault is
the results of data science. So let’s say a data scientist has run some experiments and they found something interesting and useful for the business. So they built a model and deployed it into production. The model takes some data from a Data Lake and from our Data Vault and it produces some new data. The model is just really another source system as far as the Data Vault is concerned. So we feed the results into a staging layer and load them back into the Vault as normal. Finally you might want to measure data quality. One way of doing this is to write views on the data to expose quality problems – you could, for example, expose orphaned Satellites, malformed Hub keys, or missing dates, or out of range data and so on. So if the data is OK, then the views are empty. If not, we can see the offending records in the view. These views are almost a form of Satellite which we can attach to a Hub or Link record giving the rule its context. So how can we implement our business rules? We can calculate our business Satellites and populate them directly from a business rule, which is an option. Perhaps there’s a better way of doing this. Let’s say we have our regular Data Vault load, as illustrated. Stage data through ETL into the Raw Vault. We then apply business rules to that raw data. If we treat our rules engine as another source system. We can feed that output back to the staging layer. And then load the data just as any source data. As we’ve already built robust loading utilities, we can use them to load that
business for all data properly. Well, that’s a quick overview of the Business Vault. In summary – don’t be confused – the Business Vault is just a part of the Vault not a separate layer. Business rules can create new Satellites and sometimes they may create a Link or Hub too. There are different types of rule – summaries, derivations, helper tables, data science output and quality checks. And we can drop and recalculate business rules at any time. If you need to get hold of more detailed information, you can download User Group presentations from our UK User Group website. We also offer Data Vault and Information Governance rated blogs and white papers from our company site. If you’d like to experiment with the Data Vault system We have developed a package for the free to use ‘dbt’ tool. It will generate SQL to load the Vault from your metadata. Check it out – again on our website. Thanks for listening and
hope to see you again!

Multideur’s migration to Microsoft Dynamics 365 Business Central

Worldwide millions of doors open and close each day. Multideur ensures that vital organisations
like the Ministry of Defense… …and fire departments have no worries about
their accessibility by using technology. Basically I always say nobody notices a door… …until it doesn’t work anymore. Because then you will find out that the processes
inside a factory can not continue anymore. Fire departments, the Ministry of Defense
or police departments… …you can imagine what will happen if such
a service can not be delivered… …because a door is malfunctioning. Since we are focusing more and more on the service delivery… …we see a big challenge in the speed of
information throughout our processes. In the past we had a very physical process here. With lots of piles of papers and mechanics going
to clients with physical worksheets. But also we had some various systems and
various versions of Navision… …so when a client called with a breakdown or malfunctioning door, we
had to look at different places to find the right information. So the speed and accessibility of information became a big issue. And this is something we wanted to solve with a new system. We chose for the Microsoft Dynamics 365 Business Central
solution with the Field Service app. Basically it gives us the most easy way to find information. We also ensure that the information is the same at every place. And its accessible for everybody everywhere
because it is in the cloud. So for example a mechanic can now focus on
his job, which is to maintain or service the door… …and less on paperwork and all
kinds of administration instead. Our work used to be a lot of paperwork, a lot of e-mails… …no that was not a nice situation. Now we have more time with the system to
help the customer and work on the project. That makes life easier. We made a big choice to put our system into the cloud. So we do not use local servers anymore. But also no local support. We have a partner which is Prodware. They helped us with defining the system. They helped us find
the best solution for Multideur in our demands and our processes. And today they support us in having the system online
everyday. And help us improve everyday. We are now also working on implementing the business intelligence
app Power BI… …which gives us a lot of management information… …on what we are doing so we can provide
the SLA information to our customers proactively. And also steer ourselfs on our main KPI’s and
the service delivery that we have in the field. In the end we want to deliver our promise. Which is
to deliver the best service to our customers. So basically we already know when a breakdown can happen… …or when specific predictive maintainance needs
to be done before the client even notices. And this is what we are looking into. By use of IOT
which is also supported by the Field Service solution.

Business Intelligence Portal Tour

Welcome to the University of Washington’s Business Intelligence Portal. This portal is the one stop location where you can find information about reports and analytics using Enterprise Data Warehouse data. The home page for the portal is The first time you come to the portal, this
Quick Guide will greet you, and it contains tips and tricks for ways to use the portal
and more information about the Enterprise Data Warehouse. On all subsequent logins, you’ll go straight to the home page, which you’re seeing now. This page is organized by tiles, and much of this content is customized for you. You can mark your favorite reports, you’ll see reports that have been recommended to you, the reports that are most popular,
recently added reports, as well as recently run reports. Clicking on any one of those
tiles, takes you to a list of reports for that particular tile. Reports listed here are ones that you’ve never run or that you haven’t run recently, but are recommended because of other reports that you do use on a regular basis, and you can get home by clicking on the home tab. Under the Reports tab is the full list of all reports available to you. You’ll notice that these
are color coded. If I choose to filter by subject area, this gives you the key to what
those colors mean. So yellow stands for Academics, and so on. I can filter to get all the reports for a particular area by clicking on that part of the graph. Now I have all Human Resources reports. You’ll notice also once I’ve done that on
the filter line, that filter’s going to stay intact. So for example, I can choose an additional
filter, I’ll click under the Table filter option and I’m going to choose the ADDRESSES
table, which I know comes from the student data base. Not surprisingly, no report tiles
are returned because there are no reports that use both Human Resources data and Student
Addresses from the ADDRESSES table. So if I clear that, if I clear the Human Resources,
now I have a list of reports that use the ADDRESSES table as part of their source. Let’s look under the hood of one of those
reports. Here’s where I mark a report favorite, just by clicking on that star. I can also
run the report by choosing this blue bar. There’s an Executive Summary of the report
there, and then several tabs where you can learn more information. The Overview tab lists the
database that these tables are from, and then also listed the tables that provide information
to this report. If you need to really look under the hood, click on the SQL Queries tab
and you’ll see the exact SQL used to render that report. Here is a different kind of report
recommendation. These recommended reports are based on reports that other people looked at who have also run this report. The User Feedback tab is a great place to go when you’re trying to learn how to use a report. Several users have provided feedback on how they use it, and the business questions they’re able to answer with that report. You can add your own feedback here at the bottom. Under the Cubes tab, there is the list of the available cubes. Currently, there are four in the Financial realm, one that uses research data, and one
that’s an administrative cube that keeps track of our users usage habits. Clicking on any one of those tiles, gives
some overview information about the cube, and also provides a user feedback place. There
is no way to run the cube from the portal because the cubes are accessed through other
tools such as Tableau or Excel. If you go back to the Cube tab, you can use these links to learn more about how to do that. Under the Glossary tab, there are hundreds
of terms listed. These terms pertain to new data that’s been added into the Enterprise
Data Warehouse. You can read more here about glossaries and dictionaries available for
older data that’s in the warehouse as well. Under the Help tab, you can get back to that
Quick Guide by clicking here. You can come back to this Guided Tour by clicking on that
link. And then there are several links to get you going with Enterprise Data Warehouse
data. I highly encourage you to sign up for one
of our Getting Started classes. We have a EDW 101 class workshop, as well as a Handling
Data 101. The Handling Data 101 class is great for people who need to bone up on their analysis
skills. There are also several videos here that show you how to get connected to EDW
data. That’s it for our tour. If you have any questions,
just send them to [email protected] Thanks!

E-DAB 00: Introduction to Excel Data Analysis & Business Intelligence Class: E-DAB YouTube Class!

[MUSIC PLAYING] You get lots of data, and you
need to– with a little magic– create your report? Then you came to
the right class. This is Data Analysis and
Business Intelligence Made Easy with Excel Power Tools, also
known as Excel Data Analysis Basics E-DAB. Now why Excel? Excel is the most used data
analysis program in the world. It contains straight
Excel, pivot tables, the amazing and
transformative Power Query, Big Data PowerPivot
and Power BI Desktop. My name is Mike Girvin, and
I’ll be your instructor. I teach at Highline College. I’ve been an Excel
MVP since 2013, and the creator and mastermind
behind ExcelIsFun YouTube channel, with over 3,000
videos and 100 playlists. These are the 10 videos
that will teach you how to convert that raw data
into useful information. All right, we’ll see you
in the YouTube classroom. [MUSIC PLAYING]

Working with dates (1-3d)

If you have date columns in your data, you can apply different transformations to help extract particular bits of information from that. For example, I’ve got date column here, but I might want to pull out the day of the week or the quarter that that date fell in. It’s easy to do that with the Power BI Query Editor. On the Transform ribbon, you’ll see a Date option over here, and I’ve got a few different dropdowns that show me the different pieces that I can extract. So, for example, the day of the week or the day of the year or just to extract the year piece or the first date of the year, the last date of the year, etc., etc. Now, when I’m working in the
Transform tab of the ribbon here, that means that I’m changing this column and I’m going to replace it with the piece that I choose. So I’ve replaced that date with just the year. If instead I wanted to add a new column with that information, I can choose this Add Column tab from the ribbon. And you’ll see I have the same options. So let’s just extract the year piece, and
you’ll see it adds a separate column into my query. So, for example, I might want to do the day of the week, so I get a zero based index naught to six for which day it is, or I could choose the quarter. So sure enough, all of these dates in January are in the first quarter of the year. So there is a whole range of different
options that you get here to extract certain information from your date/time fields. If I had time in here, I could do the same sort of thing for pulling out hours or minutes or seconds, and my duration one where I have options to combine things from minutes to
hours or into seconds, etc., etc. A few different options for working with dates and times.

E-DAB 01: What is Data Analysis & Business Intelligence?

[MUSIC PLAYING] Welcome to the first video in
this new class, Data Analysis and Business Intelligence Made
Easy with Excel Power Tools. Now this class really should
be called Excel Data Analysis Basics or E-DAB,
because if you’ve never done data analysis
before and you want to learn the
basics of data analysis, you came to the right place. Now why Excel? Because Excel is the
most used data analysis tool in the world. We have straight Excel features. We can build pivot tables,
use Power Query, the new Power Pivot and even Power BI Desktop. Yes, indeed we’ll
learn all these tools, so you can take all
that data you have and convert it into insight. Now this is video number
1, an introduction so we have to go over
who the instructor is, what is the scope of the
class, what version of Excel you should be using. We’re going to define
data analysis and business intelligence, talk about
the goals of the class. We’ll talk about the videos
that will be presented in this class, the amazing
files you can download and use to follow along,
and what you will gain after taking this class. My name is Mike Girvin. I’m a Highline College
instructor, a Microsoft Excel MVP since 2013. And I created the
excelisfun YouTube channel, been posting videos since
2008 with over 3,000 videos and over 100
playlists and classes. Now the scope of
this class, this is an introduction
to data analysis. It is for people with no
experience with data analysis. Although, if you like
watching Fun with Excel and you know a little
bit about data analysis, doesn’t hurt to watch this. So with no
experience, you’ll get to learn how to turn data into
useful information and insight. And this is a prerequisite
for the advanced data analysis class here at the excelisfun
channel, called MSPTDA. And we will
definitely have a link to that playlist and that
class at the end of this video and also at the
end of the class. Now what version of Excel are
we going to use for this class? Excel Office 365. Now really, you may have
all sorts of other versions like Excel 2016, Excel 2019. Those will work for almost
everything in this class. But Office 365
has the advantage. It’s the only version that
gets updates with new features every month. And in fact, moving
forward in Excel history, it’s the only version to have. Now you may not
have it right now and some of the other
versions will work. But get it as soon as you can. Now we’ll also be
using Power BI Desktop. That’s a free download
from Microsoft. And we’ll download it during the
last two videos of this class. Now we need to define
data analysis and business intelligence. Now data analysis
the definition, to convert data into useful
information for decision makers. Now business intelligence is
exactly the same definition, except for in a
business context. A simple example–
and simple examples are always awesome
when you’re learning something for the first time. Here’s raw data. We have two columns– sales rep and sales. The first row or
record show sales rep Ty had sales of 7,500. The third record shows Abdi
sales rep sales of 11,500. Now that’s the raw data. But if our goal is to determine
whose sales were biggest, well the raw data alone is not
going to give us the answer. We have to convert that raw
data into useful information. Notice, we first create a
unique list of sales rep names. And then we do our adding. We’re adding the sales
for each sales rep. Boom, we have our
useful information. Now we can answer our question. The answer, Gigi. Now business intelligence, we’ll
define this as convert data into useful, actionable,
refreshable information for decision makers in
a business situation. Right, we have a
business situation. But now instead of just
useful, it says actionable. All that means is from
the useful information, we can act to make a decision. Now refreshable, that’s
the amazing part. That’s the part that Excel and
the power tools can do so well. That just means when
we get new data, we want our useful
information to update. Now why is it called
business intelligence? Well because the
business is intelligent because it’s making
decisions based on data. Now both data analysis
and business intelligence will help to see
trends and patterns, ask questions, and gain insight. Short and sweet definition
for both, here it is. We’re simply taking data and
converting it into information. Now the goal of data analysis
and business intelligence, well, we need to create
useful updateable, actionable information
for decision makers in the form of reports,
visualizations, and dashboards. Here’s an example
of a report we need where it shows the total
revenue by company and product. But look at this. We’re given data in the
form of various text files. And we have some data
inside an Excel spreadsheet. Now the cool thing
is inside of Excel, we’ll get to use Power
Query to take all this data, convert it to the
right form, and then we’ll use a pivot table
to create our report. As a second example,
over in Power BI Desktop, we’ll have to create
this visualization from various Excel files. Well, we’ll use Power Query
to go and get the data, transform it, and load
it into Power BI Desktop. And then we’ll use the various
visualizations to plot sales revenue on a map and sales
by product in a bar chart and then sales by city and
sales rep in a second bar chart. Now, next we want to talk
about some of the goals for this class, some of the
achievements you should expect. Now we’re going to get an
introduction to these Excel power categories, Excel
spreadsheet formulas and features, the standard
pivot table, Power Query in both Excel
and Power BI Desktop, data model pivot tables
using Excel Power Pivot, and data model visualizations
using Power BI Desktop. More specifically,
goals, we want to get an introduction to the
specific data analysis power tools in Office 365. We get to learn about the Sort
feature, Filter, Excel table features for dynamic data,
spreadsheet functions like SUMIFS, COUNTIFS,
AVERAGEIFS, the amazing Office 365 dynamic arrays, standard
pivot table and slicers, charts and visualizations, Power
Query, the VLOOKUP function, the relationship feature,
Power Pivot data model, DAX functions which are
the functions inside Power Pivot and Power BI Desktop
of course Power BI Desktop. We’ll also have an introduction
to data analysis terms and processes, such as data,
proper data set, delimiter, relationship, ETL, data model,
columnar database, dashboard, and much more. We also, as goals
of the class, need to learn how to perform
these data analysis steps. Import the data, then
clean and transform it. Build the data model. Build reports, visualizations,
and dashboards that deliver that useful information. Then when the new
data arrives, we’re going to have to make sure
we’ve built the solution so we can refresh that information. Then we have to assess the
usefulness of that information and repeat steps as necessary. Now actually, there
are a few steps before importing the data. For example you might
have to determine what questions need to be asked,
what sort of reports you need. You might have to search
throughout the particular entity, find out
what people need, find out where the data is. But we’re going to
start at importing data. As a preview of the
videos we will have– well, number 1, you’re
watching that one right now. Number 2, we’ll define
data, proper data sets, Excel table, sorting, filtering,
and the ever important logical tests– ubiquitous in data analysis. Number 3, we’ll make summary
reports with Excel spreadsheet formulas. Then in number 4, we’ll
make summary reports with standard pivot
tables and slicers. Then we’ll talk about
visualizations, tables, charts, conditional formatting,
and dashboards. Then 6, we get our
first introduction to Power Query, where we get to
learn how to clean, transform, and import the data. We’ll talk about VLOOKUP which
sometimes is good in the Excel spreadsheet, the
relationship feature to create Power
Pivot data models. We’ll talk about Power
Query and Power Pivot together for big data, and
then Power BI desktop and Excel in Power BI Desktop together. Now the downloadable files
and practice problems. That means every
video that you watch, you can download all the files,
the Excel files, Power BI, and the source
data files, so you could follow along with exactly
what you see in the video. There’ll be practice
problems after each video and some PDF notes
summarizing each class video. Now what will you gain
after taking this class? You will have experience with
all the power tools in Excel used for data analysis. You’ll be able to
take your own data, convert it to refreshable
reports, visualizations, and dashboards that you can use
for your own decision making. And finally, you’ll have
introductory level skills in data analysis, So you can
move on to more advanced data analysis and business
intelligence classes for free here at YouTube. And in fact, you can go on
after this 11 video class and study Excel Basics. Now Excel Basics covers the
same data analysis topics that we cover in our class. But if you like formulas,
that’s an awesome video. If you like advance formulas,
the Highline College Advanced Excel class is for you. And most of you
will probably want to move on to the Highline
College BI348, Microsoft Power Tools for Data Analysis. That’s the MSPTDA class. And if you like
what you see when we learn about the new
Office 365 dynamic arrays, there’s a whole playlist of
videos just on that topic. All right, if you
like that video, be sure to click that thumbs up,
leave a comment, and subscribe, cause there’s 10 more videos
coming in there’s E-DAB class. All right, I’ll
see you next video. [MUSIC PLAYING]