デジタル分析総所有コスト

公開: 2023-05-02

数週間前、私は多くの組織がデジタル分析製品を選択する際に間違った基準を使用していると仮定するブログ投稿を書きました。この記事で私が言及した項目の 1 つは、デジタル分析製品の価格が製品の選択において過大評価されることが多すぎるということです。この投稿では、このトピックをさらに掘り下げ、デジタル分析の総所有コストについて説明したいと思います。

総所有コスト

デジタル分析製品の総所有コストは、通常、次のコンポーネントで構成されます。

ライセンス– ソフトウェアのベンダーにいくら支払っていますか?
実装– 実装に必要なリソースと時間は?
採用– ツールの採用はどのくらい簡単で、何人のユーザーがそれを使用していますか?
ガバナンス– データ品質、ユーザー、および分析オブジェクトの管理はどれほど簡単ですか?
保守– 一度実装した製品の保守はどの程度困難ですか?
消費量– 使用量またはデータ量が増加すると、製品の価格はどのくらいになりますか?
統合– 幅広い技術スタック内での製品の統合はどのくらい簡単ですか?

これらの要素には、総所有コストにつながる関連コストまたは潜在的なコスト削減があります。これらすべてを個別に見ていきましょう。

ライセンス

前述のように、組織はデジタル分析製品を選択する際にライセンス価格を過度に重視します。組織がライセンスコストに注目するのは、ライセンスコストがハードコストであり、目に見えて簡単に測定できるものだからです。ベンダー A が年間 250,000 ユーロ、ベンダー B が 175,000 ユーロを請求する場合、ベンダー A とベンダー B を比較するのは簡単です。しかし、以下で説明するように、デジタル分析プログラムに費やされる金額は、ライセンスコストよりもはるかに多くなるはずです。無料版のデジタル分析製品を使用しても無料ではありません。デジタル分析プログラムには常にコストがかかります。

実装

最初の実装は、安価に、またはより高価に行うことができます。コストは、実装へのアプローチ方法によって異なります。デジタル分析は簡単だという格言は誰もが聞いたことがあるでしょう。ウェブサイトに数行のコードを貼り付けて、データを取得し始めましょう! ベンダー、特に「自動追跡」ソリューションを提供するベンダーは、この物語を売り込むことで有名です。

しかし、デジタル分析を適切に実装したい場合、それはビジネス目標、ユースケース、ビジネス上の質問、データ要素などを特定することを含む、複雑な多段階のプロセスです。最高のデジタル分析実装は、達成したいことを決定するのに時間がかかります。その後、タグ付けプロセスを開始します。私が見て失敗したデジタル分析の実装は、タグ付けから始めて、事後にデータの用途を特定しようとするものです。

したがって、デジタル分析で成功する可能性を最大限に高めたい場合は、正しい方法で実装 (または最近では再実装) することをお勧めします。デジタル分析を正しく実装するには、ビジネス目標とユースケースを特定するために多くの時間を前もって必要とします。これには、多くの社内関係者との会議や、外部またはベンダーのコンサルタントの支援が含まれます。社内会議に費やす時間は重要ですが、これらの会議にコストを割り当てることは困難です。 ソフトコストは、デジタル分析の実装を成功させるために必要な作業の多くです。外部のコンサルタントによるものでない限り、費やされた時間の小切手を切る必要がないため、これらのコストが「無料」であると想定している組織の数に驚いています。しかし、内部リソースに費やされる時間は、従業員がデジタル分析に集中する代わりに、給与や従業員が取り組むことができる機会費用を通じて、依然として組織のお金を浪費します. 完璧な世界では、組織は内部の従業員がデジタル分析の実装に費やすすべての時間を追跡し、それを全体的なコストに織り込むでしょう. この金額を、実装を支援するコンサルタントに費やした金額に追加する必要があります。実装のサイズと範囲によっては、これらの金額がベンダーのライセンス費用に費やされる金額を超える可能性があります。

可決

デジタル分析業界では、採用は多くの組織が議論したがらない秘密です。組織がデジタル分析を実装するというアイデアを売り込むとき、誰もがデータにアクセスして、より多くの情報に基づいたデータ主導の意思決定を行うことができるというのがモットーです。長年にわたり、私はデジタル分析分野で多くのコンサルティングを行ってきました。私のコンサルティングサービスの 1 つは、デジタル分析の実装の監査でした。私は大きく2つのことを学びました。まず、世の中にはひどいデジタル分析の実装がたくさんあります! 第二に、多くの組織では、デジタル分析を毎週積極的に使用している人はごくわずかです。

デジタル分析の採用には、いくつかの理由で問題があります。まず第一に、多くの人はデータを信じており、意思決定にデータを活用したいと言いがちですが、それは不誠実です。マネージャーやエグゼクティブは、自分の直感を信頼することで、自分のいる場所にたどり着くことがよくあります。それらがデータに基づいて決定する場合、なぜそれらが必要なのですか? なぜ組織はそれらを、データを追跡するより安価なリソースに置き換えることができなかったのでしょうか? 変更管理は採用の大部分を占めています。リーダーシップにデータに基づいたレビューと意思決定をさせる前に、データは敵ではなく味方であることを彼らに納得させる必要があります。

そのハードルを克服できれば、次のステップは、デジタル分析の実装にどのようなデータが存在するかについて、利害関係者とデータ消費者を教育することです。コア分析チームは実装のすべてのイベントとプロパティを理解するかもしれませんが、一般的なデータユーザーのほとんどは理解できません。可能な限り多くの潜在的なデータコンシューマーを取得することは、実装に含まれるデータと含まれないデータを理解するために不可欠です。各イベントとプロパティの名前、設定時期などを知る必要があります (これが、Amplitude にイベントが設定された場所のスクリーンショットを共有する機能が含まれている理由の 1 つです。ユーザーはイベントを閲覧しているときに見ることができます)。 .

データが優れている理由と所有しているデータについてユーザーを教育した後、次のステップは、デジタル分析製品の使用方法をユーザーに教えることです。この点で、すべてのデジタル分析製品が同じように作られているわけではありません。一部のデジタル分析製品は、他の製品よりも簡単に多くのユーザーにセルフサービス分析を実行してもらうことができます。分析レポートインターフェースの複雑さは、トレーニングと採用に大きな影響を与える可能性があります。多くのデータ利用者が、組織内のデジタル分析レポートインターフェイスを簡単に習得できないとします。その場合、セルフサービスから集中型モデルへの移行を余儀なくされます。集中型モデルでは、データコンシューマーは、データコンシューマーが自分でレポートを作成するのではなく、レポートとダッシュボードについて集中型チームに支援を求めます。デジタル分析の一元化されたモデルは、特に大規模な組織では、本質的に間違っているわけではありません。しかし、多くの組織がセルフサービスのデジタル分析プログラムに投資していると思い込んでいるのを見てきましたが、後でそれが一元化されたモデルに変化したことがわかりました. ほとんどの場合、セルフサービスが機能しなかった理由は採用に関連していました。

総所有コストに関しては、デジタル分析の採用を促進することに関連するコストが常に存在します。従業員との変更管理に時間を費やす必要があり、多くの場合、給与水準が高い従業員と一緒に作業する必要があります。さらに、分析の実装内容と分析製品の使用方法について、従業員のトレーニングに時間を費やす必要があります。このトレーニングを外部のベンダーやコンサルタントに支払う場合、これを測定するのにハードコストがかかる可能性がありますが、社内でトレーニングを実施する場合は、試して計算するための別のソフトコストになります。総所有コストの計算には、これらすべてのコストを含める必要があります。

ただし、そもそもデジタル分析を実装する理由の 1 つは、投資収益率を生み出すことです。デジタル分析データは、組織がより多くのお金を稼ぐのに役立つ洞察と学習を解き放つという考えです. たとえば、小売業者の場合、デジタル分析により、ユーザーがショッピングカートに多額のお金を追加したことがわかる場合があります。それでも、収益につながるのはごく一部です。デジタル分析データは、どの製品と製品カテゴリが最も影響を受けているかを特定するのに役立ち、なぜこれほど多くの収益が失われたかについての仮説を特定するのに役立ちます。潜在的な解決策を特定できれば、デジタル分析によって、仮説が正しかったか間違っていたかが示され、会社の収益が増加したことが証明されます。

ただし、投資収益率は多くの場合、採用に関連しています。デジタル分析データを活用する人が少なければ少ないほど、節約したり、より多くのお金を稼ぐことができる「あはは」の瞬間が少なくなります。したがって、組織内の多くの人々にデジタル分析の実装を採用してもらうことができなかった場合、すべてのコストが発生し、従業員あたりのコストが上昇し、メリットを実感できない可能性があります. たとえば、導入コスト (社内の従業員の時間 + 外部リソース) が 150,000 ユーロで、デジタル分析の実装をアクティブに使用しているのは 5 人だけである場合、100 人の従業員がいる場合と比較して、高価に見える可能性があります (従業員 1 人あたり 30,000 ユーロ)。 50 人のアクティブユーザー (従業員 1 人あたり 1,000 ユーロ)。さらに、アクティブなユーザーは 5 人しかいません。収益の創出や節約の機会を特定することは、より多くの機会がある場合よりも困難になる可能性があります。

ガバナンス

デジタル分析の実装を成功させるには、効果的なガバナンスが必要です。デジタル分析データガバナンスには、次のものが含まれます。

最新の実装データディクショナリの維持
収集されたすべてのデータがスキーマの一部であることの検証
どの分析オブジェクトが「公式」で正しいかを特定する
分析実装オブジェクトの重複を削減または排除する
どの分析レポート、ダッシュボード、およびオブジェクトが使用され、使用されていないかを監視する
分析の実装に追加された不良データの修正または削除
分析タグ付けが常に稼働していることをテストする
データプライバシーコンプライアンスの確認
データプライバシー削除リクエストへの対応

ご覧のとおり、データガバナンスにはかなりの作業が必要です。これらの各ステップが重要である理由について詳しく知りたい場合は、データガバナンスの重要性に関する私の最近のブログ記事をお読みください。

繰り返しになりますが、これらのアクティビティの多くはソフトコストですが、これらすべてのデータガバナンス項目に対処するには膨大な時間がかかる可能性があります。さらに、一部のデジタル分析製品は、データガバナンスを容易にしたり困難にしたりします。場合によっては、デジタル分析ベンダーのライセンスのハードコストは高くても、データガバナンスに対応するソフトコストは低くなります。逆に、一部のデジタル分析製品は安価に見えますが、手作業によるデータガバナンスの時間を考慮すると、より高価になります。いずれにせよ、総所有コストを決定する際に、これらすべてのコストを計算する方法を見つける必要があります。

メンテナンス

デジタル分析製品を実装した後は、常に継続的なメンテナンスが発生します。デジタル分析の実装は静的であってはなりません。組織の成長に合わせて新しいユースケースやビジネス上の問題を追加できるように、組織とともに進化する必要があります。一般に、実装コストと保守コストの間には直接的な相関関係があります。実装に費用と時間がかかるデジタル分析製品は、維持にも費用と時間がかかります。

多くの点で、デジタル分析製品の保守は、前述のすべての項目の縮図です。デジタル分析製品を維持するときは、新しいアイテムを実装し、ユーザーにそれらを採用してもらい、追加のトレーニングを提供する必要があります。最初の実装時にこれらの手順を完了するのが困難または容易であることは、継続的な保守に必要な時間と費用を予見します。したがって、年間の保守費用は、初期導入費用の 10% ～ 15% と見積もることをお勧めします。

消費

デジタル分析製品を購入する場合、通常、2 つの価格オプションがあります。イベントに対して支払うか、月間追跡ユーザーです。ほとんどの組織では、イベント数と MTU は毎年増加しています。これらの価格モデルは、デジタル分析製品に対して毎年より多くの金額を支払うことを意味します。ベンダーによっては、ボリュームが増えると全体的なレートが下がる可能性があるため、消費量の増加が価格に 1:1 の影響を与えない場合があります。しかし、消費量の監視は、潜在的な増加に備えて計画を立て、予算を立てるために分析チームが行うべきことです。

Amplitude は、顧客が多くのイベントを収集しているが、それらのイベントが頻繁に使用されていないケースを特定するのに役立ちます。直感に反するように聞こえるかもしれませんが、Amplitude は顧客がどこでより少ない費用を支払うことができるかを示すために最善を尽くしています! これは、お客様の価値を高め、総所有コストを信じているためです。お客様が積極的に使用していないデータを収集することは望ましくありません。

統合

所有コストの最後の領域は統合です。デジタル分析の実装は、孤立した状態では存在しません。他のシステムからのデータをデジタル分析の実装に追加する必要があり、デジタル分析からのデータは多くの場合、他のシステムに送信されます。たとえば、デジタル分析の実装に既知のユーザーのプロファイルがあるとします。その場合、データウェアハウスまたは CRM システムからのデータをデジタル分析システムに送信して、ユーザープロファイルを強化する必要がある場合があります。さらに、データユーザーがショッピングカート内の製品を放棄したユーザーのコホートを特定し、それらのユーザーを電子メールツールに送信して、製品をカートに残したことを通知する電子メールを受信できるようにする場合があります。

データがデジタル分析に出入りするかどうかにかかわらず、データソースを接続する作業が必要です。総所有コストを計算するときは、必要なデータ統合の数を特定して、それに応じて時間と予算を割り当てることが不可欠です。これを怠ると、デジタル分析製品の導入後に予期しないコストが発生する可能性があります。以前のケースと同様に、一部のデジタル分析製品は、システム間のデータ統合をより簡単にしたり、より困難にしたりする場合があります。この情報は、デジタル分析製品を選択する前に理解しておくことが重要です。多くの組織がこのステップをスキップし、後で安価な分析製品を使用して、データ統合に多大なリソースを費やさなければならなかったことを後悔しているのを見てきました。

TCO の例

2 つの異なるデジタル分析製品をサンプルの TCO 分析と比較してみましょう。次に示すように、2 つの異なるベンダーを比較しているとします。一方は他方よりもかなり高価でしたが、ライセンスコスト以外の項目に関してはコストが低かったとします。

このシナリオでは、ベンダー B の初期ライセンスコストはベンダー A のほぼ 2 倍です。ただし、導入、ガバナンス、および統合のコストは高くなります。すべてのコストを考慮に入れると、ベンダー B はベンダー A よりもまだ高価ですが、所有コストの差は全体で約 7% だけ高くなります。

次に、ベンダー B を実装している組織は 50 人の完全採用ユーザーを獲得できるが、ベンダー A を実装している組織は 10 しか獲得できないとします。年 (収益の増加またはコスト削減の可能性があります)、期待値の大まかな見積もりを行うことができます。

コストと価値を組み合わせてシナリオ全体を見ると、長期的には、ベンダー A とベンダー B の間の総所有コストはそれほど重要ではないことがわかります。これは、ベンダー B の製品がより簡単に採用され、採用が価値に変わる場合に達成できる潜在的な増分価値を考慮に入れる場合に特に当てはまります。

まとめ

ご覧のとおり、総所有コストの計算には、ライセンスコスト以外にも多くのことが必要です。あなたの組織がデジタル分析ベンダーを評価している場合、すべての実装コストを使用して総所有コストを計算することをお勧めします。また、各製品が提供する収益またはコスト削減の機会を計算に入れることをお勧めします。