在当今商业环境中，数据分析已成为企业决策过程中不可或缺的一部分。然而，仅有四分之一的组织认为其数据分析的使用在决策帮助上“非常有效”。这种投资与期望结果之间的差距在像印度这样的发展中市场可能更为明显。造成这种差距的原因多种多样，其中之一是有效的客户管理。在进行分析项目时，会遇到不同类型的客户，他们对数据分析的理解和期望各不相同。与这些客户保持相似的互动就像是在为灾难做准备。
在过去的几年里，发展了一种细分方法，发现在与不同客户互动时非常有用。这种细分不仅帮助了解如何最好地与各种客户互动，而且还规划了将这些客户转化为数据分析支持者的旅程。
根据客户对数据分析的理解和成熟度以及他们对数据分析的潜力看法，将客户分为四个类别。以下是每个维度的简要描述：
这个维度代表了客户对数据分析如何有助于决策的理解。一个分析成熟度高的客户不仅会理解数据分析能提供什么，还会理解它不能提供什么。期望一个分析成熟度高的客户理解的方面包括：
- 什么是预测建模（从业务角度来看）以及它如何帮助业务？
- 客户是否理解实施项目需要付出的努力？
- 进行任何分析并提出建议所需的最小样本量。
- 客户对测试的想法有多开放？
- 客户是否理解分析和报告之间的区别？
这里所说的期望，是指一个人对分析项目的看法和思考。一些可以帮助在这个维度上定位客户的问题包括：
- 客户期望从数据分析中获得什么样的好处？这些好处对他们的功能有多关键？
- 客户心目中获得这些好处的时间框架是什么？
- 客户是期待项目实施还是因为某些压力而实施？
一旦根据这两个维度对客户进行定位，他们可以落入以下四个类别之一：
这些是理解数据分析能提供什么并准备在组织中倡导这种做法的客户群体。这些是带着具体和明确定义的问题来找人，他们愿意合作/花时间，最终实施解决方案。如果有任何客户属于这一类，应该确保在这些项目上交付/超额交付。希望他们将通过他们的影响力帮助在未来增加数据分析的渗透。
挑战者是那些理解数据分析但不相信它能在组织项目中交付的人。与他们开始互动的最佳方式是尝试与他们进行开放讨论，了解他们的担忧。了解这些担忧将是缓解它们的第一步。
这些通常是一群有趣的客户。他们不完全理解数据分析的细微差别，但对数据分析抱有很高的期望。虽然短期内与这些客户互动很容易，但期望和成熟度之间的差异将在长期内造成困难。
这些是最困难的客户群体。将他们转化为支持者是一个相对漫长的旅程。如果有来自上述三个类别中任何一个的客户项目（相似/更大的潜在影响），应该首先关注它们。
一旦根据这个网格识别出客户，建议按照以下优先级顺序进行：
- 首先确保满足支持者的所有承诺/期望。
- 接下来，尝试将挑战者和仙境公民转化为数据分析的支持者。
- 最后，开始处理怀疑论者可能对数据分析的期望。
以下是一些有趣的指标，可以用来衡量数据分析功能的成功率：
- 支持者的百分比提供了一个组织中数据分析旅程成功的视角。
- 支持者或挑战者的百分比可以给出组织中数据分析渗透的想法。
- 组织/功能中的怀疑论者百分比可以告诉组织适应数据分析的准备情况。如果这个数字很高，准备程度就很低。
一些客户可能会首先通过提供小型且影响较小的分析片段来测试能力。他们可能一开始看起来像是怀疑论者，而实际上他们可能是挑战者。将客户从一个类别转移到另一个类别需要时间。通常，客户从一个框移动到另一个框需要3-6个月。