How to Generate Customer Success Analytics in Snowflake

原文地址：How to Generate Customer Success Analytics in Snowflake

原文作者：Jason Scharf

随着数据专业人士和非数据专业人士之间对数据应用需求的区别越来越小，能够弥合双方差距的技术变得至关重要。与数据仓库交互（尤其是与大量数据交互）的好处是毋庸置疑的，但作为核心技术团队的外围成员，可能不太懂技术，动态生成SQL查询有时候有些不切实际。尤其是对销售、客户成功、客户管理等部门来说，当他们希望从公司存储的大量数据中获得可靠的洞见时，不见得知道如何快速收集赖以产生洞见的数据。

决定如何分析数据

Datameer是一个介于技术型和非技术型用户之间的平台，可以很好地解决这个问题。Datameer提供了对Snowflake数据仓库的访问，能够进行简单的转换和连接，无需任何编码工作。它还为用户提供了一种快速添加最初不属于主数据仓库的外部数据源的方法——有着需要快速了解使用不同数据源的需求时，这一功能就非常有价值。

举一个实际的例子。假设你是一家高速增长的SaaS初创公司的客户成功负责人。一开始您很幸运地有足够的时间和精力来关注和掌握所有大客户并识别高风险客户。随着公司的发展，对风险客户采取积极主动的态度逐步变得困难，而且若是没有数据的支持客户的健康度的评价会变得非常主观。尽管不懂SQL，您也一定希望转向更为数据驱动的分析，并且会寻找一种可以实时更新的逻辑分析来帮助你进行更好的决策。您正在考虑包括用户登录产品、NPS和工单数量等参数。可是这些都是不同的数据源，需要手动操作才能聚合数据。此时，您有几个选项，例如：

1、将所有数据提取到Excel中。随着生成的用户数据量的增加，这可能会很快与VLOOKUPS一起变得混乱，并且不具有可扩展性。如果加载较大的数据集，也可能需要一段时间才能加载。
2、将所有数据直接带入数据仓库，并将其用作内部记录和查询数据的来源。当您访问数据仓库并学习SQL时，您可能已经失去了一些风险客户。
3、使用专门用于此用例的SaaS工具，例如Datameer。如果您的用户数据存储在Snowflake中，那么Datameer是完美的选择。

此时我们考虑选项3使用Datameer，让我们深入了解一下如何组合所有数据：

连接到Snowflake的数据

首先，我们将使用Snowflake中已经存在的表。本例中我们只查看最少数量的数据点，而实际场景可能包含更多信息。设置好Datameer帐户后，连接到Snowflake数据仓库，您将在左侧看到所有相关数据源。将要修改的内容添加到项目中。

此登录表具有详细的会话登录粒度的历史记录，其中包含user_id、company_id和日期。作为最简单的度量，我们可以查看按company_id聚合的总登录数。添加一个新的“聚合”转换，按company_id分组，并选择行数作为度量：

上传和连接线下CSV文件的数据

这时，你可以很容易地通过登录次数来判断哪些公司粘性更高。然而，您希望更进一步，将在excel中的存储的最近的NPS调查中的客户情绪叠加在进来。要将此工作表添加到Datameer，只需在数据浏览器中上载文件，然后在Snowflake中选择source-destination：

将新数据源添加到项目中，然后再次按company_id添加转换分组，但这次按平均NPS聚合：

既然您已经在company_id级别聚合了登录名和NPS，您可以通过公司id在两个方案中添加一个新的转换（如果您更希望只看到已回答NPS调查的公司，请选择内部连接而不是外部连接）

现在，您有一个数据集，其中包含company_id、登录次数和平均NPS分数（如果适用）。为了清晰，我们可以将此步骤重命名为“登录+NPS”，还可以删除其中一个公司id列，因为它是重复的：

我们现在有了一个完美的客户健康分析模块。

再添加一个数据源并将其连接在一起

我们可以再添加一个数据源来构建更详细的内容，然后将其发布回Snowflake。作为客户成功经理，您可能想知道客户提交了多少支持工单。一方面，提交的支持工单越多，客户可能遇到的问题就越多。另一方面，更多的支持工单表明客户确实大量的使用了产品，没有什么比拥有0个支持工单的客户更糟糕的了，更新帐户时就能发现很多0工单的客户压根没有使用产品。在本例中，支持工单存储在Salesforce中，Salesforce实例不会与Snowflake数据仓库进行通信。提取这些数据的最佳方式是通过表格csv导出。

从Salesforce导出csv后，按照相同的步骤上传用于上传Salesforce中的工单数据。将其添加到项目中，并使用在登录步骤中使用的相同转换来获取按公司id分组的工单总数。现在有了此数据集，请返回之前加入的“登录+NPS”数据集，并加入salesforce工单数据集。最终呈现看起来或多或少是这样的：

点击图表上方的“发布”按钮，现在您的数据已被清洗并以传回Snowflake。这种经过清洗和聚合的数据现在可以轻松地用于其他工具，比如Tableau。

这里，您可以看到加载到Datameer中的所有输入，并且可以轻松比较每个客户的健康状况。例如，839公司给了完美的NPS分数，是迄今为止提交工单最多的客户，并且拥有相对较高的登录次数（通过圆圈的大小来表示）。另一方面，图表左下角的公司（5541 3501 4321）表现不佳，你可能需要对他们进行拜访，或者从839公司的服务和营销方式中学习一些技巧。

如果没有Datameer，连接这些数据集并在Tableau和计算字段中进行可视化不仅会很复杂，并且会导致性能问题。通过在Snowflake对数据集进行预处理，最终用户能够在其仪表盘上体验更好的性能。

结论

总的来说，现在您可以看到利用Datameer执行复杂的数据操作是多么容易；该工具是非技术型用户进行数据分析的完美门户，具有简单的用户界面。对于更多的技术型专业用户，如果您喜欢自己编写代码，Datameer还提供了SQL查询生成器的选项。客户健康分析只是该软件众多应用程序之一，随着公司数据的增长，可能性变得无穷无尽。