如果你有一两个销售人员并使用客户关系管理系统，请使用内置的报告。确保你的员工知道如何使用它。你需要了解的只有，如阶段性的代表生产率和转换率等。Salesforce可以做到非常独特。不要将数据导出到Excel，在（可怕的）报告构建器中生成报告。即使这是痛苦的，这将在未来几个月节省大量的时间。

你可能有几个人在做客户成功方面的工作。大多数平台帮助系统都没有很好的报告，所以选择可以在界面内轻松测量的关键绩效指标。

确保跟踪净推荐值指数。使用Wootric或Delighted

　　什么不该做

　　数据仓库和基于SQL的分析还为时过早，因为建立它们需要太多时间。你需要花费所有时间做事，而不是分析，最直接的方法是使用你运营业务的各种SaaS产品的内置报告功能。你不应该雇用全职分析师。在这一点上，你有限的资金要花费到更多的重要的事情上。

　　早期阶段

　　（20至50名员工）

　　这是事情变得有趣的地方，过去两年的改变真的开始变得明显。一旦你进行了A轮融资，并有20多名员工，你就有了新的选择。

　　这些选择都是由一个事情驱动的：分析技术越来越好，越来越快。 以前，这种类型的基础工作被保留给更大的公司。自己分析的好处? 是有更可靠的指标，更多的灵活性和更好的未来增长平台。

　　这是最困难和最关键的阶段：如果你做的对，这是有前途的，但如果你做错了就会很痛苦。

　　什么该做

建设数据基础。这意味着选择数据仓库，ETL工具和BI工具。对于数据仓库，选择使用“Snowflake ”和“Redshift”（我喜欢使用Snowflake进行选择）。对于ETL工具，使用Stitch和Fivetran。对于BI，使用Mode and Looker。这个有很多很多的产品；这六个是我们从客户的反馈中得知的。

聘请强大的分析主管。今后，你将需要一个完整的专家分析团队：工程师，分析师，数据科学家...但现在，你只能支付（至多）一个人。你需要找到那个，能够在第1天就提供价值的特殊人才，并随着他的成长，可以雇用他周围的团队的人。这个人很难找到——投入时间去寻找他们。通常，这些人有咨询或财务方面的背景，他们有MBA学位。虽然这个人应该可以亲力亲为，撸起袖子大干一场。但是，你需要雇用一个可以专注于考虑数据以及关于你业务的人。策略：未来很多年，他们将成为你的分析难题中最重要的一部分。

考虑聘请顾问。尽管你已经发现了分析主管，但是该人不具备将技术堆栈的所有组件结合在一起的专业知识，也不能解决你将面临的所有的不同问题的分析经验。随着你的成长，如果在这个关键阶段出现错误，那么以后会付出很多时间和金钱的代价，所以重要的是打下坚实的基础。为了做到这一点，今天更多的创业公司选择与顾问合作以帮助他们建立基础，然后在该基础架构周围建立一个团队。

　　什么不该做

除非机器学习是你产品的核心部分，否则请勿雇用数据科学家。你需要一名通才，而不是专家来建立你的分析团队。

请不要建立自己的ETL传递途径。这将浪费数小时的工程时间。请到Stitch或Fivetran购买现货。

不要使用我上面提到的两个以外的其他任何商务智能工具。你会在将来付出代价。

请勿尝试使用像Postgres这样的更传统的数据库作为数据仓库。它不便宜，如果以后当你达到极限时才切换，将会是非常痛苦的。Postgres不能像数据仓库一样扩展。

　　（50至150名员工）

　　这个阶段可能是最具挑战性的。你仍然拥有一个相对较小的团队和少量资源，但是你需要为企业提供越来越复杂和多样化的分析，你的工作可以直接影响到整个公司的成功或失败。别太有压力。

　　重要的是在这里取得进展，同时确保你继续为未来增长阶段奠定基础。如果你不考虑未来，你在这个阶段所做出的决定可能会导致你直接陷入僵局。

　　什么该做

为基于SQL的数据建模，实施稳定的流程。你的数据模型是你分析业务的逻辑基础，并应在所有分析用例中共享（从商务智能到数据科学）。确保你的流程，允许所有用户对数据建模脚本进行更改，由版本控制，并在透明环境中运行。我们在维护一个名为dbt的开源产品，许多增长阶段的公司都使用这个产品来做建模。

(责任编辑：本港台直播)