Medición del uso de funciones y adopción de usuarios en SAP Sales and Service Cloud

Introducción

La adopción de usuarios es un tema candente en el que estoy trabajando. Estamos siguiendo las métricas habituales de adopción de usuarios, pero queríamos ir un paso más allá. La fuente de datos Análisis del tiempo de respuesta [COD_RESP_TIME_ANA] solo contiene los datos de los últimos 30 días. Si tiene una gran cantidad de uso o una gran cantidad de interacciones (> 250k registros), puede ser un desafío realizar un análisis significativo sobre el uso del sistema.

Comprender no solo qué objetos están creando los usuarios (oportunidades, clientes potenciales, visitas), sino CÓMO están utilizando el sistema, puede brindarnos una gran perspectiva de las áreas de mejora o ayudarnos a priorizar dónde ponemos nuestros esfuerzos.

Objetivo de este blog

Muestre cómo exponer esta fuente de datos a una solución de BI externa (ejemplo: Snowflake).
Mostrar ejemplos de informes creados en Power BI.

Exponga la fuente de datos a su solución de BI externa

Vaya a Business Analytics > Diseño de fuentes de datos. Seleccione la fuente de datos COD_RESP_TIME_ANA y haga clic en exponer. Ahora puede comenzar a consumir la fuente de datos en su solución de BI elegida. En los ejemplos que se muestran, estamos tomando una instantánea diaria de los datos de los últimos seis meses. Dado que estamos utilizando un lago de datos, también puede mejorar los datos uniéndolos con otra información externa de recursos humanos (país, tipo de rol, etc.) u otros datos de C4C (rol comercial, organización de ventas, etc.)

Exponer fuente de datos en C4C

Ejemplos de informes creados en Power BI

Con este ejemplo, puede obtener detalles del uso del sistema a lo largo del tiempo. En el ejemplo, observamos el ‘Centro de trabajo’ que se muestra durante el día. Dónde está nuestro uso máximo del sistema y en qué objetos en C4C, al tiempo que resumimos los pasos de interacción más utilizados y qué clientes se utilizan.

Con este ejemplo, puede obtener detalles del uso de una función a lo largo del tiempo. En el ejemplo, observamos ‘Exportar a Microsoft Excel’. Dado que esto rastrea la identificación del usuario, también podemos incluir el rol comercial del usuario que ejecuta el paso de interacción.

En el siguiente ejemplo, observamos el paso de interacción ‘OVSValueSelect’. Usuarios seleccionando valores en un cuadro de clic. Podemos ver un gran uso en el área del ticket de servicio, donde los usuarios clasifican los tickets. ¿Puede ser esto algo a mejorar? Dado que estamos utilizando el aprendizaje automático para la categorización de tickets, ¿esto podría indicar que el modelo debe volver a entrenarse?

Resumen

El análisis de estos datos genera muchas discusiones interesantes con los usuarios, las partes interesadas y los equipos de desarrollo. Consulte también esta otra métrica de adopción de usuarios Blog. Algo a tener en cuenta es la seguridad y quién es capaz de analizar este tipo de datos. Verifique en su región local si puede rastrear este tipo de datos de uso o considere anonimizar los datos del usuario.

Lo animo a compartir sus pensamientos en este blog, compartir las métricas, los KPI y los informes que ya rastrea o desea rastrear dentro de su organización, cómo las métricas lo ayudan a impulsar la adopción y qué más le gustaría ver como contenido adicional. en blogs posteriores

ben