Reading a datapoint score in context
Reading a datapoint score in context
A datapoint score does not stand alone. It contributes to a vector score, which contributes to a pillar score, which contributes to the headline AS. The practitioner reads a datapoint score in three layers:
Layer 1: The datapoint score itself. What does this number mean? Is the datapoint at floor, low, medium, high, or near ceiling? The score’s distance from floor is the first-order diagnostic.
Layer 2: The datapoint’s relationship to its parent vector. Is this datapoint dragging the vector down (datapoint is much lower than other datapoints in the same vector), holding it up (datapoint is much higher than others), or moving with it (datapoint is near the vector average)? The relationship determines whether work on this datapoint will move the vector or whether the vector’s score is determined by other datapoints.
Layer 3: The datapoint’s relationship to OMG action selection. Which OMG actions could lift this datapoint? Are those actions appropriate for the brand’s current stage maturity? Are their prerequisites in place? Section 6 of each datapoint page provides the cross-reference.
The three-layer reading produces an action recommendation. A datapoint at floor with multiple actions available and prerequisites in place is a candidate for next-cycle work. A datapoint at floor with prerequisites unmet is a candidate for prerequisite work first. A datapoint near ceiling is a candidate for maintenance, not improvement.
Membaca skor datapoint dalam konteks
Skor datapoint tidak berdiri sendiri. Skor tersebut berkontribusi pada skor vector, yang berkontribusi pada skor pillar, yang berkontribusi pada AS utama. Praktisi membaca skor datapoint dalam tiga lapisan:
Lapisan 1: Skor datapoint itu sendiri. Apa arti angka ini? Apakah datapoint berada di level floor, rendah, sedang, tinggi, atau mendekati ceiling? Jarak skor dari floor adalah diagnostik tingkat pertama.
Lapisan 2: Hubungan datapoint dengan vector induknya. Apakah datapoint ini menarik vector ke bawah (datapoint jauh lebih rendah dari datapoints lain dalam vector yang sama), menopangnya ke atas (datapoint jauh lebih tinggi dari yang lain), atau bergerak seiring dengannya (datapoint mendekati rata-rata vector)? Hubungan ini menentukan apakah pekerjaan pada datapoint ini akan menggerakkan vector, atau apakah skor vector ditentukan oleh datapoints lain.
Lapisan 3: Hubungan datapoint dengan pemilihan aksi OMG. Aksi OMG mana yang dapat meningkatkan datapoint ini? Apakah aksi-aksi tersebut sesuai dengan kematangan tahap merek saat ini? Apakah prasyaratnya sudah tersedia? Bagian 6 dari setiap halaman datapoint menyediakan referensi silang.
Pembacaan tiga lapisan ini menghasilkan rekomendasi tindakan. Sebuah datapoint di level floor dengan beberapa aksi yang tersedia dan prasyarat yang terpenuhi merupakan kandidat untuk pekerjaan siklus berikutnya. Sebuah datapoint di level floor dengan prasyarat yang belum terpenuhi merupakan kandidat untuk pekerjaan prasyarat terlebih dahulu. Sebuah datapoint yang mendekati ceiling merupakan kandidat untuk pemeliharaan, bukan peningkatan.