Люди не могут быть измерены простыми числами: вот как отделить данные от реальной практической информации

Предприятия и маркетологи имеют доступ к большему количеству данных, чем когда-либо прежде, а также к данным, подтверждающим данные, и данным, подтверждающим точность первых данных… и так далее.

Если вы хотите принимать решения на основе данных для своего бизнеса, исходный материал для этого есть. Однако без человеческого фактора данные не имеют смысла.

Данные против инсайтов: в чем разница?

Важно понимать роль данных и идей в исследовательском процессе и то, как они могут повлиять на конечный результат.

Данные — это необработанная необработанная информация, полученная в соответствии с существующими стандартами. Это могут быть числа, изображения, транскрипция или другие форматы. Обработанные, агрегированные и организованные данные помещаются в визуализацию данных, отчеты и информационные панели в виде информации, которую легче интерпретировать людям.

Понимание достигается путем анализа информации, чтобы контекстуализировать обстоятельства и делать выводы. Затем эти выводы можно использовать для принятия действенных решений в поддержку бизнеса.

«Управление данными» часто используется в бизнесе, маркетинге и т. д., но на самом деле речь идет о выводах, которые вы можете извлечь из данных. Современные предприятия имеют практически бесконечные потоки данных, но без анализа и понимания они практически бесполезны.

Принципы получения информации из данных

Лица, принимающие решения в бизнесе, могут не разбираться в данных — четкий контекст и связь с бизнесом теряются среди цифр и статистики. Когда понимание отсутствует, в потоке принятия решений возникает пробел.

По мере того, как данные становятся все более многочисленными и сложными, этот разрыв может увеличиваться.

Вот принципы получения информации из данных:

Сотрудничество

У авторитетных компаний часто есть несколько отделов или групп, которые занимаются каждым этапом обработки данных. Тем не менее, это может привести к разрозненности информации, которая оставляет пробелы, если только все не находятся на одной странице.

Сотрудничество всех отделов необходимо для всестороннего представления данных, обстоятельств и целей. Коммуникация и поддержка позволяют ключевым лицам, принимающим решения, извлекать ценную информацию из данных и видеть «общую картину». Все работают над достижением одной цели и, таким образом, стремятся помогать друг другу.

Прозрачность

Поскольку анализ данных и процессы принятия решений обрабатываются несколькими отделами, каждый из них занимается разными аспектами. Аналитик знает источники данных, процессы, типы и показатели, а лица, принимающие решения, знают вопросы, на которые они пытаются ответить, и цели, которых они пытаются достичь.

Все отделы должны общаться открыто и прозрачно, чтобы понять потребности друг друга и обеспечить выполнение своей части задачи в полной мере.

Специфика

Как и прозрачность, все отделы, участвующие в обработке данных, должны понимать конечную цель и более крупные бизнес-задачи. Данные, руководство, лица, принимающие решения, и любые другие заинтересованные стороны должны определить требования, намерения и цели.

Это гарантирует, что задаются правильные вопросы и используются правильные наборы данных, а не еще больше затуманивают проблему.

Применение принципов к анализу данных

Определить вопросы

Как уже упоминалось, специфика имеет значение. Расплывчатые, общие вопросы затрудняют получение действенных ответов.

Например, вопрос о том, как увеличить доход, может привести к множеству гипотез. Вместо этого спросите, на каких каналах вы должны сосредоточиться, чтобы увеличить доход без увеличения затрат, что приведет к увеличению прибыли. Или спросите, какая маркетинговая кампания принесла наибольшую рентабельность инвестиций в прошлом квартале и что вы можете сделать, чтобы повторить ее результаты.

И помните, если вам не нравится ответ, задайте другой вопрос.

Уточнить контекст

Понимание контекста анализа, мотивов, ограничений и желаемых результатов позволяет вам или вашим специалистам по данным определить наилучшие показатели для мониторинга. Если вы хотите, чтобы данные были контекстуализированы, каждый шаг должен быть связан с вашими общими бизнес-целями.

Установите четкие ожидания

Для ответа на разные вопросы можно использовать разные наборы данных. Важно понимать, какую информацию можно извлечь из конкретного набора данных, который вы собираете.

Например, вы ищете среднее значение? Скорость изменения? Всего? Эти особенности имеют значение и влияют на ваш процесс.

Определите измеримые ключевые показатели эффективности

Ваши показатели и ключевые показатели эффективности всегда должны быть измеримыми и связаны с целями SMART (конкретные, измеримые, достижимые, актуальные, ограниченные по времени).

Данные — это не всегда числа, это могут быть слова, измерения, наблюдения, описания или простые факты, но ваши ключевые показатели эффективности должны быть измеримыми, чтобы увидеть, находитесь ли вы на пути к достижению своих целей.

Сформулируйте гипотезу

Наука о данных — это наука, а гипотеза — ключевой компонент научного процесса. Гипотеза — это предлагаемое объяснение или предположение, сделанное на основе ограниченных данных в качестве отправной точки для исследования.

Например, гипотеза может заключаться в том, что улучшение четкости вашей целевой страницы уменьшит путаницу и улучшит ваши конверсии. Если результаты отрицательные, вы можете рассмотреть другие барьеры, которые могут влиять на поведение клиентов. Если результаты положительные, вы можете работать над улучшением четкости страницы и тестированием, чтобы увидеть, что наиболее эффективно.

Соберите правильные данные

Как уже упоминалось, важно смотреть на правильные наборы данных, задавая вопросы. Выберите данные и показатели, которые, скорее всего, предоставят вам нужную информацию и повлияют на желаемый результат.

Возможно, вам придется изучить несколько показателей и сформулировать план, чтобы определить, как получить результаты, которые приведут к ответам, которые вы ищете.

Сегментация кредитного плеча

Сегментация ваших данных дает вам больше конкретики и детального представления информации. В зависимости от вопроса вы можете сосредоточиться на выбранном подмножестве более крупного набора данных, например, на отрасли, аудитории или сегменте веб-сайта, а затем перейти к более детальному просмотру поведения.

Интеграция и корреляция данных

Несколько источников данных обеспечивают более полное представление информации о вашем бизнесе. интегрируйте свои источники данных и выберите данные самого высокого качества, чтобы поддержать вопрос, который вы задаете.

Данные также должны быть коррелированы. Рассмотрите метрики, которые могут влиять друг на друга, например, просмотрите показатель отказов, чтобы получить правильное представление о показателях трафика.

Откройте для себя контекст

Иногда определенные точки данных необходимо помещать в контекст, чтобы увидеть, как они вписываются в более широкое представление.

Эталон — это эталон, по которому измеряются все остальные, например роман, являющийся первым в своем жанре. Точно так же ваши данные должны соотноситься с другими данными, такими как отраслевой стандарт, ваша цель или ваши конкуренты.

Подобные контрольные показатели помогают определить закономерности, поведение и темпы роста, а также выявить тенденции, аномалии и несоответствия. Это также покажет вам, где вы находитесь в конкурентной среде.

Выявление закономерностей

Все метрики имеют шаблоны, по которым вы можете определить релевантность точки данных. Крайне важно распознавать закономерности и то, как они иллюстрируют поведение пользователей, например сезонные колебания покупательского поведения или поисковых запросов в Интернете.

Например, мы заметили, что прямо перед сезоном праздников наша страница студии создания контента испытала всплеск онлайн-трафика. Наша команда сразу же начала разрабатывать стратегию, как извлечь выгоду из такого увеличения трафика.

Когда вы видите шаблоны, вы можете быстро определить необычное поведение и оценить его более эффективно.

Разработайте повторяемый процесс

Анализ данных — это не ситуация «установил и забыл». Вы будете последовательно собирать и анализировать данные на протяжении всей жизни вашего бизнеса, и для этого лучше всего иметь стандартный повторяемый процесс.

Превращение данных в идеи — это научный процесс, и именно так вы должны подходить к нему. Настройте структурированный рабочий процесс для анализа данных на основе шагов, которые вы выполняете, превратив анализ данных в повторяемый процесс, управляемый человеком.

Используйте анализ данных, управляемый человеком

Данные невероятно ценны для бизнеса, но они не могут существовать сами по себе. Данные могут привести вас только к определенному пределу — действенные идеи исходят из человеческих исследований и интерпретаций.

Биография автора

Кайл Джонстон — партнер-основатель и президент отмеченного наградами агентства по созданию брендов, созданию контента и креативу Gigasavvy. Проведя последние 20 с лишним лет в Южной Калифорнии, Кайл недавно перевез свою семью в Бойсе, штат Айдахо, где он продолжает руководить агентством на следующем этапе их роста.