Онлайн университет современного образования без отрыва от работы

Анализ данных: 8 важных советов

Ваш бизнес собирает больше данных о своих клиентах и бизнес-операциях, чем когда-либо прежде. На самом деле, данные вашей компании, скорее всего, будут увеличиваться вдвое каждые четыре года в зависимости от текущих тенденций. Теоретически, этот растущий запас данных также должен приравниваться к увеличению содержательной информации. Однако на практике часто происходит обратный сценарий, поскольку ваша организация становится все более “богатой данными”, но “бедной пониманием”. Подсчитано, что на самом деле анализируется лишь небольшой процент всех данных. 

Усиление сигналов в ваших данных 

Поскольку компании стремятся создать культуру, основанную на данных, слишком много внимания уделяется сбору данных и недостаточно раскрытию информации. Жестокая правда заключается в том, что ваши данные могут иметь огромную потенциальную ценность для вашего бизнеса, но они бесполезны, если никто не сможет извлечь из них полезную и своевременную информацию. Если вы боретесь в этой области, как и многие другие компании, это будет только сложнее, так как ваши данные со временем будут увеличиваться. Информационный шум станет громче, а сигналы станут слабее. 
Чтобы смягчить или преодолеть эту проблему, вы можете предпринять ряд шагов: 

  1. Начните с четких бизнес-целей

Четко определенные бизнес-цели помогут вам организовать и расставить приоритеты в отношении того, какие данные важны для вашего бизнеса. Когда ваши бизнес-цели четко сформулированы, гораздо проще определить, какими должны быть ключевые показатели эффективности (KPI) и вспомогательные показатели. По сути, вы создаете иерархию для своих данных, которая помогает отделять сигналы от шума. Вместо того чтобы теряться в бурлящем океане данных, вы можете сосредоточиться на потенциальных сигналах из подмножества ключевых показателей, которые измеряют критические аспекты вашего бизнеса. 

2. Оцените качество данных

Может быть очень трудно обнаружить сигналы, если они постоянно скрыты шумом от плохих данных. Любой, кто работал в аналитике, знает, что никакие данные не являются идеальными на 100%. Вместо того, чтобы доверять всем вашим данным и действовать вслепую, лучше определить, какие данные все еще полезны. Это все равно что заглянуть в холодильник, чтобы посмотреть, какие ингредиенты не испорчены, а затем соответствующим образом отфильтровать свои варианты еды. 

3. Ответьте на конкретные деловые вопросы

Часто наличие целенаправленной цели для анализа ваших данных, такой как попытка ответить на конкретный бизнес-вопрос, будет более продуктивным, чем общее желание обнаружить что-то интересное в ваших данных. В течение нескольких лет проводился конкурс аналитиков в Adobe в котором студенты смогли проанализировать цифровые данные для реального бренда (Lenovo, Starwood Hotels, Backcountry, Comcast и так далее). Для каждого конкурса компания делилась со студентами списком “животрепещущих вопросов”, которые помогут студентам лучше сформулировать свой анализ данных. Сосредоточив свой анализ на конкретных бизнес-вопросах, было обнаружено, что студенты были более эффективны в раскрытии значимых идей для компаний. 

4. Будьте максимально объективны

Все мы носим с собой определенные предубеждения. Будучи более непредубежденным и объективным, вы сможете обнаружить больше сигналов в своих данных. Для предпринимателей и бизнес-менеджеров личные успехи и неудачи могут повлиять на то, как вы просматриваете свои данные. Вы можете “видеть то, что хотите видеть”, и игнорировать сигналы, потому что они противоречат вашему опыту или интуиции. Например, у модного ритейлера было несколько страниц коллекций, на которых были представлены различные наборы предметов одежды. Когда консультант обнаружил, что они работают плохо, он предложил провести дальнейшее тестирование и анализ, чтобы улучшить их. Однако его быстро сбили с толку заявлением: “Мистер (Владелец семейного бизнеса) любит их такими, поэтому мы не можем их изменить”. Хотя вы, возможно, не сможете устранить все свои предубеждения и предположения, вы должны, по крайней мере, признать, каковы они, и следить за тем, как они могут повлиять на вашу объективность, заставив вас пропустить критический сигнал. 

5. Добавьте обширный контекст

Когда вы анализируете данные, чем больше у вас контекста, тем лучше. Если вы полностью располагаете информацией о своей внутренней и внешней среде, вы можете разблокировать сигналы, которые, возможно, не были различимы из-за шума. Простое знание того, что произошло потенциально влиятельное событие (новая кампания или партнерство, процесс или изменение политики), добавляет ценный цвет при анализе ваших данных. Например, у производителя возникли проблемы с качеством на его производственной линии, и он смог изолировать проблему на двух своих заводских машинах. Однако аналитики данных не смогли объяснить, почему эти две конкретные машины способствовали проблемам с качеством, поскольку они казались идентичными другим. Случайно, когда они шли по производственному цеху, они обнаружили, что прямой солнечный свет из соседнего окна заставляет эти две машины сильно нагреваться в процессе работы, в отличие от других на сборочной линии. Многие полезные подсказки могут находиться за пределами вашего набора данных, поэтому вы не можете позволить себе смотреть на цифры в вакууме. 

6. Визуализируйте данные

По мере того как наборы данных становятся все более сложными, с данными становится все труднее обнаруживать сигналы без помощи визуализации данных. В 1973 году статистик Фрэнсис Энскомб продемонстрировал важность визуализации данных для целей анализа. Если посмотреть на простую таблицу данных, то в численном выражении не обнаружится никаких аномалий или закономерностей. Однако, когда каждый ряд данных был изображен на графике, визуальные эффекты показали, насколько различны ряды данных. В одном примере сеть ресторанов визуализировала данные об удовлетворенности клиентов в стилизованном календаре с цветовой кодировкой. Затем они смогли точно определить конкретную смену (в среду днем), которая уступала всем остальным. Хотя они могли бы обнаружить эту аномалию с помощью числового анализа, для ее идентификации потребовалось бы гораздо больше усилий. 

7. Используйте технологию для подготовки и организации данных

По мере увеличения объема и сложности ваших данных людям становится все труднее просматривать их вручную в поисках информации. Когда этапы процесса анализа данных являются трудоемкими и повторяющимися, вам нужно позволить машинам выполнять тяжелую работу вместо этого. Несколько лет назад один человек увидел озарение, которое вылилось в несколько миллионов долларов для крупного сайта электронной коммерции. Ему потребовалось шесть недель анализа данных, чтобы точно определить сигнал. То, что тогда заняло у него недели, теперь занимает всего несколько минут с использованием передовых аналитических технологий. Правильные инструменты могут значительно повысить ваши аналитические навыки и сэкономить ваше время. 

8. Нанимайте и развивайте острый аналитический ум

Вам нужно, чтобы как можно больше глаз искали сигналы, насколько это возможно. Слишком часто малые и даже крупные предприятия инвестируют в технологии, но не вкладывают средства в людей, стоящих за инструментами. Вам не обязательно нанимать специалиста по обработке данных (они дороги и их трудно найти), но вам следует подумать о том, чтобы иметь своего рода специализированного аналитика данных — даже если вы только начинаете с умного стажера колледжа или внешнего консультанта. Кроме того, вам нужно, чтобы ваша команда больше изучала данные ежедневно или еженедельно, что потребует инвестиций в обучение. Инструменты аналитики самообслуживания делают данные более доступными для нетехнических бизнес-пользователей, но обучение необходимо для того, чтобы в полной мере использовать потенциал этих инструментов. Наконец, по мере создания своей команды по анализу данных ищите людей, которым удобно использовать данные. Анализ данных больше не является чьей — то чужой работой-теперь это общая ответственность каждого. 

Раскрывайте информацию о ваших данных 

Профессор Патрик Вулф, исполнительный директор Института больших данных Университетского колледжа Лондона, сказал: “Скорость, с которой мы генерируем данные, быстро опережает нашу способность их анализировать”. Когда данные широко распространены, а понимание неуловимо, важно уметь сосредоточиться. Вы можете сузить поиск сигналов, сосредоточив внимание на том, какие данные важны для вашего бизнеса и какие данные можно использовать. Если вы останетесь непредубежденными и воспользуетесь как можно большим количеством знаний, большая часть шума рассеется, чтобы выявить сигналы. Визуализация данных и аналитические инструменты также могут повысить вашу способность распознавать эти сигналы, а более пристальное внимание к данным только увеличит поток информации о вашем бизнесе. 

Наши курсы по Power BI:
Курс Аналитик BI
Курс DAX Mastering
Курс Финансовый анализ в Power BI

Наши каналы:
Facebook
Instagram
Telegram
VK
Полезные статьи