Подход data-driven и Решения на основе данных

Суть в одном абзаце:

Data-driven это подход к управлению, основанный на данных. Его главный постулат: решения нужно принимать, опираясь на анализ цифр, а не интуицию и личный опыт.

Подход сокращает издержки, повышает эффективность и позволяет оперативно реагировать на изменения.

Data-driven в маркетинге, менеджменте и разработке

Понятие Data-Driven появилось еще в 90-х годах прошлого века и получило широкое распространение в бизнесе.

Подход подразумевает, что нужно понимать данные и уметь строить прогнозы на их основе. То есть на этапе принятия решения должно быть понимание, на что оно повлияет, что нужно изменить, какого результата можно добиться. Так появился термин Data-Driven Decision, который подразумевает использование фактических данных для принятия управленческих решений.

Принципы подхода:

  • šГотовность к инвестициям. Данные необходимо извлекать, хранить, анализировать, интерпретировать и визуализировать. На все это требуется внимание, время и деньги.
  • šУмение анализировать и интерпретировать. Важная часть работы с данными — их анализ и построение гипотез. Для этого требуются специальные знания и опыт.
  • šДоверие данным. Данные должны быть точными и чистыми — тогда им можно будет доверять и правильно интерпретировать
  • šПринятие решений на основе данных. Прежде чем предпринять что-то важное, нужно собрать и проанализировать цифры.

К чему приводит отсутствие Data-Driven Decision

  • Решения принимаются на основе прошлого опыта, не зафиксированного в четкой форме š
  • Отчетность строится из данных, не соединенных с центральной базой данных š
  • Нет возможности отследить влияние одних параметров на другие
  • Для не-технически подкованного персонала нет возможности принимать решения на основе данных š
  • Нет возможности делать прогноз š
  • Нет возможности моделировать процессы внутри предприятия

Навыки специалистов

Стоить помнить, что и к сотрудникам, и к руководителям в Data-Driven парадигме предъявляются высокие требования. Как минимум ожидается владение базовым инструментарием аналитика: š

  • SQL, š
  • основы Python, š
  • BI-инструменты: PowerBI, Tableau, т.д.

Сложности подхода
Data-Driven

Просто собирать данные недостаточно, их необходимо обрабатывать, анализировать, интерпретировать, строить гипотезы, проверять и снова анализировать.

Помимо этого, подход data-driven несет за собой и другие сложности для компании:

  • Недешевая инфраструктура. Необходимо установить системы веб-аналитики, системы учета ресурсов (ERP), CRM, системы коллтрекинга и сквозной аналитики. Также вам потребуется визуализировать отчеты в дашбордах. И все это должно быть отлажено и работать в связке. š
  • Необходима команда технических специалистов. Как минимум должен быть один аналитик и один профильный специалист, который в дальнейшем будет использовать результаты в работе. š
  • Нужна культура управления данными. Менеджмент компании должен быть подготовлен: уметь работать с данными и своевременно их обрабатывать. Поэтому Data Driven необходимо внедрять постепенно, так, чтобы команда успевала развиваться вместе с ним. š
  • Результаты требуют определенного времени. И если вы начали работать на основе данных, то они должны ставиться во главу угла, иначе подход не даст никакого результата

Шаги к Data-Driven Decision

Если вы только собираетесь перетаскивать процессы внутри своей компании на data-driven рельсы, советую обратить внимание на следующие пункты

Шаг 1: База данных

В компании должна быть выстроена база данных, содержащая сведения  по  транзакциям, клиентам, внутренним операциям, поддержке, по всей жизни компании. šНе должно происходить ни единого ценного события, которое не было бы зафиксировано внутри какой-то таблицы. Конечно же, база должна быть грамотно задокументирована, чтобы даже новички в компании, могли в ней разобраться.

Мысль!

Отслеживать в компании можно практически что угодно, но не все отслеживать нужно!

Поймите, какие компоненты действительно влияют на результат, а какие — нет.

Отслеживать можно и SMM, и офлайн активности. Существуют QR коды, метки, промокоды и призывы к действию. Тратя время и деньги на продвижение, всегда закладывайте возможность отслеживания результатов

Шаг 2: Финансы

šВажно при строительстве бухгалтерии закладывать возможность синхронизировать данные по платежам с центральной базой данных компании. šЧтобы потом не приходилось отделять мух от котлет, а  платежи клиентов от зарплат сотрудников, когда вы будете присоединять финансовые показатели к статистической модели.

Шаг 3: Трекинг клиентов

šЕсли у вас свое мобильное приложение — убедитесь, что вы точно знаете, что каждый пользователь делает внутри него. šИзучите Amplitude, и настройте экспорт данных в контролируемый внешний источник, вроде Big Query. šБудьте осторожны с данными, которые вам предоставляет Google Analytics и другие бесплатные сервисы, многие выводы GA делает не по всем вашим пользователям, а лишь по небольшой их части.

Шаг 4: Трекинг рекламы

šЕсли вы делаете онлайн рекламу, то не забывайте ставить системы отслеживания и системы сквозной аналитики.  šПодружите Amplitude с внешним трафиком при помощи Appsflyer или другой трекинговой платформы, и узнайте, наконец, сколько конкретных пользователей вам привела ваша интернет реклама, и что эти пользователи делают внутри вас.

Шаг 5: Компоненты бизнеса

šПодумайте, из каких компонентов состоит ваш бизнес, разберите его на части. Чем на самом деле вы занимаетесь, кто ваши клиенты? šНапример, посмотрим на компанию Chocofood, где я сейчас работаю. Казалось бы, у компании один клиент — тот, кто делает заказ. На деле, у компании три типа клиента — те кто делает заказ, курьеры и рестораны; и по каждому направлению компания, по сути, оказывает информационные услуги. šЭто важный момент, который нужно понимать на этапе формирования системы продуктовой аналитики.

Шаг 6: Взаимодействие компонентов

šПоймите, как ключевые компоненты вашей системы взаимодействуют друг с другом. Как формируется единица полезного труда, как она трансформируется в единицу полезного продукта, какой у продукта цикл, как он может быть выражен финансово на разных этапах. šЭто все может показаться ненужным, но когда у вас в системе, к примеру, много курьеров на разных этапах жизненного цикла с разной производительностью труда, вам необходимо знать эти детали для балансировки  нагрузки на компоненты бизнеса.

Шаг 7: Люди

šНе все люди, принимающие решения в компании, обладают компетенциями проводить самостоятельные аналитические исследования. šПравильная система аналитики внутри больших корпораций должна не ограничивать возможности, а, наоборот, помогать абсолютно всем сотрудникам ставить эксперименты, проверять гипотезы и делать выводы. šА потому, грамотная визуализация данных — немаловажный пункт, вишенка на торте аналитики.

Итоги:

  • Аналитик данных – это одна из важнейших ролей в компании. Глаза, ум и здравый смысл бизнеса š
  • Перед стартом перехода к Data Driven убедитесь в отсутствии проблем внутренней коммуникации по продукту компании. В этом поможет хороший продуктовый менеджер š
  • Сбор и анализ данных могут значительно улучшить процессы в вашей организации, если будут использоваться правильно и системно: на всем пути клиента, от формирования потребности до рекомендации знакомым. Подход Data Driven должен стать частью культуры вашей компании, каждого ее сотрудника.

Автор урока и презентации: Геннадий Захаров

Назад: Исследование данных в Digital маркетинге