По представлениям ЦББольшая часть из 19,6 млрд. Венчурных фондов прошлого года ушла на стартапы в области «бизнес-аналитики, аналитики и управления эффективностью». В компании, занимающиеся данными, все больше и больше инвестиций, компании вкладывают больше средств в свои данные и, ну, в общем, есть еще что-то.
Для некоторых компаний это увеличение объема данных привело к реальному прогрессу.
Netflix использовал Много миллионов часов визуализации данных, чтобы лучше оценить то, что люди хотят видеть. Это привело к лучшим рекомендациям и лучшему оригинальному программированию от потокового гиганта.
Это обещание больших данных, и когда такое видение будет достигнуто, это может оказать серьезное влияние на то, как компания ведет бизнес, и на ее итоги. Однако для многих компаний обещание больших данных не выполняется.
«Пока что все компании, с которыми я работал и с которыми разговаривали, сталкиваются с одной и той же проблемой без единого исключения: плохое качество данных».
Руслан Белкин, Вице-президент по проектированию, Salesforce
Серьезные проблемы с данными
Панель Social Shakeup под названием "Данные в реальном времени и повсеместно«Он рассказал о возможностях и недостатках использования данных в крупных компаниях: такие люди, как Нед Кумар из FedEx и Линда Бруннер из Siemens Healthcare, обсудили роль данных в своих организациях и проблемы, с которыми они сталкиваются, используя их для улучшения своей работы. их бизнес.
Эти чувства отражены в недавний отчет о состоянии использования данных в компаниях, выпущенных IDG Connect. Они обнаружили, что крупнейшими препятствиями, с которыми сталкиваются компании в плане данных, является низкое качество данных и избыточные данные. Наиболее значимым группа Одной из проблем была сложность извлечения информации из данных: для многих выявление тенденций было затруднительным, и многие данные не воспринимались как действенные.
Это имеет некоторый смысл: несмотря на то, что большие объемы данных из различных источников могут привести к новому пониманию, для многих компаний достижение такого уровня, когда они могут сделать эти цифры полезными, является огромным скачком. Многие все еще находятся на более ранних стадиях, создавая процессы для сбора, организации и хранения данных из разных источников. Обеспечение точности данных и их нормализация с тем, чтобы они были сопоставимы между источниками, является важным проектом даже для компании, не имеющей огромного международного присутствия.
Допустим, мы говорим только о размере аудитории и данных о заинтересованности – сколько людей затрагивает ваша реклама? Сколько социальных постов вы видите? Сколько у вас посетителей и как долго люди смотрят ваши видео?
Если ваша конечная цель для этих коммуникаций чрезвычайно специфична, например, для совершения покупок по одному элементу, идеальное выравнивание между различными наборами данных может быть не столь критичным, как просто возможность отследить, кто взаимодействовал с вашим контентом, а затем приобрел продукт.
Однако, если вы пытаетесь повлиять на метрику более высокого уровня, такую как узнаваемость бренда, способность собирать, систематизировать, понимать и сравнивать все эти данные необходимы как для измерения общего воздействия ваших кампаний, так и для понимания относительной эффективности разные каналы.
Данные, в целом, сложны: Руслан Белкин, вице-президент по инжинирингу в Salesforce, и DJ Patil, главный специалист по данным в США. Недавно он говорил о продуктах данных на первом саммите CTO раунда, Белкин сказал: «До сих пор все компании, с которыми я работал и с кем разговаривал, сталкивались с одной и той же проблемой без единого исключения: плохое качество данных».
Также возможно сосредоточить слишком много внимания на данных, за исключением чего-либо еще: Tesco, пятый по величине ритейлер в мире, постоянно фокусируется на использовании данных за последнее десятилетие. Их часто приводят в качестве примера лидерства в области данных, однако недавно они достигли 11-летнего минимума рыночной стоимости. Согласно статье в Harvard Business Review «Менее чем за десять лет двигатель и движущая сила успеха Tesco (его возможности обработки данных) превратились в аналитического альбатроса».
Так как вы делаете данные лучше?
Интеллектуальное измерение производительности
Лучшее использование данных – это вопрос точного определения того, что вы пытаетесь с ним сделать.
Согласно отчету IDG, для создания реальной ценности данных компании должны «определить, какая информация наиболее соответствует стратегическому направлению их бизнеса».
Если мы посмотрим на данные о производительности, то есть измерим, насколько хорошо работают ваши усилия, должна быть четкая цель для отслеживания каждого показателя, который вы планируете измерить. Общие данные, которые вы собираете и анализируете, а также данные и результаты, представленные в группах и в рамках всей организации, должны определяться вашими общими бизнес-целями.
«У вас должно быть как можно меньше данных»
Уильям Фланаган, Ауденти
Конечно, мало кто скажет, что отслеживает данные, поскольку тот факт, что показатели производительности чаще всего связаны с бизнес-целями в некоторые путь. Но с учетом объема доступных данных, если более или менее каждому члену команды не ясно, как метрика вписывается в более широкую бизнес-стратегию, вместо этого возникает риск путаницы быть водителем лучших результатов.
Детали могут добавить ясности, но также могут затемнить. На этой панели Social Shakeup Уильям Фланаган из Audenti сказал: «У вас должно быть как можно меньше данных». С точки зрения данных о производительности вы могли бы перевести это, чтобы означать, что дополнительные детали должны быть включены только при добавлении информации и не отвлекают от общей картины.
В идеальном мире ключевые показатели эффективности, связанные с конкретными бизнес-целями, должны определяться на уровне предприятия. Отчеты между группами должны сосредоточиться на том, как усилия влияют на эти ключевые показатели. Отдельные команды могут иметь конкретные KPI для них, но должны как можно больше связываться с большим изображением.
Помимо согласования действий в рамках всего бизнеса, согласование с основными показателями также уменьшает тенденцию сосредоточиться исключительно на данных, которые делают отдел или команду хорошо выглядящими, а не на том, что имеет наибольшее значение.
Лучшие данные кампаний
Помимо измерения производительности, данные стимулируют новые инициативы в маркетинге и других областях. Как и в случае с показателями, некоторые люди указывают на несоответствие между ожиданиями и результатами этих усилий.
В отчете IDG говорится, что сбор большего количества данных не обязательно является лучшим способом получения данных. Он утверждает, что «для обеспечения трансформации данных организации могут быть лучше расположены, сосредоточившись больше на своей долгосрочной стратегии данных и оказании влияния на бизнес, а не на источники данных и пытаясь получить представление о больших наборах данных». ,
Вероятно, лучше начать с малого: DJ Patil, ведущий американский специалист по данным. UU., Он сказал: «Если вы попытаетесь создать сумасшедшие и амбициозные вещи, такие как машинное обучение, это вас не подведет. Получите правильные каналы и другие вещи, а затем опирайтесь на это».
Согласование инициатив в области данных по всему предприятию и максимально упрощение инфраструктуры данных может помочь стимулировать инновации данных, а не душить их. И стоит вспомнить эту фразу DJ Patil: «когда дело доходит до продуктов данных, изобретательность превосходит интеллектуальные девять из десяти раз».
