Data Driven – что это
Data Driven (в пер. с англ. «управляемый данными») – это подход к управлению, в основе которого лежат данные. Он применяется в различных отраслях, например, маркетинге, менеджменте, дизайне, науке. С помощью Data Driven подхода строят бизнес-модели или маркетинговые стратегии, составляют планы продаж и многое другое.
В подходе можно выделить 5 основных этапов:
- Сбор данных.
- Обработка информации.
- Анализ данных.
- Интерпретация результатов.
- Визуализация.
В первую очередь, вы собираете информацию – например, о посещаемости сайта, источниках трафика и так далее. После этого вы обрабатываете данные, исключая ненужные. На основе собранной информации проводится анализ, вы получаете результаты и интерпретируете их (делаете соответствующие выводы). Наконец, результаты проведенного исследования остается визуализировать и представить другим сотрудникам или руководству. И уже на основе этих отчетов будут строиться гипотезы, корректироваться бизнес-стратегии, внедряться конкретные меры.
Ключевым этапом в работе над данными можно считать интерпретацию – работать с данными ради других данных нет никакого смысла. За цифрами должны стоят определенные выводы, на основе которых и принимаются решения.
Если вы решите внедрить Data Driven в бизнесе, вам понадобится:
- Команда специалистов. В небольших компаниях достаточно маркетолога и аналитика, в крупных потребуется гораздо больше специалистов – инженеры, архитекторы и даже Data-стратеги.
- Инфраструктура. Работа с данными требует различных инструментов, систем и сервисов, позволяющий автоматизировать рутинные операции (например, сбор данных, их обработку).
- Время. Сбор и обработка информации требует времени (причем, чем больше данных у вас – тем больше времени нужно).
Преимущества и недостатки подхода
Data Driven имеет ряд преимуществ и недостатков. Рассмотрим основные из них.
Преимущества Data Driven:
- Обоснование решений цифрами и фактами. В отличие от устаревшего подхода HiPPO («принятие решений на основе мнения руководителей»), решения принимаются на основе реальных причинно-следственных связей и закономерностей.
- Исключение человеческого фактора. Самые компетентные специалисты не могут знать наиболее актуальной информации, поскольку все вокруг ежедневно меняется. Поэтому решения принимаются на основе свежих и проверенных данных, а не «ощущений», интуиции, личного опыта.
Недостатки Data Driven:
- Расширение штата специалистов и расходы на обучение. Data Driven требует компетентных специалистов (например, директоров по данным, аналитиков, исследователей, инженеров, архитекторов), которые умеют работать с системами аналитики, выстраивать обмен информацией с другими подразделениями. Время от времени эти специалисты должны повышать свою квалификацию.
- Расходы на инфраструктуру. Отслеживание действий клиентов, определение наиболее эффективных источников трафика, сбор упоминаний о компании в сети – все это подразумевает использование различных инструментов, сервисов. Одной Яндекс.Метрикой и Google Analytics не обойтись – понадобятся системы сквозной аналитики, сервисы визуализации данных и многое другое. Также вас ждут расходы на очистку получаемых данных.
Как принимать решения на основании данных
Как было замечено выше, Data Driven решения – это решения, принятые на основании данных. Соответственно, чтобы начать это делать, нужно определиться с источниками данных – откуда вы будете брать их, чтобы они были максимально точными и свежими. После этого необходимо определить ответственных – кто будет этим заниматься. Вы можете делегировать эти задачи сотрудникам какого-либо отдела (например, маркетологам), сформировать специальный отдел или нанять стороннего специалиста.
С данными лучше работать в одном месте, что требует совместной интеграции различных систем – например, CRM-системы, рекламных платформ, электронной почты и так далее. После того, как вы их соберете, обработаете и интерпретируете, потребуется визуализация – например, наглядные дашборды.
При работе с данными важно грамотно формулировать бизнес-цели. Предположим, ваша цель (как и любого другого бизнеса) – увеличение прибыли компании. Соответственно, нужно отслеживать то, что может привести к достижению этой цели, например:
- Увеличение числа заявок.
- Повышение среднего чека.
- Рост конверсии и другим.
Важно! При сборе данных нужно помнить об объективных вещах – например, сезонности бизнеса, особенностях продукта или потребителя.
После этого определяете целевые показатели, по которым будете отслеживать достижение целей. Например, это могут быть конверсия, цена за действие (например, за звонок), число брошенных корзин, размер среднего чека и другие метрики. Важно, чтобы показатели совпадали с поставленными целями. Например, если вы планируете отслеживать увеличение количества заявок, то показатель конверсии в клиента будет не столь важен – ведь вы фиксируете именно заявки, а не закрытые сделки.
Наконец, вы отслеживаете выбранные показатели. Разумеется, это нужно делать в динамике – за неделю, месяц, квартал и пр. На основе полученных результатов вы сможете сделать выводы о том, работает ли ваша стратегия или нет. Это позволит своевременно внести коррективы и оценить внедренные изменения. Таким образом, вы будете принимать решения на основании данных.
