Анализ данных творит чудеса. Результаты исследования консалтинговой компании PwC показывают, что организации, полагающиеся на статистику, втрое чаще остальных принимают эффективные решения1. Тем не менее 62% руководителей по-прежнему полагаются не на цифры, а на опыт и советы коллег2.

Почему так происходит? Возможно потому, что нам всем свойственно доверять собственному чутью: это естественно, но ненадежно. Современные маркетологи и аналитики не полагаются на интуицию, а используют продвинутые технологии и машинное обучение, чтобы оперативно анализировать информацию и принимать решения на основе полученных выводов. Именно так компании, в которых они работают, и добиваются успеха.

Один из примеров – страховая компания Progressive. Она работает на рынке уже 79 лет и запомнилась многим по консультанту Фло, персонажу из телевизионной рекламы. "Данные – это наш хлеб насущный, – говорит Паван Дивакарла (Pawan Divakarla), директор по бизнес-аналитике Progressive. – И хотя это всего лишь биты и байты, мы высоко их ценим и с почтением к ним относимся".

Как сделать, чтобы данные работали на вас

Очень важно, чтобы к данным серьезно относились все сотрудники, включая руководство. В компании Progressive, да и не только там, многое зависит от позиции руководства, которую перенимают и подчиненные. Участники недавнего всемирного опроса консалтинговой компании McKinsey3 отметили, что вовлеченность руководства – фактор, от которого сильнее всего зависит эффективность работы с данными и аналитикой.

Но одной поддержки сверху недостаточно. Если использовать непроверенные или неточные данные, от них не будет толка. Чтобы делать важные шаги, компаниям нужна надежная информация - только в этом случае можно принимать решения, руководствуясь цифрами, а не чутьем.

"Раньше мы обращались к экспертам, которые анализировали данные, а затем делали свои выводы, – поясняет Сагник Нанди (Sagnik Nandy), ведущий инженер Google. – Но в какой-то момент данных стало столько, что появилась потребность в автоматизации анализа". И теперь это возможно.

Подробнее о том, как маркетологи из компаний Progressive и Macy's справились со сложной задачей автоматизации анализа данных для принятия решений, читайте в полной версии отчета How Analytics and Machine Learning Help Organizations Reap Competitive Advantage (Как анализ данных и машинное обучение создают конкурентное преимущество для бизнеса) Массачусетского технологического института (MIT).

В наше время потребители ожидают, что вся информация будет доступна им ровно в тот момент, когда они захотят что-то узнать, сделать или купить. Это требует сложной работы с данными. "Управлять данными непросто, когда вокруг все меняется, – говорит Сагник. – Нужно учитывать действия в приложениях, опросы, данные атрибуции, рекламную статистику и миллионы других разрозненных сведений".

Без мобильных устройств – никуда

Мобильные устройства – ещё один источник информации, позволяющий получить представление о пути клиента к покупке. И это неудивительно, ведь более половины всех запросов к Google Поиску в мире4, а также трафика сайтов, по которым собирает статистику Google Analytics5, поступает со смартфонов и планшетов.

Тем не менее компании до сих пор испытывают трудности с интеграцией мобильных данных и управлением ими. "Многим по-прежнему кажется, что мобильные устройства – это такая вещь в себе, хотя они уже давно стали частью нашей жизни", – поясняет Сагник.

Источник: данные Google Analytics, США, I квартал 2016 г.

Анализ данных помог Progressive сделать свое мобильное приложение удобнее. "Сначала мы создали приложение просто потому, что все так делают", – говорит Паван. Но затем оказалось, что клиенты ждали большего: "Данные показали, что пользователи хотят делать покупки, так что нам нужно добавить такую функцию. Это было как озарение".

Чтобы принимать важные решения так, как это делают в Progressive, специалисты по статистике должны обеспечить сбор данных, анализ и принятие решений. Другими словами, необходимо интегрировать данные из разных источников, применять новые технологии для быстрого и сложного анализа, а также делать выводы, помогающие в развитии бизнеса.

Решения, подобные Google Analytics 360 Suite, обеспечивают непрерывный анализ пользовательских данных. Благодаря этому такие компании, как Progressive, могут получать больше ценных сведений и улучшать качество услуг – зачастую даже без вмешательства человека.

"Люди анализируют данные, потому что им нужен результат, и машинное обучение помогает его достичь, – говорит Сагник. – Эта технология позволяет не просто получать информацию об ошибках, но и автоматически исправлять их". Даже если ошибок нет, машинное обучение помогает усовершенствовать уже устоявшиеся процессы.

Компании Progressive и Macy's доверяют данным, а не интуиции и уделяют особое внимание трем аспектам работы с информацией: сбору, анализу и принятию решений. Подробнее об этом читайте в полной версии отчета MIT "How Analytics and Machine Learning Help Organizations Reap Competitive Advantage" (Как анализ данных и машинное обучение создают конкурентное преимущество для бизнеса).

Источники
  • 1 PwC, Big Decisions™, Global Data and Analytics Survey. Выборка: 1135 руководителей высшего звена со всего мира, май 2016 г.
  • 2 PwC, Big Decisions™, Global Data and Analytics Survey. Выборка: 2106 руководителей высшего звена со всего мира, май 2016 г.
  • 3 McKinsey Global Survey. Выборка: 519 руководителей высшего звена, представляющих компании разного размера из разных стран и отраслей, сентябрь 2015 г.
  • 4 Внутренние данные Google, все страны, октябрь 2015 г.
  • 5 Данные Google Analytics, США, I квартал 2016 г.