От цифр к делу: как анализ данных влияет на принятие решений

Скачать
Октябрь 2016 г.

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

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.

0133f_data-driven-marketing-decision-making-inline-1-01-BODY-RU

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).

Взаимодействие пользователей с прероллами YouTube