Что такое data-driven подход и как он помогает вести глубокую аналитику в бизнесе

Компании, которые разрабатывают бизнес-процессы на основе данных, могут выявлять потребности клиентов на ранней стадии. Это позволяет действовать на рынке более гибко и быстро, а в долгосрочной перспективе — сохранять конкурентные преимущества. В этой статье вместе с компанией LEADS мы расскажем о том, как работает data-driven подход, в чем его преимущества и как его внедрить в свой бизнес.

Что такое data-driven подход

«Деятельность компании — это набор из тысяч элементарных действий. В процессе работы руководитель может забывать о важности структуры и эффективности бизнес-процессов. Но это особенно важно на этапе масштабирования, когда требуется понимание не только того, “что” ты делаешь, но и “как”», — говорит генеральный директор компании LEADS Рахманов Ирек Камилевич.

Data-driven подход — это использование информации о клиентах для оптимизации бизнес-процессов и маркетинговых коммуникаций. Он помогает понять внутренние процессы компании, чтобы руководитель смог осуществлять управление на основе собираемых данных. Например, сбор информации для повышения скорости производства. Но важно понимать, что цифры сами по себе имеют небольшое значение. Data-ориентированную компанию отличает умение сотрудников анализировать данные, учитывая рыночный контекст, — цены, тренды развития рынка и так далее.

Вот несколько аспектов, которые связаны с принятием решений, основанных на данных:

• Подход к данным, основанный на гипотезе. Например, тебе кажется, что реклама с улыбающимися людьми будет давать больше заявок, чем анимация с вымышленным персонажем. Для этого нужно провести A/B тестирование: запустить несколько рекламных кампаний и сравнить результаты, чтобы подтвердить или опровергнуть гипотезу.
• Показатели, используемые для принятия решений, известны и согласованы со всеми заинтересованными сторонами. Например, после проведения исследования предоставляемые цифры разбираются как руководителем компании, так и узкими специалистами — маркетологами, программистами и другими.
• Созданы механизмы обеспечения качества данных. Например, установлена вся необходимая для получения данных техника.
• Данные легко доступны заинтересованным сторонам. Это также требует определенного уровня инвестиций в создание пользовательских интерфейсов для данных (например, информационные панели и отчеты).

Для достижения целей при data-driven подходе собирают два типа данных: количественные и качественные. Первые рассказывают, что и в каком объеме происходит на сайте, в приложении или другом техническом решении. Вторые способны объяснить контекст и историю, а также помогают понять, почему пользователи ведут себя определенным образом. Руководители компании LEADS при оптимизации работы пошли путем количественного анализа:

«Мы выявляем самые частотные и рутинные процессы, а затем их приводим к стандартам и автоматизируем. В частности, одним из самых трудоемких процессов в коммерции была работа с таблицами и однотипными отчетами. Несмотря на то, что мы — IT-компания, большой объём рабочего времени занимала ручная проверка по простым критериям. Описанная ситуация оказалась неприятным наследием, которое было накоплено длительной эволюцией, и снежный ком рутины рос с каждым годом по чуть-чуть.

Несмотря на то, что объём работ по автоматизации был колоссальным, на выходе мы получили огромную экономию: если на старте почти половина времени коммерции уходила на данные операции, то сейчас около 80 % рутины автоматизировано.

В итоге это позволило высвободить не менее 40 % рабочего времени сотрудников и впоследствии принести новую прибыль компании».

Преимущества использования data-driven подхода в бизнесе

1. Увеличение точности аналитики.

Благодаря аналитике компании могут изучать исторические данные, определять закономерности и тренды, а также использовать прогнозирование для анализа будущих сценариев. Это позволяет принимать решения, которые максимизируют успех компании, а также снижают риски и издержки. Например, маркетинговые активности LEADS, которые предварительно имели под собой детальные финансовые расчеты, позволили использовать продукты, позволяющие в разные периоды привлечь до 15 % трафика рынка. При этом уникальность торгового предложения сохранялась на некоторое время, так как попытки конкурентов быстро повторить активности без предварительных расчетов многократно проваливались.

2. Сокращение расходов.

Благодаря эффективному управлению ресурсами ты сможешь оптимизировать использование времени, денег и человеческого капитала. Анализ данных может помочь выявить наиболее прибыльные продукты, рынки или отрасли, а также определить, какие процессы или решения приносят наибольшую отдачу.

3. Увеличение эффективности маркетинга.

Ты можешь анализировать поведение потребителей, выявлять важные факторы и тенденции, а также предлагать персонализированные рекомендации и решения. Это помогает повысить уровень удовлетворенности клиентов, укрепить лояльность и увеличить продажи.

4. Поиск новых возможностей для роста.

По данным, полученным благодаря data-driven подходу, можно понять, какие дополнительные услуги требуются пользователям в твоем приложении, или определить неочевидное УТП, которое поможет изменить позиционирование продукта. Аналитика помогает определить возможности для инноваций и сотрудничества, а также прогнозировать развитие технологий.

Внедрить подход, понять его аспекты и плюсы — это половина дела. Здесь также важно верно предоставлять интерпретации. Вот что советует Данила Иванов — директор по аналитике компании LEADS для презентации данных перед руководителями:

«Решения принимаются всегда субъективно. Суть подхода решений на основе данных — повысить их значимость. Я видел ситуации, где частные случаи в устах умелых ораторов переворачивают сознание лиц, принимающих решение (ЛПР). Что нужно сделать, чтобы ЛПР верил и повышал вес данных в принятии решений?

• Показывать абсолютный минимум очень полезной информации;
• Регулярно показывать пользу и достигнутые результаты;
• Создать прозрачность в понимании;
• Предоставить ЛПР возможность получить ответы на все существующие сомнения в течение секунд — с аналитиком или без него посредством систем визуализации, переписки с ботом или любым удобным для него способом;
• Проверить корректность переданной информации. Абсолютно нормально, если руководитель любого уровня чего-то не понял. Обратная связь по верификации доставки данных для исключения человеческого фактора — один из важных аспектов data-driven подхода. До того, как мы начали применять “проверку”, — вера была существенно ниже».

Шаги внедрения data-driven подхода в бизнес

Мы рассмотрим шаги внедрения управления данными на примере компании LEADS. Здесь специалисты находятся в регулярном поиске новых возможностей и рассматривают все доступные альтернативы. В компании широкий инструментарий сбора данных разделен на:

• автоматизированный: трекер, парсеры, интеграции с внешними информационными системами и другие;
• полуручной: простые формы ввода, электронные таблицы и другие;
• ручной: наблюдение, глубинное интервью и другие.

На уровне обработки специалисты получают группу баз данных, в которую загружается вся доступная информация по определённым заранее стандартам. Главное в data-driven — не сам инструмент сбора или обработки, а возможность разделения системы на независимые блоки с определенными стандартами «интерфейсов» стыковки этих блоков. Целая цепочка независимых блоков может масштабироваться при соблюдении заранее согласованных стандартов.

«Если данные собраны в соответствии с вышеописанным подходом, то включается самое интересное — последовательность независимых шагов к успеху:

На картинке мы видим, что два очевидных процесса окрашены в зеленый, так как являются самыми простыми. Но нужно обязательно пройти все предварительные этапы, чтобы не допустить разрыва между метрикой — сухой цифрой, от которой будет зависеть успех компании, — и фактической логической связью влияния, благодаря которой эта цифра будет менять реальность».

По словам Данилы Иванова — директора по аналитике компании LEADS, основные проблемы, которые могут встретиться при data-driven подходе — это:

«1. Цель не определена или определена нечётко. Если мы не понимаем, зачем нам собирать какие-либо данные, какой эффект это даст, и что мы хотим на выходе на уровне действий, то можно вообще не собирать данные.

2. Предварительный анализ не проведен или проведен плохо. В этом случае у нас нет возможности четко сформулировать метрики. Если нам кажется, что какое-то явление повлияет на результат, но этому нет доказательств, то, скорее всего, это явление на исход никак не повлияет. Анализ должен проводиться с синьор-экспертом в предметной области. Если это опрос, то социологом. Если это коммерция, то не руководителем отдела, а бизнес-консультантом. Если это вопрос менеджмента и процессов управления, то человеком вне системы управления. И здесь главная ошибка, которую допустили и мы, — это недооценка важности и ощущения собственной экспертности.

3. Метрики не проработаны и поставлены из соображений простоты сбора. Часто мы можем посчитать количество лайков, а кнопку для дизлайков вообще не ставим, потому что на неё редко нажимают. Собирать просто, поэтому хочется взять в работу. Однако если предварительный анализ показал, что лояльность клиента лучше измерять в количестве разных вопросов в чате, то лучше подключить chatGPT и разметить базу переписок по всем доступным каналам. Но второе выглядит как большой и сложный проект, а первое даст нам быстро собранные бесполезные данные.

4. Формат сбора определяет непрофессиональный исполнитель. Финансисты понимают, чем операционные расходы отличаются от инвестиционных, а также разницу метода начисления и кассового метода. Коммерсанты понимают отличие прямых и косвенных затрат, маркетолог четко понимает границу целевой аудитории, социолог знает, как задать вопрос, чтобы исключить социально одобряемые ответы, и как работать, например, с аттитюдами. Главная ошибка — это ситуация, когда техническое задание на сбор пишет айтишник, маркетолог или секретарь.

5. Собранные данные складываются без проверки. Все данные, которые были собраны, должны проверяться различными статистическими методами в зависимости от направления. Особенное внимание нужно уделять очистке от выбросов, а также проверке выборки».

Важно понимать, что data-driven подход — это целая культура, а не просто инструмент. Компания LEADS ответственно подходит к своей работе, и для повышения уровня знаний персонала в компании регулярно проводятся встречи для развития навыков работы с метриками, а также анализа своей практики и изучения ошибок. LEADS — это лидирующая CPA-сеть на российском рынке. На протяжении 12 лет они объединяют десятки тысяч вебмастеров, сотни рекламодателей и партнеров, чтобы вместе становиться лучше.

Реклама
https://leads.su/
LjN8K5Rne