Data driven: как принимать объективные решения

Условно процесс принятия решений в бизнесе можно разделить на два подхода — HiPPO (Highest Paid Person’s Opinion), или модель на основе мнения лидера, и DDDM (Data-Driven Decision-Making), который еще называют Data Driven — то есть модель на основе анализа больших данных. Второй вариант работает довольно эффективно — например, DDDM в маркетинге позволяет на 20% повысить доходы и на 30% снизить расходы — хотя используют его всего 2% компаний.

Содержание:

— Что такое Data Driven

— Как использовать Data Driven

— Инструменты для внедрения Data Driven

— Как научиться анализировать данные

Что такое Data Driven

Data Driven подход — это концепция, в которой решения принимаются на основе больших данных. Изначально к бизнесу это не имело отношения — скорее, термин использовали для научных исследований. Однако в современности Data Driven превратилось в устойчивое выражение, его можно встретить в лексиконе разработчиков, которые обучают нейросети, или у журналистов, которые занимаются расследованиями на основе анализа и фильтрации большого количества информации. Data Driven подход пробуют в обучении, науке, маркетинге.

Data Driven можно объяснить так — это процессы, в которые решения принимаются не на основе интуиции, личного опыта или небольшого количества информации, а на основе множества данных. Например, мы хотим масштабировать бизнес — маленький интернет-магазин. Если мы будем ориентироваться на мнение директора или приглашенного — это будет решение на основе авторитета.

Можем попробовать представить, куда будет двигаться рынок в ближайшие полгода — это работа на основе интуиции. Если же мы изучим сквозную аналитику нашего проекта за последнее время и выясним, что наблюдается стабильный рост интереса к продукту категории «А», а затем увеличим маркетинговые траты на продвижение этого товара и проверим гипотезу, то упрощенно, но все же используем Data Driven.

Как использовать Data Driven

Если не брать в расчет сугубо научные, исследовательские цели методики, Data Driven модели могут практически пригодиться в нескольких составляющих бизнес-процессов:

• Маркетинг: можно анализировать метрики рекламных кампаний, повышать эффективность инвестиций в маркетинг, анализировать особенности целевой аудиторию, потребности клиентов и нюансы в коммуникации с ними. Например, маркетолог может выяснить, что покупатели у бизнеса в основном приходят из социальных сетей, и отказаться от дорогостоящей контекстной рекламы.

• Менеджмент: анализ данных помогает принять объективные стратегические решения. Например, руководитель компании может выяснить, что все больше представителей его целевой аудитории предпочитают покупать у компаний, поддерживающих экологическую повестку. И проверить гипотезу — если внедрить эко-инициативы в его бизнес, выйдет ли повысить лояльность клиентов.

• Дизайн продукта: Data Driven подход помогает разобраться, что на самом деле в товаре или услуге важно клиенту, а от чего можно безболезненно для спроса отказаться. Например, владелец кофейни может выяснить, что его клиентам на самом деле не нужны напитки на основе «немолока», и отказаться от лишнего замораживания денег на запас этого сырья.

• HR: изучение метрик помогает в подборе и в развитии персонала. Например, HR-специалист может выяснить, что производительность труда выше у сотрудников, которые пришли в компанию новичками и прошли через учебный центр, чем у тех, кого взяли уже самостоятельными специалистами. Тогда можно попробовать модернизировать систему найма — больше вкладывать в поиск перспективных стажеров, наладить сотрудничество с вузами.

Инструменты для внедрения Data Driven

Data Driven management в основном используют крупные компании, которые тратятся на аналитику больших данных. Однако малый бизнес тоже может получить пользу от этой концепции — наладить простую аналитику внутри компании с помощью недорогих сервисов, подходить к формированию гипотез на основе данных. Вот перечень сервисов, которые помогут разобраться в целевой аудитории, восприятии продукта и маркетинге в целом:

• Google Analytics, Яндекс.Метрика — нужны для изучения поведения пользователей на сайте компании. Можно выяснить, по каким ключевым словам люди приходят на сайт, что они там делают, на каких страницах бывают чаще остальных, на какой части страницы задерживаются надолго, в какой момент уходят с сайта.

• CRM-системы — помогают в первую очередь разобраться в продажах. Например, можно выяснить, на каких этапах воронки продаж бизнес теряет клиентов, какие менеджеры результативнее, какие скрипты разговоров эффективнее. Есть продвинутые системы, которые помогают разобраться в HR-процессах, маркетинге, в эффективности команды в целом.

• Инструменты сквозной аналитики — например, популярные Roistat и CoMagic. Они помогают оценить эффективность рекламных кампаний и маркетинга в целом, выяснить, из каких источников пришли самые лояльные и прибыльные клиенты.

Data Driven — это концепция, по которой стоит принимать решения. Внедрять ее в бизнес стоит постепенно: сначала определиться с источниками данных, которые компания может анализировать. Затем изучить стоимость и удобство инструментов, начать пользоваться ими. И затем выдвигать гипотезы, следя за тем, чтобы во главе мышления была не интуиция, а объективность.

Как научиться анализировать данные

Анализ — это не просто сбор метрик и придумывание гипотез на их основе. Это сложный процесс, который включает в себя несколько этапов:

1. Нужно разобраться, как собирать и использовать имеющуюся информацию для принятия решений.

2. Определиться с методами анализа.

3. Провести анализ, разобраться не только с результатами, но и изучить процесс и инструменты, найти в них недостатки.

4. Систематизировать и развивать методологию аналитической работы.

5. Наладить процесс постоянного анализа, улучшать его механизмы.