Ви теж іноді приймаєте рішення «на око» або керуєтесь інтуїцією? Повірте, всі так робили не раз.
Але з часом розумієш: коли опираєшся на дані, помиляєшся набагато рідше. Саме тому все більше бізнесів переходять до data driven підходу — коли цифри реально впливають на дії.
У цій статті розповім просто і зрозуміло, що це таке, навіщо воно потрібно та з чого почати.
Компанії, в яких впровадили data driven, зростають удвічі швидше за компанії, де його не використовують.
Розвиток будь-якого бізнесу залежить від рішень власника і топ-менеджменту. Якщо вони приймають правильні рішення, бізнес розвивається і заробляє більше. Якщо рішення неправильні – компанія втрачає гроші або заробляє менше, ніж могла б, і не зростає.
Знаходити правильні рішення допомагає data-driven-підхід. Якщо власник компанії вміє його застосовувати, він може кратно збільшити прибуток бізнесу. Якщо менеджер знає про data driven, він може впровадити цей підхід і ухвалювати правильні рішення, а отже, заробляти більше завдяки кращим результатам.
Що таке data driven?
Data driven – це підхід, за якого рішення ухвалюють, спираючись на дані.
«Data driven» перекладається з англійської як “керований даними”. Повна назва підходу – data driven decision making (DDDM), у перекладі – «ухвалення рішень на основі даних».
Ось як працює DDDM на практиці. Припустимо, компанія продає 53 товари. Протягом останніх місяців прибуток компанії знижується. Потрібно вирішити, як оптимізувати асортимент.
Власник компанії ставить аналітику завдання зібрати дані про кількість продажів, виручку і витрати. Аналітик з’ясовує, що 75% виручки компанії приносять 23 товари. Ще 10 товарів генерують 20% виручки. Решта 20 товарів приносять лише 5% виручки, і через великі витрати на складське зберігання компанія продає їх у збиток.
Завдяки цим даним власник компанії приймає рішення відмовитися від 20 збиткових товарів. Витрати на складське зберігання значно знижуються, а прибуток компанії зростає.
Підхід data driven протиставляють підходу highest paid person’s opinion (HiPPO) – ухваленню рішень на основі думки керівництва. Точніше, на основі інтуїції та досвіду керівника. Підхід HiPPO вважають малоефективним, тому що керівник може помилитися і тоді компанія втратить гроші.
Ще підхід data driven можна протиставити підходу best practices. Це коли рішення ухвалюють на основі загальноприйнятих стандартів галузі. Загальноприйняті стандарти – свого роду дані, але ними не можна керуватися постійно: те, що працює в середньому по галузі, може не спрацювати в окремій компанії.
Data-driven-підхід ефективніший, ніж підходи HiPPO і best practices. Він мінімізує ризик помилок – керівники приймають правильні рішення на основі даних і статистики, і це дає змогу компанії отримувати більший прибуток.
Використання data-driven-підходу
Традиційно data-driven-підхід впроваджують у діджитал-компаніях. Але його можуть використовувати і в будь-яких інших галузях, тому що дані є скрізь. Можна сказати, що data driven універсальний, проте застосовують його по-різному. Розберемо, як трансформується похід у компаніях різного розміру і про які сфери роботи можна збирати дані.
Спочатку наведу приклад, який показує універсальність підходу. Серед наших клієнтів була компанія, яка вирощує овочі в теплицях. Ми підключалися до їхньої телеметрії та збирали дані про вологість і температуру повітря в базу даних, робили для них датасети та дашборди. Компанія використовувала ці дані, щоб керувати врожайністю.
Від розміру компанії залежить, як глибоко впроваджують data driven. З нашого досвіду, великі компанії працюють з даними краще за всіх. У них частіше збирають дані про всі напрямки діяльності та використовують їх для ухвалення рішень на всіх рівнях. Тобто дані використовують топ-менеджери, керівники середньої ланки і рядові співробітники.
У малому і середньому бізнесі ситуації різні. Ми зустрічаємо компанії, в яких використовують аналітику, але несистемно. У них може не бути відділу аналітики і фахівців-аналітиків, а за роботу з даними відповідає одна людина – наприклад, менеджер продукту. Є й компанії, в яких взагалі не замислюються про data driven.
В Україні багато хто розуміє важливість аналітики і використовує дані, але рівень роботи з даними в різних компаніях неоднаковий. У всьому світі ситуація така сама. Автори щорічного дослідження Analytics Impact Index виділяють чотири рівні розвитку аналітики в компаніях: ті, що відстають, наслідувачі, дослідники та лідери. Лідерів найменше, а найбільша група – це дослідники.
Найочевидніші сфери роботи компанії, про які можна збирати дані, – маркетинг і продуктовий менеджмент. Найчастіше компанії збирають дані саме про маркетинг і про те, як користувачі взаємодіють із продуктом.
В інших сферах роботи компанії теж багато даних. Наприклад, у фінансовому департаменті за допомогою аналітики можна поліпшити планування і контроль, підвищити точність звітності, автоматизувати процеси. В юридичному департаменті можна оптимізувати процеси – наприклад, з’ясувати, чому затягується узгодження документів, або зробити аналіз наявної судової практики, щоб зрозуміти, що впливає на результат справи.
Принципи data-driven-підходу
Загальноприйнятих стандартів у data-driven-підходу немає. У кожної компанії свої завдання і набори даних, тому принципи роботи з ними різні. Але я рекомендую дотримуватися двох принципів.
Перший принцип – дані мають бути якісними. Інакше зникає сенс використання data-driven-підходу.
Що таке якісні дані? Це дані, які зібрані коректно, у повному обсязі та без помилок. Коректний збір має на увазі, що дані збирають за загальним правилом і одноманітно. Так вони відображають об’єктивну картину. Детальніше про те, як організувати збір якісних даних, поговоримо нижче.
Другий принцип – постійна робота з гіпотезами. Гіпотези – припущення про те, що потрібно змінити, щоб поліпшити результат.
Data-driven-підхід працює тоді, коли в компанії постійно висувають і тестують гіпотези: шукають, що можна поліпшити, і роблять це, спираючись на результати аналізу. Компанії, де так роблять, як правило, зростають удвічі швидше, ніж компанії, де такої практики немає.
Метрики для ухвалення рішень
Кожна компанія визначає свій набір метрик залежно від того, чим вона займається, які дані збирає і які в неї завдання. Цей набір називається картою метрик.
До карти метрик включають найважливіші для компанії показники. Розглянемо їх на прикладі інтернет-магазину. Ось які показники можна відстежувати:
- Прибуток. Це найважливіший показник роботи інтернет-магазину.
- Доходи і витрати. Вони впливають на прибуток. Щоб отримувати більший прибуток, потрібно або збільшити доходи, або скоротити витрати.
- Кількість замовлень і середній чек. Ці показники впливають на доходи. Якщо збільшити кількість замовлень або середній чек, дохід зросте.
- Кількість покупців і кількість замовлень на одного покупця. Від них залежить загальна кількість замовлень. Щоб продавати більше, інтернет-магазин може залучити більше покупців або працювати з лояльністю, щоб люди частіше в нього поверталися.
- Конверсія і кількість відвідувачів. Від цих показників залежить кількість покупців. Воно зросте і якщо збільшити конверсію, і якщо залучити на сайт більше трафіку.
Виходить своєрідна піраміда, в якій всі показники взаємопов’язані і впливають на головну метрику – прибуток. З такою пірамідою зручно працювати.
Метрик не має бути занадто багато, інакше буде складно сфокусуватися на дійсно важливих показниках. У карту метрик краще включати тільки метрики, які впливають на фінансовий стан бізнесу.
Інструменти data-driven-підходу
Інструменти, які потрібні для аналізу даних, можна умовно поділити на три категорії: системи для зберігання даних, системи аналізу та системи для комунікації.
До систем для зберігання даних належать, наприклад, CRM-системи, які зберігають дані про користувачів, та програми про бухгалтерський і податковий облік.
Системи аналізу дають змогу працювати з даними: будувати звіти та вивчати їх, щоб робити висновки. Системою аналізу може бути, наприклад, база даних, керована мовами програмування R, Python або SQL.
Системи для комунікації – сервіси та інструменти, за допомогою яких можна обмінюватися даними. Обмін – це і складання звітності для керівництва, і крос-командне спілкування, коли один відділ ділиться висновками з усіма підрозділами.
Системи комунікації можуть бути вбудовані в системи аналізу. Наприклад, у системі продуктової аналітики Amplitude є інструменти для обміну інформацією. Також для комунікації використовують сервіси на кшталт PowerPoint і «Google Презентацій», BI-системи з дашбордами.
Впровадження data-driven-підходу
Для якісної роботи з даними важливо визначити методологію і призначити відповідальних.
Методологія – система принципів і методів роботи з даними. Якщо простими словами, це правила, за якими збирають, обробляють і аналізують дані. Якщо правил немає, великий шанс того, що data driven у компанії не працюватиме.
Припустимо, компанія вирішує впровадити веб-аналітику. Відповідальний фахівець налаштував події, які потрібно відстежувати. Через півроку на сайті з’явилися нові сторінки, і потрібно налаштувати події для них. Але правил аналітики немає, тому події налаштували не за тією схемою, яку використовували раніше, а за іншою. У підсумку вийшла каша з даних, у якій складно розібратися.
Відповідальний за data-driven потрібен, щоб контролювати впровадження підходу. Відповідальний розробляє методологію, керує впровадженням аналітики і курирує процеси: стежить, щоб дані збирали за правилами, не було дублікатів і помилок.
Відповідальним за data-driven-підхід може бути один фахівець або ціла команда. Не обов’язково наймати людину зі сторони – цю роль можуть виконувати аналітики, які вже працюють у компанії.
Крім методології та відповідального, для впровадження data-driven-підходу знадобляться інструменти збору, зберігання та аналізу даних. Наприклад, якщо в компанії немає CRM-системи та ERP-системи, їх потрібно буде впровадити.
Недоліки data-driven-підходу
У data driven два недоліки: використовувати підхід дорого, а працювати з даними непросто.
Аналітика обходиться дорого, тому що на неї потрібно багато ресурсів. Якщо компанія хоче використовувати інхаус-аналітику, вона витратить гроші на створення інфраструктури: розробку, підтримку, налаштування системи і закупівлю додаткових серверів.
Якщо компанія хоче використовувати стороннє рішення, за нього теж, найімовірніше, доведеться платити. У безкоштовних сервісах є обмеження, які роблять роботу з даними незручною.
Крім того, ресурси підуть на навчання співробітників, зміну бізнес-процесів, наймання людей, які працюватимуть із системами аналітики і робитимуть висновки.
Працювати з даними непросто. Вони можуть бути некоректними або неповними через неправильне впровадження аналітики. Або їх можна неправильно витлумачити:
- не врахувати контекст – наприклад, обставини на кшталт пандемії коронавірусу;
- надмірно узагальнити – наприклад, порахувати, що, якщо більшості користувачів подобається стандартна версія продукту, її можна пропонувати всім сегментам цільової аудиторії.
Можна сказати, що ці недоліки малозначні. Data-driven-підхід може багаторазово окупити витрати на впровадження і принести велику користь бізнесу.
Data-driven-підхід у чотирьох пунктах
- Data driven – це підхід, за якого рішення приймають, спираючись на дані. Можна сказати, що його використовують усі компанії, які працюють із даними, але «рівень» цієї роботи різниться.
- Щоб робота з даними впливала на прибуток, дані мають бути якісними, а в компанії мають постійно тестувати гіпотези.
- У data driven використовують різні інструменти – системи зберігання даних, системи аналізу даних і системи для комунікації. Наприклад, Google Analytics – це одночасно і системи зберігання, і системи аналізу.
- Щоб впровадити data driven, потрібні інструменти, методологія та відповідальні. Методологія – набір правил, за якими компанія працюватиме з даними. Відповідальний – людина, яка стежитиме за дотриманням цих правил.
Висновок
Data driven підхід не зводиться до голих цифр. Це спосіб бачити речі такими, якими вони є. Коли рішення спираються не на здогадки, а на факти. Це вміння ставити точні запитання, помічати закономірності і діяти усвідомлено. Дані не вирішують усе самі, але вони дають ясність, з якої починається сильне рішення.
