Многие маркетологи допускают ошибки в работе с Big Data, имея неверные представления о работе с данными или используя неподходящие технологии. Зачастую маркетологи не имеют достаточно опыта в аналитике и всецело полагаются на собранные данные и эффективные сервисы аналитики, однако здесь есть свои "подводные камни".
Рассмотрим правила, которых нужно придерживаться, чтобы некорректно интерпретированные данные не привели к ошибочным управленческим решениям.
Правило 1. Проверьте "чистоту" данных
Избегайте неполных и противоречивых данных, чтобы не получить низкокачественную аналитику. Проверьте 5 основных свойств данных - каждое должно быть строго соблюдено. Если хотя бы одно "выпадает" - компания может совершить серьезную ошибку, сделав бесперспективные вложения или выбрав неверную стратегию.
Факторы качества больших данных:
1. Целостность и полнота
2. Согласованность и непротиворечивость
3. Точность
4. Корректность
5. Актуальность
ОШИБКА: Начинать работу с данными без предварительного анализа и обработки.
Правило 2. Приведите всю цепочку данных к единому стандарту
Получать данные только из одного источника было бы опрометчиво, - именно независимость данных и многомерность массива позволяет делать обоснованные выводы. Однако, данные из разных источников зачастую проходят через несколько "рук", прежде чем попасть в руки маркетолога.
Неизбежно возникают противоречия и проблемы с консолидацией.Системы сбора и "очистки" данных должны быть приведены к единому стандарту по всей цепочке получения больших данных.
Как прийти к единому стандарту данных для всех поставщиков информации:
1. Создать регламент по работе с данными для всех участников
2. Автоматизировать внесение данных
3. Донести обязательные стандарты для всех участников
ОШИБКА: Получать все данные из одного первоисточника.
Правило 3. Обучать сотрудников правильно работать с данными и их интерпретировать
Сейчас у многих маркетологов есть сервис аналитики. Однако при отсутствии опыта или знаний информация может быть неверно интепретирована, упущены важные выводы и переоценены второстепенные аспекты, не говоря уже о валидности полученных выводов.
Кроме того, маркетолог может твердо верить в технические возможности аналитики и даже действовать наперекор здравому смыслу - что может дорого обойтись компании. К примеру, сейчас данные опросов и анкетных исследований проверяются с помощью нейромаркетинга (см. наш блог от 07.03.2018).
Неизбежно возникают противоречия и проблемы с консолидацией.Системы сбора и "очистки" данных должны быть приведены к единому стандарту по всей цепочке получения больших данных.
Чтобы быть уверенным в том, что маркетологи принимают только грамотно обоснованные решения, лучше найти опытных профессионалов в штат или пригласить опытных консультантов. В дальнейшем нужно убедиться, что все сотрудники, работающие с Big data, знают важные нюансы по сбору, обработке, интерпретации данных - особенно те сотрудники, которые постоянно работают с big data.
Безусловно, большие данные предоставляют новые инсайты и дают хороший импульс для принятия решений, самые эффективные решения находятся на стыке грамотной аналитики и развитой бизнес-интуиции.
ОШИБКА: Полагаться на сервисы аналитики, упуская человеческий фактор ошибок