Data-Driven подход: как бизнесу работать с данными

Традиционно решения, касающиеся вопросов управления бизнесом, принимались руководящим составом компании исходя из опыта и интуиции, но подобный подход не всегда давал положительные результаты.

С развитием технологий появился новый способ принятия решений, основанных на данных: статистике, определенных метриках и их анализе.

Такой подход более объективен, рассмотрим почему.

Автор — Евгений Фадеев, разработчик платформы CXDP.

Что такое Data-Driven подход

Data-Driven подход (data driven decision making, принятие решений на основе данных) – это метод управления бизнесом, базирующийся на аналитике данных.

Data-Driven появился в противовес методам highest paid person’s opinion (основанный на мнении руководства) и best practices (базирующийся на общепринятых стандартах). В то время, как мнение руководства может быть необъективным и порой неверным, а общепринятые стандарты оказываются хорошей подоплекой не в ста процентах случаев, принятие решений на основе данных помогает свести ошибки к минимуму, так как опирается на конкретные цифры и статистику.

Основные принципы работы бизнеса при Data-Driven подходе

В каждой компании могут быть свои принципы работы с данными, но если смотреть всецело, то можно выделить два основных – это качество и работа с гипотезами.

Качество подразумевает под собой качественный сбор информации, то есть исключение ошибок, по общему правилу и в полном объеме. Работа с гипотезами это постоянное тестирование процессов и поиск новых работающих алгоритмов на основе анализа собранных данных.

При data-driven подходе в маркетинге исследуются определённые метрики. Основные из них:

• Конверсия, или сколько клиентов выполнили целевое действие – покупку, подписку на рассылку или регистрацию.

• Удержание, или показатель количества клиентов, которые вернулись к покупке после первого взаимодействия.

• Отток как противоположность удержанию, или показатель количества переставших использовать продукт в от или иной период. Удержание и отток связаны, так как чтобы успешно выполнить первое, надо понять причины второго.

• Вовлечённость показывает активность взаимодействия с продуктом, например количество сессий; время, проведённое в сервисе; количество действий, выполненных пользователем.

• Индекс потребительской лояльности показывает вероятность рекомендации продукта другим пользователям, этот же индекс помогает понять уровень удовлетворенности клиентов.

Инструменты для Data-Driven подхода

Основными инструментами для анализа и работы с данными являются:

• платформы для хранения данных – например, CRM-системы;
• программы для анализа – платформы, управляемые языками программирования, например, R или Python;
• системы для коммуникации, они же сервисы для обмена информацией – ярким примером могут быть BI-системы с дашбордами.

При этом не обязательно использовать три разных системы, бывает, что одна платформа объединяет в себе две и более функций. Например, всем известные Google Analytics, «Яндекс Метрики» и App Metrica одновременно являются хранилищем данных и анализируют их.

Существуют также более продвинутые системы работы с данными – CDP (c англ. Customer Data Platform). Это программное обеспечение, которое формирует единый цифровой профиль клиента, собирая воедино различные сведения о нем из разных источников в режиме реального времени. В то время как в CRM содержатся данные о непосредственном взаимодействии клиентов с компанией (звонки, транзакции, заявки), CDP, в свою очередь, собирает и объединяет данные из разных систем (CRM-системы, CMS, ERP, мобильного приложения, касс), систематизирует их в цифровой портрет клиента и является основой для автоматизации и персонализации маркетинга.

На этом эволюция не остановилась, и появился подвид CПлюсы и минусы Data-Driven подходаDP-систем со встроенным модулем коммуникации или так называемые CXDP ( c англ. Customer Experience Data Platform). Помимо умения создавать цифровой профиль покупателя, это программное обеспечение может осуществлять персонализированные коммуникации: e-mail, SMS, Push-уведомления, мессенджеры и многое другое.

Плюсы и минусы Data-Driven подхода

Безусловным плюсом Data-Driven подхода является его объективность и повышенная точность, ведь он основан на конкретной статистике конкретной организации. То или иное решение, базирующееся на аналитике данных имеет логическое обоснование, что позволяет оценить существующую производительность и разработать четкий путь к достижению целей.

Из недостатков можно назвать финансовую затратность и сложность в работе. Для осуществления Data-Driven подхода необходимы квалифицированные специалисты, а, значит, дополнительное обучение уже имеющихся сотрудников либо использование решения на аутсорсе. Однако результаты использования data-driven подхода могут принести большую пользу бизнесу, и в этом случае все затраты окупятся многократно.

Также стоит отметить, что Data-driven подход всё же не может полностью заменить опыт. В некоторых ситуациях, например непредвиденных обстоятельствах, мнение опытного руководства может быть намного продуктивнее подхода, основанного на анализе данных.