Data-driven Decision Making или управление на основе данных

Data-driven Decision Making или управление на основе данных

Чтобы бизнес жил, нужно каждый день принимать решения: кого нанять, кого уволить, какую рекламу купить и что сделать, чтобы клиенты вернулись хотя бы еще раз. Data-driven (дословно — «управляемый данными») — это подход к управлению, основанный на данных. Его главный постулат: решения нужно принимать, опираясь на анализ цифр, а не интуицию и личный опыт.

Термин data-driven появился на стыке девяностых и двухтысячных. Именно тогда бизнес-среда стала говорить о новом подходе, который позволял принимать решения на основе собранных данных.

Казалось бы, все серьезные решения и так принимаются на основе каких-то данных, зачем придумать новый термин. Но основная идея подхода data-driven заключается именно в понимании того, как каждое конкретное решение влияет на конечную цель компании.

Для внедрения культуры принятия решений, основанных на данных, руководителю и всей команде необходимо пройти определенные шаги и разобрать важные вопросы.

  1. Определите, что вы хотите получить в результате работы с данными

Чтобы получить максимальный результат при принятии решений на основе данных, важно определиться с целью до начала сбора информации. Многие разочаровываются в метриках, потому что в основу стратегии сбора данных ставят хайп и модные КПЭ, а не реальные потребности бизнеса. Начните с четкого ответа на вопрос «Для принятия какого решения мне нужны данные?».

  1. Четко опишите свои бизнес-данные и аналитическую стратегию
  • Что собираем?
  • Где и сколько храним?
  • Сколько это стоит?
  • Как интерпретируем и анализируем данные?
  • Кто отвечает за сбор и анализ данных?
  • Какой результат ожидаем получить?
  • Как визуализируем результаты анализа?

Отсутствие четкой стратегии и плана по сбору данных приводит к получению непригодной для анализа и принятия решений информации.

  1. Оцените стоимость информационно-технической экосистемы

Сейчас всю обработку данных можно доверить облакам, так вам не нужно будет капитально вкладываться в оборудование, которое может устареть быстрее, чем трансформируется культура компании.

  1. Сделайте сбор и анализ данных неотъемлемой частью рабочего процесса

Собирать правильные данные также важно, как и задавать правильные вопросы. Особенно, если вы владелец малого бизнеса или стартапа.

Джек Дорси, основатель Twitter, рассказал о своем опыте: «Первые два года жизни Twitter мы работали вслепую. Все наши решения были основаны на интуиции, а не на балансе интуиции и анализе данных. Поэтому создание Square я начал с дашборда. Мы очень дисциплинированы, собираем и анализируем все доступные нам данные ».

  1. Определите перечень вопросов, на которые вы хотите найти ответ

После определения стратегии и целей, сконцентрируйтесь на составлении перечня вопросов, на которые вы хотите найти ответ. Очень важно формулировать правильные вопросы, которые помогут сосредоточиться на сборе нужных данных, экономя время и деньги. Примеры правильных вопросов, которые уберегут вас от сбора данных «на всякий случай» и помогут перейти к «сбору данных для ответа на конкретный вопрос» вы сможете найти в нашей следующей статье.

  1. Подтверждайте, актуализируйте и пересматривайте стратегию

Наш мозг спешит с выводами и не хочет рассматривать альтернативы. Нам достаточно сложно менять свою точку зрения. Чтобы сделать процесс принятия решений наиболее эффективным, не бойтесь проверять актуальность собираемых данных. Задавайте себе вопросы: «Данные, которые я собираю помогают продвигаться к цели? Они отвечают на мои вопросы? Приносят результат?» Если нет, пересматривайте свою аналитическую стратегию.

  1. Правильно визуализируйте результаты сбора и анализа данных

Уметь находить нужные данные и генерировать идеи – это хорошо. Но! Особенно важно уметь доступно и наглядно представлять полученные результаты. Вы должны убедиться, что ваша проницательность не останется незамеченной, а инсайты будут использованы для принятия решений в будущем. В следующих постах мы покажем лучшие способы визуализации различных данных.