Data-driven подход: как принимать решения на основании данных

Data-driven

С помощью данных можно не только оценить эффективность бизнеса, но и выстроить стратегию его развития. Впервые о data-driven заговорили в конце 1990-х гг., а сегодня этот подход активно используют руководители, менеджеры, маркетологи и дизайнеры.

Рассказываем, зачем нужен data-driven и как правильно принимать решения на основе данных.

Содержание статьи
  1. Что такое data-driven
  2. Принципы data-driven подхода
  3. Data-driven в менеджменте
  4. Data-driven в дизайне
  5. Data-driven в маркетинге
  6. Метрики data-driven
  7. Инструменты анализа и визуализации
  8. Как начать работать на основе данных

Что такое data-driven

Data-driven (англ. «управляемый данными») – это подход к управлению, который основывается на собираемых данных. Только они имеют значение, когда принимается то или иное решение для бизнеса. Но цифры сами по себе остаются цифрами. Data-ориентированную компанию отличает умение её сотрудников анализировать данные, учитывая рыночный контекст.

Конечно, data-driven не звучит как нечто новое – владельцы бизнеса и раньше формировали стратегию управления, имея данные о доходах и расходах. При этом решения во многом принимались с опорой на интуицию и экспертный опыт. Такой подход имеет свои плюсы: там, где компьютеру требуется много времени для сбора и обработки данных, специалист может быстро оценить ситуацию и сделать выводы. Но подобные бизнес-решения субъективны и не всегда отвечают реалиям рынка.

Data-driven подход идёт другим путём – ставит во главе угла анализ данных. А они всегда объективны. Если собранная информация корректна и представлена в необходимом объёме, на её основании можно принять решение, которое с большой вероятностью принесёт бизнесу прибыль.

Принципы data-driven подхода

Стратегия управления данными опирается на следующие принципы:

  • готовность потратить ресурсы

Собираемые данные необходимо где-то хранить, затем анализировать и представлять в виде графиков и схем. Это требует вложения денег, времени и внимания специалистов.

  • умение проводить анализ и истолковывать данные

Чтобы информация не оставалась цифрами на экране, её необходимо интерпретировать. В этом помогут знания и опыт.

  • готовность доверять данным и принимать решения на их основе

Следование data-driven подходу не даёт гарантий, что бизнес вырастет, клиенты придут, а доходы увеличатся. Но владение точными данными значительно повышает шанс обойти конкурентов.

Data-driven в менеджменте

Data driven management позволяет эксперту быть более гибким в принимаемых решениях. Объективные данные могут подсказать, что предпочитает целевая аудитория, как понизить стоимость привлечения клиентов, где искать новых, как выстроить с ними общение, повысить лояльность и т.д.

Данные можно отслеживать в реальном времени и благодаря этому быстро реагировать на позитивные и негативные изменения рынка. Как правило, о data driven management говорят применительно к крупным брендам, таким как Amazon, Google, Intel, Walmart, а в России – МТС, Бургер Кинг. Но средний бизнес также может перенять этот подход, просто использовать его в других масштабах.

Data-driven в дизайне

Data driven design обращается к данным, чтобы создавать продукт, который отвечает запросам аудитории и одновременно приносит деньги компании.

Раньше дизайнер мог руководствоваться только интуицией и опытом при работе над визуалом. Сейчас ему приходится следить за трендами и постоянно анализировать реакцию целевой аудитории продукта. Например, после запуска новой страницы сайта тепловая карта показывает, что пользователи не останавливают внимание на форме захвата, из-за чего падает конверсия. Зная это, дизайнер может исправить проблему: сделать форму другого цвета, изменить её размеры, перенести в другое место на странице, поменять шрифт или даже сам текст.

Data driven design экономит время как заказчику, так и дизайнеру. Решения принимаются обоснованно, количество правок снижается. Выгодно это и компании, ведь результаты достигаются быстрее и легче интерпретируются.

Data-driven в маркетинге

Знание актуальных данных о пользователях повышает эффективность рекламных кампаний, помогает создавать более персонализированные предложения и предсказывать поведение клиентов.

Из-за быстрого ритма жизни и переполненности информационного поля завладеть вниманием людей становится всё сложнее. Мало понимать, чего хочет целевая аудитория и предлагать ей такую рекламу. Маркетолог должен видеть, откуда идёт трафик и какие каналы наиболее эффективны. Здесь на помощь и приходят данные.

Для data driven marketing собирают информацию о поведении пользователей на сайте и в приложении, их удовлетворенности продуктом и качеством обслуживания. В результате маркетолог понимает, на что направить ресурсы – исправить ошибки или улучшить бизнес-процессы, – и получает данные о будущих клиентах.

Метрики data-driven

Существуют различные метрики, по которым можно оценивать эффективность маркетинга:

  • Cost Per Action (CPA) – цена за целевое действие пользователя на сайте (когда он совершает покупку, оставляет заявку, регистрируется, подписывается на рассылку и т.д.).
  • Conversion Rate (CR) – процентное соотношение числа посетителей сайта, которые совершили целевое действие, к общему числу посетителей сайта.
  • Shopping Cart Abandonment («брошенная корзина») – процент отказа от покупки во время оформления заказа. Метрика позволяет определить, что отпугивает или мешает пользователю и на каком этапе.
  • Lifetime Value (LTV) – пожизненная ценность покупателя. Показывает чистую прибыль, которую получает компания за общее время работы с клиентом.
  • Customer Retention Rate (CRR) – метрика удержания клиентов, которая сообщает, как долго бизнес может сохранять с ними отношения.
  • Churn Rate (CR) – отток клиентов, сигнализирующий о количестве людей, которые прекращают взаимодействовать с компанией по каким-либо причинам.

Список метрик data-driven можно продолжить и дальше. Но владельцу компании или менеджеру важно понимать, какие показатели пригодятся для создания и корректировки именно его бизнес-стратегии.

Инструменты анализа и визуализации

Для работы с большими объёмами данных следует обратиться к специальным системам:

  • Инструменты веб-аналитики, такие как Google Analytics, Google Tag Manager и Яндекс.Метрика, собирают и хранят данные о поведении пользователей на сайтах. Маркетологу остается воспользоваться этими данными, чтобы провести собственный анализ.
  • Инструменты сквозной аналитики, например Roistat, Alytics, CoMagic, Mixpanel, показывают, насколько рекламная компания была эффективна. Они прослеживают пользовательский путь, начиная от просмотра объявления в сети, заканчивая продажей (или повторной продажей) продукта.
  • Технологии Big Data позволяют собирать, сортировать и хранить большие объёмы данных. Вот как этот инструмент МТС Маркетолога помог агрегатору путешествий разработать новую стратегию в условиях пандемии.
  • CRM-система автоматизирует продажи и дает возможность оценить результаты маркетинговой деятельности.
  • Сервисы визуализации данных помогают представить информацию о состоянии бизнеса и успешности рекламных кампаний с помощью дашбордов («приборных панелей»). Среди популярных инструментов – Chart.js, Timeline, ZingChart, Data Studio, Power BI.

Перечисленные системы автоматизируют рутинные процессы. Благодаря этому сэкономленные ресурсы направляются на непосредственный анализ данных и принятие обдуманных бизнес-решений.

Как начать работать на основе данных

Data driven decision making – принятие решений на основе данных – требует определённой технической базы и подготовленности специалистов. Зато в итоге компания получает конкурентное преимущество, сокращает расходы и увеличивает свою прибыль.

Чтобы быть data-driven, следуйте алгоритму действий:

1. Определитесь с источниками данных, которые помогут достигнуть целей.

Например, вы не получаете нужных показателей прибыли, так как мало новых клиентов регистрируются в приложении. При этом вы недавно проводили его редизайн. Значит, вашей целью будет уменьшение оттока клиентов, а для этого нужно понять, на каком этапе регистрации у людей появляются сложности.

2. Наймите специалиста или обучите своего.

Вам понадобится человек, который умеет пользоваться системами сбора данных и понимает, как интерпретировать информацию. Как правило, с этими задачами справляется маркетолог, но в больших компаниях к нему подключается data scientist.

3. Соберите данные на одной платформе.

Работайте со статистикой в одном месте, чтобы не тратить время на переключение между сервисами. Пусть у вас перед глазами будут данные из всех источников: CRM, рекламных аккаунтов, email-рассылок и пр.

4. Сформируйте инфраструктуру, чтобы хранить данные и работать с ними.

Статистика понадобится при создании дашбордов, выборе инструментов для улучшения продукта, проверке гипотез и оценке результатов. При этом нельзя забывать о структурировании, проверке данных на достоверность и их обновлении.

 

Data driven подход помогает своевременно отвечать на вызовы рынка. С ним вы будете принимать решения, опираясь на реальные цифры, и предсказывать результаты с большей точностью в различных сферах бизнеса.

Начните применять data-driven подход уже сейчас. С помощью Big Data МТС вы можете исследовать свою целевую аудиторию среди абонентов МТС и получать обратную связь в формате аналитического отчета с выводами и рекомендациями. Заказать опрос клиентов и узнать подробности о Big Data МТС можно на странице МТС Исследования.

МТС МаркетологТаргетированные SMS-рассылки,
реклама в соцсетях, баннеры,
CPA-реклама и programmatic
О сервисеТаргетированные SMSSMS по своей базе PROТаргетированный обзвонБаннерная рекламаРеклама в соцсетяхProgrammatic-рекламаCPA-рекламаИсследованияRCSБлогСправкаКонтактыРаскрытие информацииДокументы ПАО «МТС»Политика обработки cookiesКомплаенс и деловая этика