Часто в начале пути работы с данными ставят нереальные ожидания перед данными — мифические ожидания. Сегодня разберем несколько мифов про принятие решений на основании данных.
Миф 1. Я взгляну на данные и пойму, какое решение стоит принять
Не все так просто. Да, если данные грамотно визуально упакованы, то они действительно помогают быстрее прийти к верному решению. Но только очевидные решения лежат на уровне «взгляну и пойму» — вы такие решения и без данных примете. Джефф Безос и вовсе принял вопреки данным одно из важнейших для Amazon решений, речь кончено про подписку Prime.
Prime — это подписка для покупателей Amazone на скоростную доставку. Платишь определённую сумму в месяц и тебе доставляют любые товары быстро и бесплатно.
Внедрение Prime увеличило средний чек покупателя примерно в 2 раза + конечно, вырос LTV (доход от покупателя за всё его время).
Но в 2005, когда Prime внедряли, ситуация была такая (фрагмент из книги Брэда Стоуна «The Everything Store. Джефф Безос и эра Amazon»): Создание программы подписки на сервис ускоренной доставки Prime было во многих отношениях рискованным предприятием. Компания не имела точного представления о том, как программа повлияет на количество совершаемых покупок или изменит спрос на товары различных категорий.
Если скоростная транспортировка одного заказа стоила компании 8 долларов, и если клиент, подписавшийся на данную услугу, осуществлял 20 заказов ежегодно, это обходилось Amazon в 160 долл. транспортных расходов, что значительно превышало сумму взноса, равную 79 долл.
Услуга дорого обходилась компании, и никакого ясного способа достижения уровня безубыточности здесь не существовало.
«Мы приняли это решение вопреки выводам, полученным при анализе финансовых аспектов, которые подтверждали, что мы сошли с ума, решив бесплатно оказывать услугу двухдневной транспортировки», – говорил Диего Пьячентини (управляющий в Amazone).
Безос, однако, продолжал полагаться на свою интуицию и опыт.
Миф 2. Чем больше срезов данных, тем проще принять решение
Иногда, увлекаясь визуализацией данных, компании создают дашборды с кучей показателей, которые с разных сторон отражают ситуацию. Но этот зоопарк визуализаций никак не помогает ускорить принятие решений, а зачастую, наоборот, приводит к параличу выбора.
Миф 3. Для наиболее эффективных решений нужны большие данные
Если вы еще не анализируете данные компании, то вам не надо дожидаться, пока у вас накопится big data. Представьте себе бесконечных размеров бассейн с черными и белыми шариками. Ваша задача — узнать, какая часть шариков белая. Изначально вы находитесь в состоянии полной неопределенности.
Если вы возьмете 100 случайных шариков и посчитаете долю белых, то вы будете знать ответ с точностью ±90%. Следующие 9000 шариков улучшат вашу точность до 99%. Всего 100 шариков из бесконечности понадобилось для довольно точного ответа.
Миф 4. У меня все ок с данными, осталось только визуализировать
Очень часто у компании данные сырые и анализировать их с ходу не представляется возможным. На этапе внедрения системы анализа данных оказывается, что где-то данные уже укрупнены, где-то, наоборот, в исходнике, где-то подтасованы, где-то отсутствуют. Это все поправимо, но занимает время: данные чистятся, трансформируются, склеиваются и т.п.
Миф 5. Руководители способны договориться, используя данные
Да, если вы договоритесь о терминологии. Очень часто переход к Data Driven подсвечивает, что внутри компании сотрудники по-разному считают одни и те же показатели. Например, продажники объем продаж считают по факту оплаты, бухгалтеры — по факту актирования, а логисты — по факту отгрузки.
Единая культура работы с данными приводит к единому глоссарию, который фиксирует, что и как мы считаем.
В общем, работа с данными редко приводит к мгновенному эффекту.
Но в долгосрочной перспективе переход к Data Driven становится чуть ли не единственным способом понимать, что вообще происходит с бизнесом.
На этом Мифы про принятие решений на основании данных закончены.
Добавить комментарий
Для отправки комментария вам необходимо авторизоваться.