Когда специалисту нужно принять решение, он может положиться на знания и опыт. Но это не самый надежный вариант. Безопаснее подкреплять интуицию фактами и аналитикой. С таким подходом больше шансов, что выбор окажется правильным.
В статье рассказываем, что такое концепция data-driven, как она работает и в каких сферах опираются на данные, когда принимают бизнес-решения.
Что такое data-driven подход
Data-driven approach — это подход к принятию решений, при котором бизнес опирается на аналитику.
Широкое название метода — Data Driven Decision Making (DDDM), дословно — «принятие решений на основе данных». В рамках этого подхода предприниматели, специалисты и целые команды формируют план действий на основе фактов и закономерностей.
Data-driven часто сравнивают с HiPPO или Highest Paid Person's Opinion. В переводе «мнение самого высокооплачиваемого сотрудника». HiPPO компании опираются на интуицию, личный опыт и интересы старших руководителей.
Data-driven также сравнивают с best practices. В этом подходе решения принимают на основе методов и практик, которые хорошо показали себя на рынке. Это тоже данные, но на них не всегда можно положиться. То, что подходит одному бизнесу, может не сработать в другом.
Сравнили три подхода в таблице.
| HiPPO | Best practices | Data-driven | |
| На чем основаны решения | Мнение руководства | Опыт предыдущих решений | Статистика, аналитика, точные данные |
| Степень объективности | Низкая | Средняя | Высокая |
| Риски | Высокие. Человек может сделать ошибку | Средние. Может сработать, а может не подойти | Низкие. Цифры показывают, к какому результату приведет решение |
| Скорость принятия решений | Быстрая. Но решения могут быть неэффективными | Средняя. Требует анализа существующих практик | Разная. Зависит от качества и объема данных |
Где принимают решения на основе данныхм
Data-driven подходит любым компаниям. Крупные цифровые организации собирают команды аналитиков и обрабатывают большие объемы информации. Малый и средний бизнес в основном собирает результаты рекламных кампаний. За это, как правило, отвечает один человек — продакт-менеджер или маркетолог.
Вот в каких областях чаще всего применяют аналитику.
В маркетинге. Специалисты изучают, какие продукты и предложения интересуют аудиторию и как люди откликаются на рекламу. С помощью этой информации запускают маркетинговые кампании, которые приносят больше продаж.
В управлении командами. На основе данных о том, как работают специалисты, руководители находят слабые стороны сотрудников и составляют планы по развитию навыков.
В продуктовом дизайне. Специалисты оценивают, как пользователи ведут себя на сайте или в мобильном приложении. Затем делают выводы, удобен ли интерфейс и что можно улучшить.
В клиентском сервисе. Бизнес изучает отзывы, находит проблемы и улучшает качество поддержки.
В логистике. Данные о трафике, погоде и поведении водителей помогают выстраивать маршруты, сокращать время на доставку и расходы на топливо.
В продажах. Собирают информацию о клиентах: как они себя ведут, как выбирают продукты и что именно покупают. Делают вывод о целевой аудитории и улучшают предложение, чтобы оно лучше попадало в потребности людей.
Чтобы хранить данные о клиентах и управлять продажами, бизнес использует CRM. Система собирает информацию в одном месте, показывает, на каком этапе находится каждая сделка, и оценивает работу менеджеров. Попробуйте профессиональную CRM Битрикс24. Это бесплатно.
Как метод работает на практике
Дата-дривен подход подсказывает, какое решение подойдет конкретному бизнесу. Вот как это работает на практике.
В 2013 году стриминговый сервис выпустил первый сериал собственного производства — «Карточный домик». Netflix сделал его на основе данных: изучил информацию о том, что смотрят его пользователи.
Компания выяснила, что людям нравится первая британская версия «Карточного домика». Затем определил, что подписчики любят режиссера Дэвида Финчера. И узнал, что потребителям нравится актер Кевин Спейси.
Руководители стриминга сложили эти факты и пригласили Финчера и Спейси в шоу. В результате получили проект с рейтингом 8,7 из 10 на IMDb. После выхода фильма на Netflix подписались три миллиона новых пользователей.
Компания Coca-Cola выпускает разные вкусы традиционных напитков. Например, в линейке Fanta есть газировки со вкусом клубники. Чтобы решить, какую вариацию выпустить, бренд собрал информацию.
Поставил по всей территории США автоматы: в них можно было налить газировку и добавить любой сироп. Все машины собирали данные о том, какое сочетание вкусов чаще всего выбирают люди.
Компания изучила данные и выпустила Sprite Cherry — спрайт с добавлением вишни.
В 2022 году сеть «Пятерочка» решила закрепить восприятие бренда как места с низкими ценами.
Компания изучила чеки покупателей и выделила привычки потребителей. По ним разделила всех пользователей на семь групп. Для рекламной кампании в интернете «Пятерочка» выбрала сегмент «Экономная молодежь».
Оказалось, что эта группа часто покупает безалкогольные напитки. Тогда «Пятерочка» начала рекламировать в интернете лимонады и рассказывать про скидки на газировку.
Результаты: покупатели, которые видели рекламу, стали чаще покупать в магазине. Количество чеков выросло на 1,75%, а средняя сумма продажи — на 1,22%.
В чем недостатки data-driven подхода
❌ На обработку данных нужны деньги. Большие, если бизнесу придется создавать собственную инфраструктуру: закупать серверы, арендовать или покупать пространство для их хранения. За облачные решения тоже нужно платить, но меньше. В любом случае будут затраты на оплату аналитических сервисов и труда специалистов по работе с информацией.
❌ Анализ занимает время. Некоторые компании сталкиваются с «параличом анализа» — когда данные изучают долго и решения приходится откладывать. Это замедляет процессы
❌ Принимает решения все равно человек. Data-driven подход снижает вероятность ошибки. Однако не устраняет человеческий фактор полностью. Например, разные аналитики могут прийти к разным выводам на основе одной и той же информации. Руководителю придется принимать решение, какой результат заслуживает доверия.
Каким принципам следуют data-driven компании
Рассказываем про три принципа для принятия решений на основе данных. А также про шесть компонентов, по которым можно узнать компанию, которая развивается с помощью аналитики.
Три принципа, на которые опираются data-driven организации.
- Все данные должны быть высокого качества. Не так важно, сколько у компании информации. Главное, насколько она точна и достоверна. Важно проверять, откуда приходят цифры и действительно ли отражают факты.
- В команде должна быть data-driven культура. Принципиально, чтобы все сотрудники выполняли задачи с опорой на цифры. Или собирали данные, если нужной информации нет.
- Бизнес должен регулярно проверять идеи. Data-driven подход работает, когда в организации постоянно выдвигают и тестируют гипотезы. Поэтому формулируйте предположения на основе данных и проверяйте их. Это позволит узнать, что работает, а что — нет.
Шесть компонентов, по которым можно узнать data-driven компанию. Схему придумал Уэйн Экерсон, основатель консалтинговой фирмы Eckerson Group.
- Данные. Это про сбор, хранение и управление информацией. Например, у data-driven компании есть достоверная статистика по объемам продаж за последние три года. Бизнес смотрит цифры в аналитическом сервисе, который специалисты подстроили под себя.
- Люди. В командах data-driven организаций есть отдельные специалисты по работе с данными. Аналитики составляют отчеты и объясняют цифры бизнесу.
- Структура организации. Аналитики в data-driven компании работают в связке с другими отделами. Они не «сидят» внутри своего отдела, а участвуют в разных процессах. Например, помогают маркетологам оценивать результаты рекламы.
- Система принятия решений. В data-driven компании выбирают конкретную стратегию не потому, что «всегда так делали». В первую очередь смотрят на данные.
- «Лидеры данных». Это люди, которые продвигают и защищают идею развития на основе информации. Таким специалистом может быть руководитель отдела аналитики. Иногда в data-driven компаниях есть роль CDO, Chief Data Officer.
- Культура в компании. В data-driven организации сотрудники понимают значимость работы с аналитикой. Они делают выводы на основе данных, предлагают идеи, проверяют гипотезы. Бизнес открыт к экспериментам.
Какие инструменты нужны для работы с данными
Data-driven компании используют аналитические сервисы, программы для хранения и визуализации информации. Инструменты разделяют на три категории в зависимости от их задач.
- Сбор и хранение. Любая компания использует базу данных. В одной это могут быть рукописные отчеты и таблицы Excel, в другой — инструменты сквозной аналитики: счетчики «Яндекс Метрики» и BI-системы. Их задача — собирать большие объемы информации, хранить ее и быстро извлекать.
- Анализ. Эти инструменты обрабатывают данные, строят отчеты и на их основе делают выводы. Система для анализа может быть одновременно инструментом для сбора и хранения информации. Например, BI-сервисы сохраняют в памяти действия клиентов и предлагают отчеты по их количеству.
- Визуализация. После обработки данных нужно представить результаты в понятной и наглядной форме.
FAQ
Концепция принятия решений, когда бизнес судит по цифрам, а не по опыту и интуиции руководителей. Специалисты собирают и изучают информацию. Только потом делают выбор и разрабатывают стратегии.
Он помогает принимать обоснованные и объективные решения. Например, когда компании подтверждают свои гипотезы точными данными, они могут создавать предложения под конкретные запросы клиентов. И за счет этого обгонять конкурентов и увеличивать прибыль.
Что в итоге
- Data-driven подход — система, когда специалисты принимают решения и разрабатывают стратегии на основе статистики и цифры. Опираются на данные, а не интуицию и личные предпочтения.
- Концепция показывает бизнесу точки роста, популярные функции и товары, помогает прогнозировать спрос.
- Data-driven подход используют и крупные, и небольшие компании практически во всех отраслях. Чаще всего data-driven подход используют в маркетинге, продажах, клиентском сервисе и управлении сотрудниками.
- Чтобы успешно использовать data-driven, нужны три ингредиента: качественные данные, опора на цифры при решении задач, регулярное тестирование гипотез.
- Для работы с данными профессионалы применяют специальные сервисы и инструменты: системы для сбора и хранения, анализа и визуализации данных.
