Хорошая аналитика — это не набор данных 🧠
Периодически вижу обзоры про ботов, которые «сами всё посчитают»: подключаешь нейронку, и она строит тебе аналитику. Звучит логично, нейронки реально неплохо считают статистику и тянут большие объёмы данных.
Но вот что забавно: кейсов с по-настоящему хорошей аналитикой я почти не вижу.
Почему так?
Потому что хорошую аналитику вообще мало кто умеет делать. И первая причина в том, что аналитику часто путают со сбором данных.
«Мы собрали кучу классных данных. Вот такой срез есть, и такой, всё можно посмотреть». На деле это чаще вредно, чем полезно. Ресурсы потрачены, а толку ноль.
Цель аналитики всегда одна — принятие решений. Если на основе цифр не родилось ни одного решения, значит что-то пошло не так. Результат аналитической работы это решения. Всё остальное просто сбор данных. Для меня это разные вещи.
Почему всё упирается в сравнение
Чтобы принять решение, почти всегда нужно что-то с чем-то сравнить. Сама по себе цифра — просто факт, на её основе вывод не сделаешь. Выросло, упало, нормально это или плохо — понятно только в сравнении. Поэтому меня почти всегда интересует динамика. А в том, как именно мы сравниваем, и прячется самое интересное.
Пример: сравнение год к году
Самый частый способ — сравнить этот год с прошлым. Так чаще всего и оценивают динамику компании: развивается она сейчас или падает. Недавно видел такой опрос: как у вас прошли первые четыре месяца, приросли или просели?
Цель понятная — понять, идёт этот год лучше или хуже прошлого. А вот вывод может быть очень рискованным.
Покажу на нашей компании
Если сравнить год к году, у нас заметная просадка по выручке. Прошлый первый квартал по выручке был хороший, а этот заметно ниже. Кажется, что дела идут так себе.
Но если смотреть помесячно за последние полтора года, картина другая. Прошлый год начинался хорошо. Потом летом по нам начал сказываться кризис, и продажи постепенно поползли вниз. Худшим был четвёртый квартал. А в этом году каждый месяц идёт чуть лучше предыдущего. Выручка понемногу, но растёт.
То есть на самом деле мы прошли кризис и медленно выходим в рост. А сравнение год к году рисует обратное: будто мы сейчас в яме.
Один и тот же набор данных. Два противоположных вывода. Разница только в контексте.
И вот где спотыкаются нейронки
Посчитать и сравнить они могут быстро. А понять контекст компании пока не вывозят: что стоит за цифрами, какой период с чем корректно сравнивать, что вообще происходило с бизнесом.
Этот контекст тяжело оцифровать и передать. Его нужно накапливать постепенно: знания о компании, история, что и почему менялось. Я сейчас как раз собираю такие данные по агентству, чтобы потом строить на них настоящую аналитику, а не красивые срезы.
· 11 ч
Абсолютно верно. Добавлю от себя - чтобы обрабатывать какие то данные - нужно прежде всего понимать для чего ты это делаешь, что можно увидеть из этого. Например, сравнение периода покажет только цифры изменения - а вот, чтобы понять причины нужно анализировать глубже и много других параметров сравнивать, выявлять зависимости, пытаться определить факторы влияния и пр... а вот здесь то нужна голова и опыт.
ответить
коммент удалён
· 11 ч
Всячески плюсую. Для себя понял, что важно не просто понять что можно увидеть. А понять какие решения хочешь принять. Тогда становиться понятно какие данные тебе нужны и в каких срезах.
Я сам любою покопаться в цифрах. Но когда ты пару часов ковыряешься в данных, вылазишь довольный, но без конкретных решений... Со временем это стало очень расстраивать.
ответить
ответ удалён
· 10 ч
Ну тут с какой стороны посмотреть - иногда, чтобы принять решение как раз таки нужно перелопатить кучу всего, чтобы понять в чем причина и что влияет. Касаеммо решений - согласен, не всегда получается докопаться - но это опять же опыт и понимание, того что у тебя все работает - значит 2 варианта: 1. Неучтённый фактор внутри - ищем зависимость дальше 2. Внешний фактор - тут всё сложнее ибо данных для детального анализа напорядок меньше.
Опять же - даже если ты не выявил внутренние факторы - ты получаешь опыт и базу для будущих решений - например себес и цена выросли - продажи остались на уровне - продукт востребован - люди готовы его покупать, себес снизился - продажи сохранились - технолог отработал на 5, изменив рецептуру без ущерба качества, либо запас по качеству напорядок выше конкурентов и т.д. это всё остается в голове и в дальнейшем можно использовать в других ситуациях - при повышении цен, при создании нового продукта и т.д.
ответить
ответ удалён