Datenanalyse ist eine Reise, kein Ziel

Business-Analyse-Tools werden immer ausgefeilter. Dennoch nutzen wir laut Forbes nur 0,5 % der uns zur Verfügung stehenden Geschäftsdaten. Das entspricht Zahlen zwischen 1 und 12 Millionen Gigabyte an zugänglichen Daten, die jedes Jahr exponentiell wachsen. Die Zusammenführung Ihrer isolierten Daten und anderer wichtiger Maßnahmen erfordert Strategie und die richtigen Tools. Es ist ein Weg zur Analytik, der für jedes Unternehmen wichtig ist.

Warum nutzen wir nicht mehr Daten, die uns zur Verfügung stehen?

• Isolierte Daten: Es kann äußerst schwierig sein, Datenquellen zu aggregieren. Verkaufsdaten, Kompetenzzertifizierung, Umsatzziele, Partnerreife – jede dieser wichtigen Kennzahlen wird typischerweise in unterschiedlichen Datenbanken innerhalb und außerhalb des Unternehmens gespeichert.

• Nichterfüllung von Integritätsstandards: Bestimmte Standards sind erforderlich, um zuverlässige Maßnahmen zu generieren, darunter Datenalterung, Quellenintegrität und Änderungsberechtigung. Ein guter Kanaldatenmanagement- und Governance-Plan ist ein Muss.

• Bedenken hinsichtlich des Datenschutzes: Einige Datenschutzbestimmungen wie die DSGVO schränken die Möglichkeit ein, Leads Marketinginitiativen zuzuordnen.

• Schwierige Verkaufszyklen und -einflüsse: Die Attribution kann eine Herausforderung sein, insbesondere bei komplexen, hochwertigen Verkäufen, die Vertriebs- und Marketinginitiativen sowie Entscheidungsbeeinflusser umfassen.

Lassen Sie diesen Teil der Übung nicht zu kurz kommen

Wir stellen fest, dass 60 % des analytischen Aufwands typischerweise dem Datenmanagement selbst gewidmet sind. Wenn Sie oder Ihre Zielgruppe den in die Analyse einfließenden Daten nicht vertrauen, wird auch das Ergebnis der Analyse nicht vertrauenswürdig sein.

Es gibt drei Grundpfeiler, die eine starke Analyse ausmachen:

1. Betriebsmetriken: Hierbei handelt es sich um Messungen der Workflow-Effizienz, die zu bestimmten Zeitpunkten durchgeführt werden und dazu dienen, die Geschwindigkeit zu messen, mit der Transaktionen ihren Workflow durchlaufen. Sie wirken sich auf die Kostenbasis und die Zufriedenheit aus.
2. Programmleistung: Dies informiert über Programmaktivitäten und -trends. Die Metriken werden verwendet, um Programmregeln zu verfeinern, Schulungsbedarf zu identifizieren und Problemstellen zu beheben. Sie wirken sich auf Zufriedenheit und Umsatz aus.
3. Investitionsanalyse: Komplexe Algorithmen und Vorhersagemodelle, die Marktdaten, Produktlebenszyklus, Segmentierung, prädiktive Analysen und maschinelles Lernen nutzen, werden genutzt. Dies ist der Punkt, an dem Datenwissenschaftler eingesetzt werden sollten, da die Analyse zu Erkenntnissen führt, die mit Tabellenkalkulationen einfach nicht gewonnen werden können. Auswirkungen auf Umsatz, Marge und Wachstum.

Es ist auch wichtig, an die Zielgruppe zu denken, die die Analyse benötigt. Verwenden Sie visuelle Darstellungen für eine Interpretation auf einen Blick und stimmen Sie die visuellen Darstellungen auf die Analyse ab. (Um mehr zu diesem Thema zu erfahren, sollten Sie in einen Kurs oder ein Buch von Edward Tufte investieren.)

Wenn Sie bedenken, dass die Datenanalyse eine Reise und kein Ziel ist, sollten Sie darauf vorbereitet sein, die „Na und?“-Metriken zu verlassen. Alternativ können Sie nützliche Metriken verfeinern und neue Theorien, Datensätze und Korrelationen erkunden.