แผนงานของคุณในการเปลี่ยนข้อมูลให้เป็นข้อมูลเชิงลึกที่นำไปปฏิบัติได้
เผยแพร่แล้ว: 2022-03-31คุณมีข้อมูลทั้งหมดที่คุณต้องการ และข้อมูลที่จะสนับสนุนข้อมูลนั้น และข้อมูลเพื่อพิสูจน์ความถูกต้องของข้อมูลทั้งหมดของคุณ อย่างไรก็ตาม สิ่งที่คุณมีคือวัตถุดิบในการตัดสินใจทางธุรกิจที่ถูกต้อง
คุณต้องทำให้ข้อมูลมีความหมายด้วยการเปลี่ยนข้อมูลให้เป็นข้อมูลเชิงลึกที่นำไปใช้ได้จริง และด้วยข้อมูลจำนวนมหาศาลที่หลั่งไหลเข้ามาอย่างต่อเนื่อง นั่นจึงไม่ใช่เรื่องง่าย
อ่านเพื่อเรียนรู้ขั้นตอนพื้นฐานและหลักการในการเปลี่ยนข้อมูลให้เป็นข้อมูลเชิงลึก
ข้อมูลและข้อมูลเชิงลึกแตกต่างกันอย่างไร
สำหรับนักวิเคราะห์ ข้อมูลและข้อมูลเชิงลึกอาจเกือบจะเหมือนกัน แต่สำหรับพวกเราที่เหลือซึ่งเป็นเพียงมนุษย์ปุถุชนที่ไม่ได้มองโลกเป็นตัวเลข คุณจะเปลี่ยนข้อมูลให้เป็นข้อมูลและจากตรงนั้นเป็นข้อมูลเชิงลึกที่นำไปปฏิบัติได้อย่างไร ก่อนอื่นเรามานิยามว่าข้อมูลเชิงลึกที่นำไปใช้ได้จริงคืออะไร
ข้อมูลเป็นเพียงส่วนเล็กๆ ของการวัด ในขณะที่ข้อมูลเชิงลึกจะตีความว่าการวัดเหล่านี้บอกอะไรเรา ข้อมูลเชิงลึกที่นำไปปฏิบัติได้ให้ข้อมูลที่ช่วยให้ผู้มีส่วนได้ส่วนเสียเข้าถึงการตัดสินใจทางธุรกิจ
นี่คือตัวอย่างในชีวิตจริง ถ้าคุณมี คุณวัดการเจริญเติบโตของเด็กวัยหัดเดินเป็นประจำ นั่นคือข้อมูลของคุณ จากนั้นคุณจะเปรียบเทียบและคำนวณความแตกต่างระหว่างการวัดก่อนหน้านี้กับการวัดปัจจุบัน ซึ่งเป็นข้อมูลที่คุณดึงมาจากข้อมูล
เมื่อลูกของคุณโตขึ้นทุก ๆ นิ้ว พวกเขาก็โตเร็วกว่าเสื้อผ้าและรองเท้า และคุณต้องเริ่มซื้อไซส์ที่ใหญ่ขึ้น ดังนั้น. หากพวกมันโตขึ้น x นิ้วใน 6 เดือน คุณต้องเปลี่ยนเสื้อผ้าใหม่ทุกๆ ครึ่งปี ตอนนี้คุณมีข้อมูลเชิงลึกที่นำไปปฏิบัติได้แล้ว
กระบวนการพื้นฐานเดียวกันนี้เกิดขึ้นในธุรกิจขนาดใหญ่
คุณจะเปลี่ยนข้อมูลให้เป็นข้อมูลเชิงลึกได้อย่างไร
ตามเนื้อผ้า ทุกหน่วยธุรกิจมีขอบเขตความรับผิดชอบที่ชัดเจน ทีม BI (ข่าวกรองธุรกิจ) และการวิเคราะห์มีหน้าที่รับผิดชอบในการรวบรวมข้อมูลและนำเสนอต่อนักการตลาดและผู้มีส่วนได้ส่วนเสียอื่น ๆ ซึ่งมีหน้าที่ในการตัดสินใจและวางกลยุทธ์
บ่อยครั้งกว่านั้น ผู้มีอำนาจตัดสินใจจะหลงไปกับตัวเลขและสถิติต่างๆ เพราะไม่สามารถหาความเชื่อมโยงกับความเป็นจริงทางธุรกิจของตนได้ ข้อมูลมีอยู่แล้ว แต่ข้อมูลเชิงลึกยังขาดหายไป ทำให้เกิดช่องว่างในกระบวนการตัดสินใจ
ด้วยจำนวนและความซับซ้อนของข้อมูลที่เพิ่มขึ้น ช่องว่างก็ยิ่งกว้างขึ้นเท่านั้น
ความแตกแยกนี้ไม่มีอยู่ในบริษัทดิจิทัลที่เติบโตเต็มที่แล้ว ซึ่งทีมประกอบด้วยสมาชิกในแผนกต่างๆ หลักการแรกที่ต้องจำเมื่อเปลี่ยนข้อมูลเป็นข้อมูลเชิงลึก? การทำงานร่วมกัน.
หลักการพื้นฐาน 3 ประการในการสร้างข้อมูลเชิงลึกจากข้อมูล
การทำงานร่วมกัน. ทีมจำเป็นต้องรวมความพยายามและรับผิดชอบร่วมกันหากต้องการรับข้อมูลเชิงลึกที่นำไปปฏิบัติได้จากข้อมูลของตน การสื่อสารและการสนับสนุนซึ่งกันและกันให้ข้อมูลเชิงลึกที่มีค่ามากกว่าการเผชิญหน้าและความต้องการ ในท้ายที่สุด ทีมทำงานไปสู่เป้าหมายเดียวกัน และความเข้าใจซึ่งกันและกันเป็นรากฐานที่สำคัญในความร่วมมือนั้น
ความโปร่งใส นักวิเคราะห์รู้แหล่งข้อมูลและกระบวนการและประเภทของข้อมูลและเมตริก ฝ่ายบริหารรู้ว่าเป้าหมายของพวกเขาคืออะไรและต้องตอบคำถามใด การสื่อสารระหว่างทั้งสองฝ่ายจำเป็นต้องเปิดเผยและโปร่งใส เพื่อให้แต่ละฝ่ายสามารถเข้าใจสิ่งที่อีกฝ่ายต้องการเพื่อบรรลุภารกิจส่วนของตน
ความเฉพาะเจาะจง หน่วยธุรกิจจำเป็นต้องเข้าใจปัจจัยขับเคลื่อนหลักของรายได้ ค่าใช้จ่าย และความเสี่ยงในพื้นที่ธุรกิจที่เกี่ยวข้อง สำหรับการระบุชุดข้อมูลตัวแทน สิ่งสำคัญคือทุกฝ่ายที่เกี่ยวข้องจะต้องกำหนดข้อกำหนด ความตั้งใจ และเป้าหมายของตนอย่างแม่นยำ ความเฉพาะเจาะจงเป็นสิ่งสำคัญในการช่วยให้นักวิเคราะห์ข้อมูลสามารถระบุเมตริกที่ถูกต้องในการตรวจสอบได้
ใช้หลักการอย่างไร?
- กำหนดคำถามหรือคำถามเฉพาะ
ความคลุมเครืออาจนำไปสู่ความโกลาหล ลองนึกถึงตัวอย่างนี้ หากมีคนถามว่า “ฉันจะไปสนามบินได้อย่างไร” คุณต้องการข้อมูลเพิ่มเติมก่อนที่จะให้คำตอบที่ถูกต้อง สนามบินไหน? ตำแหน่งปัจจุบันของพวกเขาคืออะไร? พวกเขากำลังบินหรือรับคนขึ้น?
- ชี้แจงความสำคัญ บริบท และผลกระทบทางธุรกิจ
การทำความเข้าใจบริบทของการวิเคราะห์ ข้อจำกัด แรงจูงใจ และผลลัพธ์ที่ต้องการจะช่วยให้คุณสามารถตัดสินใจได้ว่าจะใช้เมตริกใดในการตรวจสอบและอย่างไร เป้าหมาย? สร้างการเชื่อมต่อระหว่างเมตริกและสิ่งที่ข้อมูลเป็นตัวแทน
- กำหนดความคาดหวังที่ชัดเจนเกี่ยวกับผลลัพธ์ของการวิเคราะห์ข้อมูล
กำหนดประเภทของข้อมูลเชิงลึกที่สามารถได้รับจากข้อมูลที่คุณจะมอบให้ ตัวอย่างเช่น คุณต้องแสดงจำนวนรวม จำนวนเฉลี่ย หรืออัตราการเปลี่ยนแปลงหรือไม่
- กำหนด KPI ที่วัดได้
ตรวจสอบให้แน่ใจว่ามีเมตริกที่วัดได้ที่แนบมากับคำถาม คุณสามารถใช้โครงสร้าง SMART เพื่อยืนยัน (เฉพาะเจาะจง วัดผลได้ บรรลุได้ เกี่ยวข้อง ตามเวลา)
- สร้างสมมติฐานเพื่อความชัดเจนสูงสุด
การกำหนดสมมติฐานสามารถช่วยให้บรรลุประเด็นข้างต้นได้ทั้งหมด สมมติฐานอาจมีลักษณะดังนี้ ถ้า A คือผลลัพธ์ หมายถึง xyz สำหรับธุรกิจของเรา ถ้า B เป็นผลลัพธ์ แสดงว่า zyx สำหรับธุรกิจของเรา
- รวบรวมข้อมูลที่ถูกต้องอย่างถูกวิธี
เลือกเมตริกที่สามารถแสดงข้อมูลที่ต้องการได้ คุณอาจต้องเชื่อมโยงระหว่างมาตรการต่างๆ และสร้างแผนเพื่อให้ได้ผลลัพธ์ที่นำไปสู่คำตอบที่ต้องการ
- ใช้การแบ่งส่วน
การแบ่งกลุ่มข้อมูลของคุณจะช่วยให้คุณได้ข้อมูลที่เฉพาะเจาะจงมากขึ้นและได้รับมุมมองที่ละเอียดยิ่งขึ้น คุณสามารถมุ่งเน้นไปที่ชุดย่อยของข้อมูลที่เลือก เช่น กลุ่มเว็บไซต์ อุตสาหกรรม หรือผู้ชม แล้วเจาะลึกลงไปในพฤติกรรมของข้อมูล
อ่านเพิ่มเติม: การแบ่งส่วนตลาดคืออะไร? อธิบายเคล็ดลับ ประเภท และคุณประโยชน์
- รวมแหล่งข้อมูล
รวมแหล่งข้อมูลต่างๆ เลือกเครื่องมือที่ให้ข้อมูลคุณภาพสูงสุดเพื่อสนับสนุนผลลัพธ์ที่คุณต้องการ พิจารณาการบูรณาการแหล่งข้อมูลต่างๆ และข้อมูลการวิจัยทุติยภูมิ
- เชื่อมโยงข้อมูล
ตรวจสอบเมตริกที่เกี่ยวข้องซึ่งส่งผลกระทบซึ่งกันและกัน ตัวอย่างเช่น คุณต้องการจับตาดูอัตราตีกลับอยู่เสมอเพื่อให้เมตริกการเข้าชมอยู่ในสถานะที่ถูกต้อง
- ค้นพบบริบท
จนถึงตอนนี้ เราได้เน้นย้ำถึงความสำคัญของความเฉพาะเจาะจง อย่างไรก็ตาม เพื่อให้เข้าใจความหมายและสามารถตีความผลกระทบหรือผลลัพธ์ได้ คุณต้องดูจุดข้อมูลที่แม่นยำนี้ในบริบท
คุณจะใส่ข้อมูลในบริบทที่เหมาะสมได้อย่างไร?
- เกณฑ์มาตรฐาน
100 มากหรือน้อย? แล้วเพิ่มขึ้น 10% ล่ะ? เป็นสิ่งที่ดีหรือไม่ดี? มันขึ้นอยู่กับ. คุณต้องนำเสนอข้อมูลที่สัมพันธ์กับบางสิ่งเสมอ เช่น การแข่งขัน ค่าเฉลี่ยของอุตสาหกรรม ผลลัพธ์ที่ต้องการ เป็นต้น
เปรียบเทียบข้อมูลบริษัทของคุณกับข้อมูลอุตสาหกรรม เปรียบเทียบรูปแบบข้อมูล พฤติกรรม และอัตราการเติบโตเพื่อระบุแนวโน้มและความผิดปกติ
ค้นหาตำแหน่งที่คุณเหมาะสมกับแนวการแข่งขันและวิธีวัดผลในด้านธุรกิจต่างๆ
- รับรู้รูปแบบ
เมตริกมีรูปแบบ ในการกำหนดความเกี่ยวข้องของตัวเลขข้อมูล คุณต้องระบุรูปแบบและใส่ไว้ในบริบท การจดจำรูปแบบทำให้เกิดความเข้าใจในพฤติกรรม ตัวอย่างเช่น มีกิจกรรมที่ผันผวนในแต่ละวันและตามฤดูกาลในทุกเว็บไซต์ การจดจำจะช่วยให้ตรวจพบพฤติกรรมของข้อมูลที่ผิดปกติ ดังนั้นจึงประเมินได้แม่นยำยิ่งขึ้น
คุณจะทำให้ข้อมูลสัมพันธ์กันได้อย่างไร
ทำการวิเคราะห์เพื่อให้ได้ข้อมูล ต่อไป คุณต้องนำเสนอในรูปแบบที่เข้าใจได้แก่ผู้มีส่วนได้ส่วนเสีย ต่อไปนี้เป็นเคล็ดลับบางประการเกี่ยวกับวิธีการดำเนินการดังกล่าว:
- สำรวจเทคนิคการสร้างภาพ
รายงานที่มีแต่ตัวเลขคือฝันร้ายของ C-suite ช่วยให้พวกเขามีความชัดเจนและหลีกเลี่ยงความเข้าใจผิด การเผชิญหน้า และการท้าทายที่ไม่จำเป็น
แสดงภาพข้อมูลในลักษณะที่เน้นข้อมูลสำคัญ คุณสามารถใช้กราฟ เมทริกซ์ พาย และแม้แต่อินโฟกราฟิก
- อธิบายตัวเลขด้วยวาจา
อย่าเพิ่งส่งรายงานทางอีเมล อธิบายความหมายของตัวเลขเป็นคำพูดโดยตรงกับผู้มีส่วนได้ส่วนเสียที่เกี่ยวข้อง การสื่อสารเป็นหัวใจสำคัญของการแปลงเป็นดิจิทัล
อ่านเพิ่มเติม: กลยุทธ์การแปลงทางดิจิทัล: วิธีขับเคลื่อนการเปลี่ยนแปลง (และก้าวไปข้างหน้า)
- ให้บริบท
แทนที่จะแสดงเฉพาะข้อมูลบริษัทของคุณ ให้ระบุบริบทที่ช่วยให้เข้าใจถึงความสำคัญของข้อมูลที่คุณนำเสนอ กำหนดขั้นตอนสำหรับผู้จัดการของคุณเพื่อทำความเข้าใจความหมายและแปลเป็นการปฏิบัติ
อธิบายสภาพแวดล้อมการแข่งขันหรือนำเสนอข้อมูลในอดีตเป็นพื้นหลังซึ่งนำไปสู่ผลลัพธ์ที่เฉพาะเจาะจง
- แสดงตัวอย่าง
นำเสนอสิ่งที่คุณเผชิญอยู่อย่างแม่นยำด้วยการเปรียบเทียบการแข่งขัน ธุรกิจส่วนใหญ่มีคู่แข่งอันดับต้น ๆ ที่พวกเขาวัดกัน แสดงตัวอย่างว่าคู่แข่งเป็นอย่างไร เพิ่มตัวอย่างบริษัทตัวแทนอื่นๆ เพื่อช่วยอธิบายประเด็นของคุณ
- ให้แหล่งที่มา
ตรวจสอบให้แน่ใจว่าคุณสามารถระบุแหล่งที่มาของข้อมูลและอธิบายความเกี่ยวข้องได้ ผู้นำธุรกิจต้องการการยืนยัน และคุณอาจต้องอธิบายว่าคุณมาถึงผลลัพธ์ที่คุณได้รับได้อย่างไร
สร้างเวิร์กโฟลว์สำหรับเปลี่ยนข้อมูลเป็นข้อมูลเชิงลึก
ตั้งค่ากระบวนการทำซ้ำเพื่อสร้างข้อมูลเชิงลึกจากข้อมูลตามหลักการและขั้นตอนเหล่านี้
ขั้นตอนที่เราได้แสดงไว้ที่นี่เป็นไปตามแนวคิด Six Sigma เพื่อปรับคุณภาพของกระบวนการทางธุรกิจให้เหมาะสมที่สุด Six Sigma เป็นแนวคิดที่ขับเคลื่อนด้วยข้อมูลของการประเมินกระบวนการและการปรับปรุงอย่างสม่ำเสมอ
สามขั้นตอนแรกในวิธีการคือ: กำหนด วัด. วิเคราะห์. สำหรับกระบวนการใหม่ จะตามมาด้วย Design and Verify (DMADV) สำหรับกระบวนการที่มีอยู่ ปรับปรุงและควบคุมตาม DMA เริ่มต้น (DMAIC)
การเปลี่ยนข้อมูลให้เป็นข้อมูลเชิงลึกเป็นกระบวนการ และคุณควรปฏิบัติต่อข้อมูลดังกล่าว
ตั้งค่าเวิร์กโฟลว์ที่มีโครงสร้างสำหรับการวิเคราะห์ข้อมูลตามขั้นตอนที่คุณเพิ่งผ่านไป ด้วยวิธีนี้ คุณจะเปลี่ยนการรายงานข้อมูลให้เป็นกระบวนการสร้างข้อมูลเชิงลึกที่ทำซ้ำได้และมีมูลค่าการดำเนินการสูง
โซลูชันการวิจัยดิจิทัลของเว็บที่คล้ายกันให้ข้อมูลเว็บไซต์ที่แม่นยำที่สุดสำหรับการวิเคราะห์และเครื่องมือในการตรวจสอบและแบ่งกลุ่มข้อมูลของคุณ จากนั้นสร้างเกณฑ์มาตรฐานเทียบกับอุตสาหกรรมและการแข่งขันของคุณ
คำถามที่พบบ่อย
ข้อมูลและสารสนเทศแตกต่างกันอย่างไร?
ข้อมูลเป็นตัววัดข้อเท็จจริง ในขณะที่ข้อมูลคือการทำความเข้าใจความหมายของข้อมูลในบริบท
ใครเป็นผู้รับผิดชอบในการสร้างข้อมูลเชิงลึกจากข้อมูลในการตั้งค่าธุรกิจ
กระบวนการรับข้อมูลเชิงลึกจากข้อมูลควรเป็นความพยายามร่วมกันระหว่างนักวิเคราะห์ที่รวบรวมข้อมูลและผู้มีส่วนได้ส่วนเสียที่ต้องการข้อมูลเชิงลึก
บริบทใดที่จำเป็นในการรับข้อมูลเชิงลึกจากข้อมูล
ข้อมูลที่ไม่มีบริบทไม่ได้ให้ข้อมูล คุณจำเป็นต้องเปรียบเทียบกับค่าเฉลี่ยของอุตสาหกรรมและการแข่งขันโดยตรง และคุณต้องดูในกรอบเวลาที่ถูกต้อง