Битва культур (принятия решений): driven vs informed vs inspired
Система принятия решений, которую вы создаете для своей команды и организации, будет иметь решающее значение для ее успеха или неудачи. Фразой “данные - новая нефть” уже никого не удивишь. Мы внимательно следим за тем, как развивается культура принятия решений на данных. Принципы современных систем принятия решений на данных заложены еще в начале 20-го века. Но с каждым годом появляется все больше интересных концепция и интерпретаций этих принципов. Как принимать решения на данных? Что это за ньюансы решений на данных? Что из подходов выбрать и когда?
В конце бонус - принципы внедрения data-informed в компании.
Культура приняти решений на данных, что это такое?
В эпоху Интернета данные стали ключевой частью системы принятия решений в компаниях. И это справедливо. Данные основаны на реальности — на том, что происходит на самом деле. Ваши решения должны быть максимально основаны на реальности и фактах. Однако то, как вы используете данные в своих решениях, также имеет значение. И это может оказать долгосрочное влияние на качество создаваемого вами продукта. В настоящий момент распространены 3 подхода к принятию решений на данных:
- Data-driven (основанный на данных) подход - решения принимаются на основе данных и аналитики, а не интуиции или опыта. Это подразумевает широкое использование систем сбора данных и мониторинга, алгоритмов машинного обучения и статистического анализа для выявления закономерностей и трендов в данных.
- Data-informed (обоснованный данными) подход - принятие решений основано на сочетании данных и экспертизы. Это означает, что данные используются для подтверждения или опровержения гипотез, предположений и теорий, но не являются единственным источником информации для принятия решений.
- Data-inspired (вдохновленный данными) подход - данные ложатся в основу процесса генерации гипотез и альтернатив для принятия решений, но не являются основнымй критерием принятия решения. Решения могут скорее характеризоваться как творческие и интуитивные. Этот подход учитывает не только данные, но и ощущения и эмоции, которые возникают при работе с ними.
Последний из подходов получил распростаранение относительно недавно. Его адептами в основном становятся молодые предприниматели и руководители. Он также распространен в стартапах, где требуется принять смелое решение о координальном изменении курса. Мы остановимся на первых двух подходах.
data-driven (Основанный) vs Data-informed (обоснованный) на пальцах
Так как мы говорим о подходе к принятию решений - мы говорим о важном элементе корпоративной культуры. Выбранный подход может иметь долгосрочные последствия для вашего продукта и траектории развития вашей организации.
Разница между этими подходами лишь на первый вгляд кажется незначительной. Чтобы понять, в чем разница, давайте рассмотрим несколько примеров.
Заберемся в голову издателя новостей и попробуем использовать data-driven подход к принятию решению о выборе заголовгов для статей.
Вы пробуете несколько разных вариантов и обнаруживаете, что у кликбейтного заголовка самое большое количество просмотров.
Data-driven
- Количество кликов увеличилось. Количество посещений (самый высокий показатель для этого издателя) увеличилось. Выручка (поскольку они запускают рекламу с показом CPM) выросла.
- 👌 Отлично! Все наши ключевые показатели выросли. Давайте поправим все заголовки на кликбейтные.
Data-informed
- Все наши ключевые показатели повышены. Это хорошо.
- 🤔 Каковы показатели счетчика? Показатель отказов вырос. Это не похоже на хороший опыт, если пользователи подпрыгивают.
- 🧐 Как насчет долгосрочных показателей счетчика? Считаем ли мы, что кликбейтные заголовки полезны для наших пользователей? Не повредит ли это репутации нашего издательского бренда?
- 🤨 Кстати, почему кликбейтные заголовки работают? Вместо того чтобы писать заголовки, привлекающие внимание, можем ли мы интегрировать это понимание в нашу контент-стратегию?
Давайте разберем еще один пример. Вы разработчик игр, вы проводите анализ и обнаруживаете, что пользователи, которые получают уведомления, более активны.
Data-driven
- Объем уведомлений в приложении увеличивается. Я получаю уведомление о новом игровом пакете, который я могу купить, о моем друге, который набрал новый уровень, и так далее.
- Пользователи начинают игнорировать уведомления, даже те, которые вы отправили ранее с высокой ценностью, отключают push, и в конечном итоге ваше игровое приложение перестают открывать.
Data-informed
- Вы пытаетесь понять поведение, стоящее за данными.
- Пользователи находят ценность в контенте, о котором их уведомляют, а не в самом уведомлении.
- Понимая, какие уведомления нравятся пользователям и почему пользователи находят эти определенные уведомления ценными, вы сможете выяснить: а) как повысить ценность, предоставляемую вашим приложением; б) существуют ли подобные важные события, уведомления о которых пользователи оценили бы по достоинству.
Итак, кто-то может спросить, что плохого в том, чтобы быть data-driven, а не data-informed? Ведь данные - это неопровержимый источник истины. Однако убеждение в том, что данные неопровержимы, на самом деле является мифом. В данных есть несколько "слепых зон", которые, если их не устранить, могут привести к неоптимальным решениям. Вот взгляд на риски, связанные с культурой, основанной на данных.
Слепые зоны Data-Driven подхода
- Недостаток креативности. Data-Driven подход может привести к сужению мышления и ограничению возможности рассматривать проблемы с разных точек зрения.
- Контекст принятия решения. Как правило носителем контекста принятия решений является руководитель или аналитик, который работает с данными. Данные могут ответить качественно только на те вопросы, которые были изначально заложены на этапе проектирования системы сбора и мониторинга данных.
- Недостаток экспертных знаний. Data-driven подход может не учитывать экспертные знания и опыт, которые могут быть ценными при принятии решений. Это особенно важно в ситуациях, где данные не являются полными или точными.
- Сложность оцифровки и учета “человеческих” и социальных последствий решения. Решения, принятые эксклюзивно на основе данных, плохо учитывают человеческий фактор: эмоции, интуицию, опыт.
- Техноемкость и зависимость эффективности метода от квалификации аналитика. Правильное внедрение Data-Driven подхода требует высокого понимания принципов работы и ограничения используемых технологий. Большинство таких систем задокументированы сугубо техническим языком.
💡 Проверьте себя. Вы уверены, что понимаете цифры на которые смотрите?
Яндекс Метрика отслеживает на сайте более 20 разных показателей в десятке разных разрезов. Ниже несколько базовый определений из документации сервиса. Жирным выделены ньюансы, о которых наши клиенты зачасту не знали. Что из сказанного ниже стало для вас сюрпризом?
- Показы - Показы, при которых хотя бы один пиксель рекламного блока попал в видимую зону экрана.
- CPM (Cost per Mille), или цена за тысячу показов - Стоимость одной тысячи показов рекламного блока (т.е. за 1000 показов хотя бы 1 пикселя вашей рекламы)
- Визит (сессия) - Последовательность действий (активность) одного посетителя на сайте (на одном счетчике). <…> Визит завершен, если активность отсутствует в течение некоторого времени. По умолчанию — 30 минут. <…> Посетитель зашел на сайт и просмотрел несколько страниц — визит засчитан. Затем оставил вкладку браузера открытой и отошел. Через 35 минут вернулся (период тайм-аута истек) и перешел на другую страницу сайта. Этот просмотр считается новым визитом. Переход из рекламных систем (например, Яндекс Директ и др.) всегда считается отдельным визитом. Даже если реклама повторно привела посетителя (или их было несколько с одного компьютера) до того, как закончился тайм-аут визита, каждый клик по объявлению станет отдельным визитом.
Как внедрить data-informed культуру
На текущий момент мы рекомендуем именно data-informed культуру принятя решений к поэтапному внедрению в организации. Приводим тут основные этапы:
- Определить ключевые метрики и данные, которые необходимы для их рассчета. Это могут быть прибыль, выручка, конверсия в покупку и т.д.
- Сделать данные доступными для сотрудников. Сформируйте централизованную базу данных, и обеспечьте доступ к этой базе данных сотрудникам, которые могут использовать эти данные в своей работе.
- Обучить сотрудников работе с данными. Проведите обучение по работе с данными и аналитическим инструментам для всех сотрудников. Обучение должно включать основы статистики, визуализации данных и интерпретации результатов.
- Продемонстрировать ценность данных. Предоставьте реальные примеры, когда данные помогали принимать важные бизнес-решения в вашей компании. Подчеркните, какие преимущества может принести использование данных для каждого отдела.
- Стимулировать использование данных в принятии решений. Создайте систему наград и поощрений для сотрудников, которые используют данные в своей работе. Проводите регулярные обзоры и анализируйте, как данные влияют на результаты работы.
- Регулярно измерять и улучшать результаты. Проводите регулярный анализ метрик и принимайте меры для улучшения результатов. Используйте данные для определения тенденций и проблем, чтобы предотвратить возможные проблемы в будущем.
Создание культуры, ориентированной на данные, может занять некоторое время, но это может значительно повысить эффективность и успешность компании.
Читать еще:
О Guestimate
Любим данные и знаем что с ними делать. С 2015 года внедряем data-driven, помогаем настраивать мониторинг и аналитику для поиска оптимальных решений и раскрытия потенциала продаж.
Оставляйте заявку на бесплатную консультацию, где мы ответим на все интересующие вас вопросы и подробно разберем особенности вашего проекта.
А также мы разработали бесплатную готовый шаблон, который поможет вам самостоятельно настроить управленческий учет и аналитику в компании.