Data Driven Decisions: как повышать аналитическую культуру в бизнесе

Популярная модель аналитической зрелости компаний — Gartner Maturity Model for Data and Analytics. Она показывает, какие этапы технологически и организационно должна пройти компания, чтобы стать по-настоящему data-driven. Кстати, вот отличная статья, где подробно описаны все эти этапы с красочными примерами из мира Марио.

Но даже на простых примерах из игры всё изложенное кажется высокими материями, далёкими от нашей реальности. Больше для устрашения, чем для информации, привожу оригинальную картинку с описанием этапов.

Ещё одна популярная модель принадлежит Уэйну Эккерсону (Wayne Eckerson).

Основные компоненты дата-ориентированной компании по его мнению: культура компании, руководство на основе данных, принятие решений на основе данных, организация (архитектура) аналитических данных, люди-аналитики и собственно данные.

Культура — самый важный фактор, определяющий, каким будет отношение к данным, как данные будут использоваться в компании.

Фундаментом являются сами данные. Своевременные, полные, непротиворечивые, достоверные, доступные. Понятно, что без достаточного уровня развития культуры этими данными не будут пользоваться, или данные вовсе не будут собираться. Работая с каждым из этих компонентов, можно повысить общую аналитическую зрелость компании.

В этой статье

Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*

Как получить измеримые результаты в фарммаркетинге.

Показываем на примерах →

Спецпроект

Так с чего же начинать и как действовать?

Пример из жизни

Расскажу вам о двух клиентах нашего агентства.

«Птица Синица» (blue-pottery.ru) — небольшой монобрендовый магазин польской керамической посуды. 2 офлайн-магазина: в Москве и Санкт-Петербурге. KIT SOLER оказывает Птице Синице услуги комплескного интернет-маркетинга.

Kant.ru — крупный мультибрендовый магазин спортивных товаров. 15 офлайн-магазинов. KIT SOLER оказывает «Канту» услуги веб-аналитики (автоматизация отчётов, настройка сквозной аналитики, ad hoc отчёты).

Инфраструктура аналитики и объёмы данных разные.

Для «Птицы Синицы» мы используем данные из Google Analytics с простой (не расширенной) электронной торговлей.

Для «Канта» мы настроили большое количество автоматически обновляемых отчётов для отслеживания эффективности рекламы. Ежедневный отчёт позволяет мониторить работоспособность платных каналов и быстро реагировать на отклонения и причины. Отчёты за неделю и за месяц дают понимание о приоритетных каналах по важным KPI. На основе этого корректируются бюджеты. Отчёт за год — база для прогноза на следующий год.

Оба клиента делают большую ставку на офлайн-продажи. Но в начале апреля столкнулись с серьёзными трудностями: все магазины закрыты, полнейшая неопределённость как в бизнесе, так и в личном пространстве каждого из сотрудников магазинов и всех, кто работает над этими проектами.

С проектом «Птица Синица» мы даже рассматривали вопрос о полной остановке всех маркетинговых и рекламных активностей на пару месяцев или до прояснения ситуации, что повлекло бы за собой серьёзные убытки. К счастью, этого не произошло.

У этих двух компаний, несмотря на все их различия в рекламных бюджетах, широте и объёме ассортимента и многом другом, есть одно важное сходство: все решения по рекламным активностям в интернете принимаются на основе данных.

В начале апреля для «Птицы Синицы» мы приняли решение совместно с владельцем бизнеса не просто не останавливать рекламу, а, наоборот, увеличить бюджет на наиболее эффективные по данным GA кампании. Рекламный бюджет в Яндекс.Директе в итоге был увеличен почти в 3 раза. Это привело к значительному росту дохода из этого источника.

На графике показана динамика расходов на рекламу и дохода из Яндекс.Директа. Данные из Google Analytics с января по июнь 2020 года.

Для компании «Кант» ситуация в начале апреля складывалась не столь драматично. Все автоматические отчёты уже давно были настроены и активно использовались. Поэтому работа с рекламой проходила в штатном режиме. А мы занимались повышением эффективности email-рассылки.

Автоматические рекомендации товаров в рассылках показали себя не очень хорошо. Было принято решение сделать автообновляемый отчёт о наиболее популярных товарах по категориям с разбивкой на пол и возраст. Добавление в рассылки действительно популярных товаров позволило увеличить доход от рассылки и сделать её более полезной для пользователей.

Результат

На графике показана динамика коэффициента транзакций для этого канала трафика. Значительный рост конверсии в середине мая связан с сезонным спросом на одну из категорий товаров. Но на большем периоде виден стабильно более высокий уровень этого показателя.

После первой волны пандемии с режимом самоизоляции и закрытием магазинов наши клиенты уже не будут прежними.

«Птица Синица», не поддавшись панике и приняв решение на основе данных, в одночасье выросла в 2 раза. Это повлекло за собой необходимость набрать новых сотрудников, изменить стратегии закупок, расширить число поставщиков и многое другое.

Сотрудники компании «Кант» были очень воодушевлены, увидев реальный потенциал ecommerce. Данные аналитики давали уверенность в принятии решений. Проверив в боевых условиях подход к работе, компания расширила число автоматических отчётов и разовых отчётов по дизайну и интерфейсу сайта. Компания сосредоточила усилия на настройке сквозной и Ropo-аналитики.

Каждая из этих компаний находится на своём уровне зрелости аналитической культуры и развивает её своими темпами. Вопросы аутсорсинга отдельных компонентов аналитической культуры — тема для отдельной статьи. Но как они к этому пришли и с чего начинали?

Как повысить аналитическую культуру

Ходить в музеи и на лекции, читать книги, посещать профильные конференции и мероприятия — это всё хорошо. Но садясь за компьютер и приступая к ежедневной рутине, мы вновь и вновь откладываем заметки даже с самой интересной конференции и делаем всё как обычно. И это происходит как с рядовыми исполнителями, так и с руководителями подразделений и компаний.

Если посмотреть на проблему с другой стороны — бизнесу нужна не собственно аналитическая культура. Для стабильной работы и роста, снижения издержек и получения прибыли компании необходимо, чтобы все сотрудники как можно чаще принимали наиболее эффективные решения, основанные на данных. То есть имели ПРИВЫЧКУ принимать решения, основанные на данных.

Естественно, не все решения будут такими же судьбоносными, как в примере «Птицы Синицы». Не все дадут такой существенный результат. Но регулярная практика принятия решений на основе данных позволяет не упустить возможности и минимизировать число ошибочных решений.

Кстати о привычках. Все, кто пытался заставить себя бегать по утрам, делать зарядку или учить языки, понимают, как тяжело внедрять полезные привычки. Тем более если дело касается не одного человека, а большого количества сотрудников компании.

К счастью, существует большое количество методик внедрения привычек. Приведу лишь несколько самых интересных. Их можно и нужно комбинировать, тестировать и выбирать самые результативные.

Как внедрить привычку принимать решения на основе данных

1. Так просто, что невозможно отказаться

Начните с чего-то совершенно простого. Просто открывайте дашборд или какой-то профильный отчёт раз в неделю.

Этот метод подойдёт для самого начала и для тех, кто никогда не использовал данные в своей работе. Например, кадровые сотрудники могут начать работать с данными о загруженности текущих сотрудников и отделов, выполнением KPI. Сотрудники отдела закупок — смотреть данные о популярных товарах и категориях.

Не требуйте от себя и сотрудников сразу много. Иногда достаточно просто регулярно смотреть на данные, чтобы новые идеи пришли в голову. А при выраженных изменениях вопросы появятся сами собой.

Вопросы об изменениях — отличный первый шаг в сторону Data Driven Decisions.

2. Не пропускайте дважды

Обещали себе работать с аналитикой каждый понедельник? Но совещание, клиент, срочная задача… Никогда не пропускайте 2 понедельника подряд.

Важно понять, что регулярность в вопросе внедрения привычек намного важнее потраченного времени и объёма сделанного. Всегда будут срочные задачи или что-то незапланированное. К этому просто нужно быть готовым.

Заранее составьте 2 плана: для полноценной работы и для быстрой работы.
Создайте себе мобильную версию дашборда, чтобы работать с ней на бегу (в метро или такси, перед встречей или между задачами).
Выберите самый важный отчёт, на изучение которого нужно не более 3–5 минут. Это позволит не пропустить аномальную ситуацию, даже когда времени на работу с подробными отчётами совсем нет.

3. Удобство доступа к данным и восприятия данных

Если вам каждый раз нужно будет искать ссылку на отчёт, потом искать логин и пароль в записной книжке — пиши пропало.

Часто именно неудобные решения мешают регулярно пользоваться отчётами. Нужно пересчитывать расход, добавляя НДС. Или просто слишком мелко.

Бывает так, что даже очень длительные и технологически сложные интеграции для настройки сквозной аналитики ни к чему не приводят. Они заканчиваются неудобными дашбордами, и данными просто не пользуются.

Неудобным отчётом не будут пользоваться. И неважно, сколько миллионов рублей и человекочасов потрачено на его разработку.

4. Связь с текущей привычкой или регулярной задачей

Каждый понедельник проверяете остаток бюджета на рекламу? Отлично, добавьте к этому и просмотр дашборда. Подберите подходящий триггер. В идеале это должно быть не просто регулярное действие, а то, что нельзя не сделать.

Адаптацией этого метода является привязка KPI к зарплате сотрудника. В этом случае сотрудники будут следить и оперативно реагировать на каждое изменение. Но будьте внимательными. Важно чётко определить, что действительно является KPI, и как KPI сотрудника связан с KPI всей компании. Иногда они могут противоречить друг другу.

«Скажите мне, как вы измеряете мою деятельность, и я скажу вам, как буду себя вести!», — Элияху Голдратт, «Критическая цепь».

5. Чёткие инструкции

Нет ничего хуже, чем прийти в спортзал и не знать, что делать. Чувствуешь себя ужасно. Особенно, когда вокруг много людей и все активно тренируются. При работе с дашбордами и отчётами часто бывает такая же ситуация: очень много данных, но совершенно непонятно, что конкретно с ними делать.

Заранее:

составьте список вопросов, которые вас интересуют;
сформулируйте гипотезы, которые хотите проверить;
чётко определите отчёты, которые хотите посмотреть, а не просто просматривайте все подряд — их слишком много.

6. Системные изменения

Включите работу с данными в бизнес-процессы компании.

Программист может принять задачу по доработке функционала на сайте только с обоснованием данными.
Сделайте основной дашборд первой страницей рабочего пространства — мимо него просто будет не пройти.
Повесьте монитор с дашбордом у кофемашины. Все сотрудники будут знать, как идут дела.

Важно: проверьте достоверность данных, с которыми работаете

Ошибки в данных бывают очень часто. Задвоенные транзакции в Google Analytics, расходы могут передаваться не полностью, не размечены как транзакции покупки в 1 клик (а только через корзину), некорректно настроенные A/B-тесты — всё это делает регулярную работу с данными бесполезной и может даже привести к убыткам.

Если вы понимаете важность развития аналитической культуры в компании, но не знаете, с чего начать, начните с формирования у сотрудников привычки работать с данными.

Все дальнейшие кадровые, инфраструктурные и технологические изменения в компании будут в этом случае более естественными, востребованными. И даже могут быть инициированы сотрудниками.

Перечисленные выше простые, часто малобюджетные рекомендации, повысят шанс успешного внедрения более дорогостоящих и долгосрочных проектов по аналитике.

P.S. Как спроектировать правильный дашборд и выбрать инструмент визуализации — читайте в нашей инструкции.

Наталья Веселова, аналитик KIT SOLER.

Источник фото на тизере: Ricardo Gomez Angel on Unsplash