Det er uundgåeligt at blive overbelastet af data, både fra et forretnings- og analytikersynspunkt. Uendelige mængder af data indsamles dagligt, især i en stadig mere digital verden, hvor forbrugerdata kan opsamles med større hastighed og mængde end nogensinde før. Det er umuligt at undgå dataoverbelastning helt og holdent. Men hvor du kan undgå overbelastning er ved at være smart i din brug af data. Med det in mente er jeg kommet med 5 gode råd til analytikeren for at undgå dataoverbelastning.
Sæt et klart mål
Hvor du overhovedet begynder at tænke på at analysere data, er det vigtigt at have et klart mål for øje. Spørg “hvad er det, jeg vil finde ud af?”, og sørg for, at dette er veldefineret og målbart. Det kan være et spørgsmål om at stille dig selv dette spørgsmål, når du bliver konfronteret med dataene, eller at sørge for, at den person, du analyserer dataene på vegne af, har sat et klart mål på forhånd. Det, du ønsker, er ét klart mål og ét hypoteset resultat, der skal testes.
Tweet This
“Det første skridt til at undgå dataoverbelastning er at definere et klart mål.”
Når du formulerer målet, skal du undgå brugen af “og”, f.eks. “Køber kunderne X og hvornår?”. Dette forklæder to mål som ét. Hold det i stedet simpelt og hav ét mål på øverste niveau, f.eks. “Køber kunderne X?” Hold dig til dette mål hele vejen igennem.
Prioriter en datakilde
Nu, hvor du har fundet frem til et mål, kan du begynde at tænke over, hvilke oplysninger der vil være mest nyttige til at besvare det. Især hvilken datakilde er vigtigere end andre og kan give dig den største indsigt? Overvej din målsætning, og sigt dine data igennem. Behold kun de relevante data, og fjern resten. Selv når du har de relevante data tilbage, skal du prioritere den bedste kilde. Spørg dig selv: “Hvilken kilde vil være mest nyttig til at besvare mit mål?”, og hold dig til den.
Hvis dit mål f.eks. er: “Hvor meget bruger kunderne på deres sommerferie?”, vil du sandsynligvis vælge transaktionsdata frem for online browsing-vaner eller brug af brandede tweets. Transaktionsdata fortæller dig den nøjagtige mængde af det, de har brugt. De to andre kan derimod kun oplyse dig om deres købsintentioner eller deres holdning til et brand. Selv om disse kan være interessante en anden dag, skal du ved denne lejlighed holde det simpelt og fokusere på én kilde.
Sæt en deadline
Når du analyserer dataene, må du ikke blive distraheret. Sæt en tidsgrænse, og hold dig til den. Hvis du ikke har fået en deadline for analysen, så giv dig selv en. Hvis du har fået det, så flyt den, du har fået, til en tidligere dato. Hvis du ikke bruger for meget tid på dataene, forhindrer du, at du mister fokus og undersøger data, der ikke informerer dit mål. Opmuntre dig selv til at træffe hurtige beslutninger, da dette vil være med til at forenkle processen. Der er ingen tvivl om, at du vil have en masse gode oplysninger til rådighed, men hvis du har en deadline, betyder det, at du kun overvejer de bedste.
Præsenter data visuelt
Når du har analyseret dataene, vil dine resultater sandsynligvis også være overvældende i størrelse. Det er dit ansvar at forenkle disse oplysninger og gøre dem klare og præsentable for interessenterne. En ny undersøgelse fra Esrl UK, der blev gennemført på 1000 voksne i hele Storbritannien, viste, at 60 % fandt kort og grafik lettere at forstå end tekst. Derfor er brugen af grafer, tabeller og diagrammer helt klart en vej frem.
Tweet This Stat
“60% of UK adults find charts & graphs easier to understand than text.”
Dette afhænger selvfølgelig også af kundens præferencer samt det pågældende emne. En finansdirektør kan f.eks. foretrække numeriske data, mens en marketingdirektør måske foretrækker mere visuelle diagrammer. Hvad angår emnet, vil dit mål, hvis det er mere numerisk, f.eks. “Hvor meget bruger kunderne på X?”, naturligt nok egne sig mere til tabeller og diagrammer. Et mere åbent spørgsmål, “Hvorfor køber kunderne X?”, vil kræve flere detaljer og forklaringer som svar. Før du rapporterer resultaterne, skal du spørge din målgruppe, hvor mange detaljer de ønsker, og undgå at medtage for mange detaljer, hvis det er unødvendigt. Find ud af, hvad deres præferencer er. Den præsentationsform, som de finder lettest at fortolke, vil sandsynligvis hjælpe dem med at fordøje dataene bedre og træffe en mere informeret beslutning.
Du har måske brug for flere data
Efter al prioritering, analyse og præsentation af dataene kan du faktisk finde ud af, at du ikke har nok af de rigtige data til at besvare dit oprindelige mål. De data, du har fået, kan være værdifulde ud fra et andet perspektiv; de kan f.eks. fortælle dig, hvornår kunderne køber et bestemt produkt, hvor meget de køber og hvor ofte. Men du mangler måske stadig forståelse for kundernes underliggende meninger eller drivkræfter. På trods af mængden af de data, du har, kan det være, at du har brug for flere for at forstå, hvorfor kunderne opfører sig, som de gør.
Dette er kun nogle få tips til at undgå dataoverbelastning, jeg er sikker på, at der er mange andre. Kan du komme i tanke om andre fremgangsmåder? Bruger du allerede nogle af disse i øjeblikket, når du analyserer eller præsenterer data? Lad os vide det i kommentarerne nedenfor.
Se vores infografik for at finde ud af, hvordan du kan integrere Big Data med markedsundersøgelser for at undgå dataoverbelastning. Eller se vores to minutters demo for at se vores online markedsundersøgelsesplatform i aktion.