Från både affärs- och analytikerperspektiv är det oundvikligt att bli överbelastad av data. Oändliga mängder data samlas in dagligen, särskilt i en alltmer digital värld där konsumentdata kan samlas in med högre hastighet och volym än någonsin tidigare. Det är omöjligt att undvika dataöverbelastning helt och hållet. Men där du kan undvika överbelastning är genom att vara smart med hur du använder den. Med det i åtanke har jag tagit fram 5 topptips för analytikern för att undvika dataöverbelastning.
Sätt upp ett tydligt mål
Innan du ens börjar tänka på att analysera data är det viktigt att ha ett tydligt mål i åtanke. Fråga ”vad är det jag vill ta reda på?” och se till att detta är väldefinierat och mätbart. Det kan handla om att ställa den här frågan till dig själv när du konfronteras med data, eller att se till att den person som du analyserar data på uppdrag av har satt upp ett tydligt mål i förväg. Vad du vill ha är ett tydligt mål och en hypotes om resultatet som ska testas.
Tweet This
”Det första steget för att undvika överbelastning av data är att definiera ett tydligt mål.”
När du formulerar målet ska du undvika att använda ”och”, till exempel: ”Köper kunderna X och när?”. Detta förklär två mål som ett. Håll det istället enkelt och ha ett mål på högsta nivå, t.ex. ”Köper kunderna X?”. Håll dig till detta mål hela tiden.
Prioritera en datakälla
När du har kommit fram till ett mål kan du börja fundera på vilken information som kommer att vara till störst hjälp för att besvara det. Vilken datakälla är viktigare än andra och kan ge dig mest insikt? Tänk på ditt mål och sål dina uppgifter. Behåll bara de relevanta uppgifterna och ta bort resten. Även om du har kvar relevanta uppgifter ska du prioritera den bästa källan. Fråga dig själv ”Vilken källa är mest användbar för att besvara mitt mål?” och håll dig till den.
Om ditt mål till exempel är ”Hur mycket spenderar kunderna på sin sommarsemester?” är det troligt att du väljer transaktionsdata framför surfvanor på nätet eller användning av tweets av märkesvaror. Transaktionsdata talar om exakt hur mycket de spenderade. De andra två kan däremot bara informera dig om deras köpintentioner eller varumärkesåsikter. Även om dessa kan vara intressanta en annan dag, så håll det enkelt vid detta tillfälle och fokusera på en källa.
Sätt en deadline
När du analyserar uppgifterna får du inte bli distraherad. Sätt en tidsgräns och håll dig till den. Om du inte har fått någon tidsfrist för analysen, ge dig själv en. Om du har fått det, flytta den du har fått till ett tidigare datum. Om du inte ägnar för mycket tid åt uppgifterna förhindrar du att du tappar fokus och undersöker uppgifter som inte informerar om ditt mål. Uppmuntra dig själv att fatta snabba beslut eftersom det kommer att förenkla processen. Utan tvekan kommer du att ha mycket bra information till ditt förfogande, men att ha en deadline gör att du bara överväger det bästa.
Presentera data visuellt
När du har analyserat data kommer dina resultat troligen att vara överväldigande i storlek också. Det är ditt ansvar att förenkla denna information och göra den tydlig och presentabel för intressenterna. Ny forskning från Esrl UK som genomfördes på 1 000 vuxna i Storbritannien visade att 60 % ansåg att kartor och grafik var lättare att förstå än text. Därför är användningen av grafer, tabeller och diagram helt klart en väg framåt.
Tweet This Stat
”60 % av de vuxna i Storbritannien tycker att kartor & grafer är lättare att förstå än text.”
Självklart beror detta också på kundens önskemål samt på det aktuella ämnet. En ekonomichef kan till exempel föredra numeriska uppgifter medan en marknadschef kanske föredrar mer visuella diagram. Om ämnet är mer numeriskt, t.ex. ”Hur mycket spenderar kunderna på X?”, lämpar det sig naturligtvis bättre för tabeller och diagram. En mer öppen fråga, ”Varför köper kunderna X?”, kräver mer detaljer och förklaringar. Innan du redovisar resultaten bör du fråga din publik hur mycket detaljer de vill ha och undvika att ta med för mycket om det är onödigt. Ta reda på vad de föredrar. Den presentationsform som de tycker är lättast att tolka kommer sannolikt att hjälpa dem att smälta uppgifterna bättre och fatta ett mer välgrundat beslut.
Du kanske behöver fler uppgifter
Efter allt arbete med att prioritera, analysera och presentera uppgifterna kan det faktiskt hända att du upptäcker att du inte har tillräckligt med rätt uppgifter för att besvara ditt ursprungliga mål. De data du har fått kan vara värdefulla ur ett annat perspektiv; de kan till exempel berätta för dig när kunderna köper en viss produkt, hur mycket de köper och hur ofta. Men du kanske fortfarande saknar förståelse för kundernas underliggande åsikter eller drivkrafter. Trots mängden data du har kan det vara så att du behöver mer för att förstå varför kunderna beter sig som de gör.
Detta är bara några tips för att undvika överbelastning av data, jag är säker på att det finns många andra. Kan du komma på några andra tillvägagångssätt? Använder du för närvarande någon av dessa redan när du analyserar eller presenterar data? Låt oss veta i kommentarerna nedan.
Se vår infografik för att upptäcka hur du kan integrera Big Data med marknadsundersökningar för att undvika överbelastning av data. Eller titta på vår tvåminutersdemo för att se vår plattform för marknadsundersökningar online i praktiken.