Содержание
- Что такое data-driven подход
- Зачем нужен data-driven подход
- Какие исследования проводят для принятия решений
- Какие данные собирают
- Как собирают данные
Что такое data-driven подход
Data-driven подход представляет собой концепцию, при которой управленческие решения основываются на данных и фактах, а не на интуиции или мнении отдельных сотрудников. В переводе с английского, этот термин означает «управляемый данными», и его также называют культурой принятия решений на основе фактической информации. Основная идея заключается в том, что человеческие ошибки неизбежны, тогда как данные и факты остаются неизменными. Полагаться на мнение фаундера, руководителя или других членов команды — значит рисковать принятием решений, основанных на субъективных мнениях.
Примером может служить ситуация, произошедшая в компании «Авито». Они решили изменить интерфейс своего приложения, основываясь на мнении сотрудников о том, что он устарел и неудобен. Однако результаты тестирования нового интерфейса показали, что пользователи начали делать меньше заказов. Глубокий анализ и интерпретация данных помогли выяснить истинные причины, что подтвердило важность ориентирования на факты.
Зачем нужен data-driven подход
Основная цель использования data-driven подхода заключается в повышении эффективности принимаемых решений. Например, в компании, занимающейся доставкой пиццы, часто возникают жалобы на задержки с доставкой заказов. Разные сотрудники предлагают свои варианты решения проблемы:
- Нанять дополнительных курьеров;
- Заменить текущих курьеров на новых;
- Внедрить систему мотивации для курьеров;
- Изменить транспорт, используемый курьерами;
- Оптимизировать коммуникацию между производством, курьерами и клиентами;
- Стимулировать работников к более быстрому приготовлению пиццы;
- Изменить процесс приготовления пиццы для уменьшения времени.
Data-driven подход позволяет обоснованно выбрать наиболее эффективное решение, основываясь на результатах исследований, которые могут включать в себя:
- Измерение времени, необходимого для приготовления пиццы и доставки;
- Создание тестовой группы новых курьеров;
- Введение пробной системы мотивации;
- Изменение процесса приготовления пиццы без ущерба для качества.
Результаты таких исследований предоставляют объективные данные, которые можно измерить в минутах или количестве заказов, помогая выявить наиболее оптимальные решения.
Какие исследования проводят для принятия решений
Для обеспечения корректности принятия решений, компании проводят различные виды исследований. Основными из них являются:
- Количественные исследования: Результаты таких исследований измеряются в цифрах. Примером может служить A/B-тестирование или анкеты без открытых вопросов. Преимущество количественных исследований заключается в их массовости, так как их можно проводить с участием сотен и даже тысяч респондентов.
- Качественные исследования: Они предоставляют гипотезы и инсайты, которые требуют дальнейшей проверки с использованием количественных данных. К ним относятся фокус-группы и интервью, что позволяет получить более глубокую информацию.
Также исследования могут быть классифицированы на кабинетные и полевые. Кабинетные исследования используют уже доступные данные, что позволяет получить результаты быстрее, в то время как полевые исследования создают данные с нуля, что дает более точные результаты для конкретных задач.
Какие данные собирают
Для принятия решений на основе данных необходимо, чтобы собираемая информация была:
- Значимой: Метрики должны коррелировать с целями бизнеса;
- Объективной: Данные должны собираться по единым правилам и в одном формате;
- Понятной: Информация должна быть доступна для интерпретации не только специалистами, но и другими сотрудниками.
На начальном этапе могут собираться все возможные метрики, чтобы позже определить, какие из них наиболее полезны для принятия решений.
Как собирают данные
Внедрение data-driven подхода включает несколько этапов. На начальном этапе данные могут либо не собираться, либо храниться в простых табличных редакторах. Следующим шагом является их систематизация и сегментация, что предполагает создание общей методологии сбора информации.
После того, как работа с данными становится централизованной, компании внедряют автоматизированные системы, такие как BI-системы, которые помогают в анализе и составлении отчетов. Последний этап включает создание предиктивных моделей, которые используют искусственный интеллект для прогнозирования будущих показателей на основе анализа предыдущих данных.
Важно отметить, что каждый отдел компании может проходить свою собственную трансформацию в области data-driven подхода, и это может происходить неравномерно, где одни отделы активно используют данные, а другие — только начинают.