Dataanalyse – enkelt forklart
Skal du drive business i den nye, digitale økonomien, må du på en eller annen måte forholde deg til data. Men utnytter du dens fulle potensial? Her får du en forklaring på hva dataanalyse er, hva du kan bruke det til – og hvordan du går frem.
Det er blitt sagt at verdens mest verdifulle ressurs ikke lenger er olje, men data. Det som i alle fall er sikkert, er at de har et sentralt trekk til felles: Begge må raffineres. Rådata, som råolje, kommer først virkelig til sin rett når vi har behandlet den.
Dataanalyse handler om nettopp det: å behandle, tolke og presentere (ofte store mengder) data – for dermed å trekke konklusjoner.
Vanlige typer data
Bedrifter som i dag har en digital tilstedeværelse, sitter på enorme mengder data. Noe bruker de kanskje, mye blir liggende – og enda mer vet de trolig ikke at de har tilgang til. En typisk Increo-løsning, en nettbutikk, har for eksempel data om
- hvilke kanaler kundene deres kommer fra
- hvordan kundene deres bruker siden – altså nøyaktig hvordan kundereisen fortoner seg
- konverteringsrate og churn rate – hva leder til salg og hvor butter det
- annonsering og kampanjer i ulike kanaler – hvor godt bryter de gjennom støyen?
- rangering i Google-søk
I tillegg kommer håndfaste salgstall (hvilke produkter funker og ikke?) og bransje- og bedriftsspesifikke tall.
Hva kan du bruke det til?
Her kommer selvsagt det store spørsmålet: Hva skal vi med alt dette? Det korte svaret er at det du ønsker å få ut i andre enden, outputen, er nyttig innsikt. Altså ikke bare interessante og fiffige tall, men innsikt som gir deg et bedre beslutningsgrunnlag.
Det kan for eksempel være informasjon om hvilke kampanjer som fungerer (hvor mye verdi får du per krone på de ulike flatene?) eller om synlighet (er det lett for målgruppen vår å finne oss?). Denne typen innsikt lar deg iverksette treffsikre tiltak heller enn å skyte i blinde.
Takket være verktøy som Google Analytics og Facebooks eget dashbord, er dette blitt mye enklere, og «hvem som helst» kan i dag utføre grunnleggende dataanalyse. Men går du et skritt lenger, er det mer verdi å hente.
Dennis Janszo, utvikler i Increo
Når 1+1 = 3
Virkelig nyttig blir det nemlig når du kombinerer flere ulike datasett. For eksempel blir tall for trafikk/volum langt mer anvendbare dersom du ser dem i sammenheng med tall for konvertering.
Men det stopper naturligvis ikke der. Kobler du i tillegg på både SEO-data og kroneverdi for de ulike konverteringene, kan du begynne å estimere verdien av å øke posisjonen din i et Google-søk. Denne typen lange slutninger krever en mer trent hånd – men er desto nyttigere for å fatte mest mulig optimale valg.
En miniguide til dataanalyse
Uansett om du er en erfaren dataanalytiker, eller bare vil dyppe tærne uti, får du her en liten «how-to»:
1. Kartlegg dataen din
Vet du egentlig hvor mye data du har tilgjengelig? Her er utfordringen å finne alle tenkelige og utenkelige datakilder – spesielt om du benytter mange tredjepartskilder. Husk at jo flere kilder og et mer helhetlig bilde du har, jo lengre konklusjoner kan du trekke.
2. Lag noen hypoteser
Å dykke ned i en sjø av data uten en plan ender gjerne i høy tidsbruk og lite utbytte. Du kan selvsagt treffe blink også når du skyter i blinde, men vi anbefaler at du starter med å lage noen klare, definerte mål. Her kan det være nyttig å snakke med noen som har gjort det før. Skal du få gode svar, gjelder det å vite hva du bør spørre om.
3. Samle og rense
Rydding og vasking: Det er kjipt, men nødvendig. Mye av dataen du finner, er sannsynligvis både ufullstendig og meningsløs alene. Kanskje behøver den også å behandles eller transformeres før den kan nyttiggjøres. Det er ved dette steget det ofte stopper for dem som prøver å gjøre alt uten hjelp.
Den enkleste fremgangsmåten er å importere data fra Analytics og gjøre egne målinger i Excel. Det er spartansk, men det funker. Skal du imidlertid få skikkelig utbytte av datamaterialet ditt, må vi opp et hakk, og i tjenester som Microsofts Azure kan du opprette modeller og pipelines som gir en ny verden av innsikt.
4. Visualiser!
Nå begynner den morsomste delen. Har du fått god hjelp av din digitalpartner til å sette dataen i system, kan du begynne å tolke og visualisere. Her finnes det gode hyllevareløsninger som Google Data Studio og Microsoft PowerBI. Er både hypotesene og modellene dine gode, kan du nå få tydelige svar. Stemte antakelsene? Viser kanskje dataen noe dere ikke engang kunne forestilt dere?
Og ja, hvis du virkelig mener alvor med å skape datadrevne beslutningsprosesser, er det selvsagt her du kobler på AI og maskinlæring for å lage prediksjoner basert på historisk data.
Hvorfor alt dette?
Å bruke data handler i bunn og grunn om å ta raskere og smartere beslutninger. Det er ingen grunn til å synse når du sitter på svarene som gjør at du slipper. Og knoter du i dag med disse analysene manuelt, kan du med de rette verktøyene spare mye tid og hodebry ved å automatisere prosessene.
Tar du data på alvor, og klarer å gjøre den til matnyttig innsikt, blir det en ressurs som gjør deg både raskere og smidigere. Ja, litt som olje.
