АНАЛИТИКА ПЛЮС
Профессиональные услуги в сфере BI

Анализ и обработка данных исследования

Вы решили провести исследование и знаете, с чего начать – конечно, со сбора отчетов и данных и любой другой полезной информации. В идеале – эта информация у вас уже есть, в противном случае, нужно время на ее сбор.

На самом деле, у любой компании – даже самой небольшой – уже есть полезная информация для бизнес-анализа: это финансовая и бухгалтерская отчетность отделов – различные выставленные счета, бухгалтерский баланс, накладные, акты и т.д. Имея даже такую, вроде бы неинтересную, информацию, можно провести анализ данных:

  • Узнать объем закупок или продаж за определенный период – а значит, например, спрогнозировать те же объемы на будущее.
  • Анализ логистических схем – сколько машин компании было задействовано в определенный период, на какие расстояния они ездили, сколько топлива расходовали.
  • Анализ рентабельности персонала – кто сколько работал и какие зарплаты и премии были выплачены.

Любой анализ данных исследования начинается с обработки «сырой» информации – в первую очередь, необходимо ее занести в компьютер. В худшем случае, придется это делать вручную. В лучшем – у вас уже все заведено в систему. На этом же этапе обязательно проверяем информацию на ошибки, неточности и приводим ее к единому виду – табулируем данные, представляем в некоем матричном виде.

Основная цель любого анализа данных – сделать результаты исследования понятными для руководства и других заинтересованных лиц компании. А также – предложить и обосновать способы решения проблем, из-за которых и решили проводить анализ данных. В идеале практически одного взгляда на отчет должно быть достаточно для понимания ситуации в компании и для возможности сделать аналитические выводы и составить прогнозы.

Анализ и обработка данных

В разных исследованиях выделяют разные типы анализа в зависимости от целей и задач исследования. Мы будем говорить об анализе данных в бизнесе и поэтому обратимся к типологии Джеффри Лика, практикующего аналитика и преподавателя в Университетет Джона Хопкинса. Джеффри Лик выделяет 6 типов анализа данных: механистический, каузальный (причинно-следственный), прогностический, индуктивный, разведочный и описательный. Остановимся на каждом из них поподробнее.

Описательный анализ – один из самых простых, описывающих данные с количественной точки зрения. Именно на основе этого анализа зачастую формируются дашборды: например, количество пользователей, покинувших корзину за эту неделю, или объем продаж в категории «детская мебель» за месяц. Описательный анализ проясняет числовые характеристики того или иного явления в определенных условиях – за период времени, или на определенной локации.

Интересен разведочный анализ данных, при котором для визуализации и изучения данных применяются различные графики. Их применение делает результаты анализа наглядными и более располагающими для построения прогнозов и поиска ответов. В современном мире процесс построения визуальной аналитики достаточно прост – это и табличные формы Excel, и продвинутые системы бизнес-аналитики, и Business Intelligence решения (такие как Tableau и др.).

Индикативный анализ позволяет получить более объективные оценки данных и снижает вероятность ложноположительных результатов за счет всесторонней статистической оценки. На том же индикативном анализе строится и прогностический анализ. Из названия понятно, что данный анализ поможет изучить взаимосвязи между переменными, а уже на основе этих взаимосвязей построить прогнозы о поведении переменных в будущем.

Следующий анализ – причинно-следственный – построен на эксперименте: если вы отправили 10 000 подписчикам практически одинаковые сертификаты, но при этом у половины из них фон сделали желтым и процент обращений по ним в 3 раза выше, чем по обычным сертификатам, можно смело предположить, что причиной повышения количества обращений является изменение цвета сертификата. Собственно на таком экспериментальном анализе и строится многие маркетинговые и рекламные стратегии.

Компании-лидеры рынка уже давно пользуются преимуществами «машинного» анализа – внедряют системы аналитики и визуализации данных, нанимают специалистов для поддержания их работоспособности. Для небольших и средних компаний на рынке также появились решения для быстрой и простой обработки данных, а затем их анализа:

  • Для работы с такими системами не нужны специальные IT-знания
  • Не нужны глубокие статистические знания
  • Достаточно недорогое внедрение и обслуживание (от 2000 руб. в месяц – на начало 2018 года).

Представители компаний говорят о том, что отчеты, которые делались раньше табличными методами по 6-8 часов, с помощью Tableau собираются за 10 минут!

  • Узнать больше о Tableau можно в разделе Обучение — прочитайте нашу Базу знаний.
  • Или просто напишите нам — и мы проведем вам презентацию и расскажем о продукте подробнее.
  • Еще можно изучить Tableau самостоятельно — скачайте бесплатную версию и получите обучающие материалы:
Скачайте Tableau бесплатно
и получите обучающие материалы
x

Этот сайт использует файлы cookies, чтобы облегчить вам пользование нашим веб-сайтом.

Продолжая использовать этот веб-сайт, вы даете согласие на использование файлов cookies.