Содержание материала
Стремитесь к улучшению, а не к совершенству
При решении бизнес-задач следует ставить цель улучшить результаты, а не достичь совершенства. Это имеет решающее значение. легко зациклиться на дополнительной работе по очистке данных. Хорошие профессионалы в области аналитики фокусируются на улучшении результатов и на том, чтобы выжать максимум из имеющихся данных. Результаты могут не быть совершенными, однако если они обеспечивают более эффективное принятие решения, то это не страшно.
Например, при анализе данных карт лояльности приходится мириться с тем, что данные никогда не бывают совершенными. Даже самые лучшие клиенты иногда забывают использовать свои карты. Это означает, что «полная» история расходов каждого клиента на самом деле не может считаться полной. Однако не все потеряно! Действительно хорошие клиенты используют свои карты бо'льшую часть времени. При этом данных будет достаточно для того, чтобы понять этих клиентов. Отсутствие некоторых данных не помешает проведению анализа. Конечно, на основе частичной информации могут быть сделаны не совсем верные выводы, однако данных будет достаточно для принятия правильных решений. Хорошие специалисты это понимают.
Достаточно чистые данные
Независимо от качества данных хорошие аналитики пытаются определить, достаточно ли они чистые. Можно ли с их помощью получать достоверные результаты? Можно ли, опираясь на них, ожидать получения реальной выгоды? Если ответ положительный, то такие данные используют. Данные могут не быть совершенными, но должны быть достаточно хорошими, чтобы позволить принять решение. Настоящие профессионалы в области аналитики умеют применять творческий подход при проверке данных на предмет достаточной чистоты.
Рассмотрим источник данных, который широко используется, но полон ошибок. Демографические данные были доступны в течение десятилетий. В среднем поставщикам демографических данных удается получить довольно точную информацию о домохозяйствах. Тем не менее данные, относящиеся к конкретному домохозяйству, могут быть неправильными, поскольку в процессе компиляции данных выдвигаются некоторые предположения. Это не делает данные бесполезными. Закономерности и тенденции высокого уровня можно считать верными, даже если данные о конкретных домохозяйствах в рамках этих тенденций неидеальны. Маркетологи с успехом использовали такие данные, несмотря на их «несовершенство». Существуют творческие способы корректировки известных предубеждений и проблем. Если данные игнорируются из-за имеющихся в них ошибок, то их ценность будет востребована не в полной мере.
В корпоративной среде профессиональный аналитик сможет, проявив творческий подход, использовать источники корпоративных данных для повышения ценности. Имеющиеся данные следует рассматривать как стакан с ценностью, наполовину полный, а не наполовину пустой. Этот навык еще более ценен при работе с большими данными, учитывая факты, которые приведены в первой главе. Большие данные часто недостаточно чистые и содержат постороннюю информацию, которую необходимо отфильтровать.
