Веб-аналитика: анализ информации о посетителях веб-сайтов - [54]

И с этим ничего нельзя поделать, по крайней мере сейчас.

Чем скорее удастся это усвоить, тем быстрее получится смириться и продолжать. На самом деле не имеет значения и то, что инструмент от любимого производителя бесплатен или стоит 1 миллион долларов. Все производители в значительной степени используют похожие методики сбора данных. Да, у каждого есть некоторые милые инновации, но они не помогут, поскольку Интернет — чрезвычайно юркое животное, постоянно развивающееся и изменяющееся. Собственно, в этом и заключается восхитительная красота и обаяние веб.

Некоторые компании вкладывают огромные средства в научные исследования по улучшению имеющихся и разработке новых, совершенно иных способов сбора данных в веб. Но когда приходит нечто радикально новое, качество данных снова становится проблемой. Просто следует заранее ожидать подобного и легко с этим смириться. Не стоит рассчитывать, что применение таких систем, как ERP и CRM (которые создавались для сбора лишь части того, что позволяет веб, но даже эта маленькая доля высоко структурирована), радикально улучшит качество.

Несмотря на все эти факты, автор первым признает, что ответственные лица компании не собираются соглашаться с высокопарно провозглашенной сентенцией по поводу непредсказуемости качества данных. Не делайте ошибки, пытаясь возражать, потребуется много времени, пока удастся убедить их, что даже при не оптимальности качества данных им вполне можно доверять и принимать ответственные решения на основании тех, которые были собраны и проанализированы.

Чтобы добиться успеха в борьбе с монстром качества данных, можно предпринять следующую последовательность действий.

1. Сопротивляйтесь желанию углубиться в данные в поисках коренной причины их расхождений, особенно если она составляет меньше 10 процентов.

Это нудное и бесполезное занятие. Кроме того, ко времени нахождения некоего подобия объяснения появятся новые причины, по которым данные не будут увязываться (по крайней мере, на макроуровне). Если несоответствие составляет лишь 10 процентов или меньше, то все в порядке, поскольку это в пределах ожидаемого разброса. Меньше 10 процентов — очень хорошо. Грустно, но справедливо.

2. Полностью овладейте данными.

Заполучив данные, сперва четко осознайте, как они собраны, а затем овладейте ими сами и ознакомьте с ними ответственные лица компании. В разговоре о чем-то подчеркивайте, что этому можно доверять, например, лишь на 80 процентов.

Люди довольно сложные существа, и каждый обладает собственным жизненным опытом и, соответственно, будет принимать решение исходя из него. И это тоже хорошо. Используя метод проб и ошибок или ловкие переговоры, установите базовый уровень овладения данными. Возможно, этим пределом окажется 75 процентов доверия к ним. Ура! Теперь они ваши друзья, и если углубиться в них, то можно получить осознание.

3. Принимайте удобные решения.

Данный этап потребует большого мужества. Необходима огромная вера, поскольку люди от рождения склонны к поиску совершенства, а следовательно, и ста процентов достоверности (чего на практике не бывает вообще). Но после этого этапа весь остальной процесс — просто забава. Можно будет просматривать таблицу данных и на основании лишь 75-процентной достоверности принимать бизнес-решения.

Если со 100-процентным доверием к данным человека можно посылать на Луну, то с 75-процентным доверием к ним же ему можно, по крайней мере, посоветовать купить телескоп, чтобы тоже исследовать Луну. Важнейшим здесь является сам факт принятия решения и возможность его

реализовать¹.

Предположим, например, что некий важный KPI изменился на 15 процентов. При 100 процентах доверия к данным понадобилось бы срочно инвестировать порядка 90 000 долларов на проведение рекламной кампании, полное изменение архитектуры сайта или построение процесса расчета. Но при 75 процентах доверия к тем же 15 процентам изменения KPI можно решить, что для начала стоит потратить лишь 60 000 долларов, а перед полным изменением архитектуры сайта провести многопараметрическую проверку, чтобы получить больше доверия к данным или, возможно, выработать новый процесс расчета, поскольку при наличии лишь 75-процентного доверия к данным расчет очень важен.

Этот пример — простая иллюстрация возможности принимать решения с менее чем 100 процентами доверия к данным. Правильное поведение. Хорошо, если аналитик доверяет данным больше, чем ответственные лица компании, но и они со временем привыкнут.

Данная модель поведения очень важна. Если аналитику будет трудно обрести доверие к информации, то ответственным лицам компании или окружающим будет еще труднее это сделать и переходить к следующему этапу.

4. Углубитесь в специфические области.

Когда дело доходит до принятия ответственных решений при условии, что удалось избежать паралича в связи с качеством данных, автор рекомендует найти узкие ниши в сегментах данных и заняться их практической отработкой. Цель вполне [10] понятна, поскольку данные в узкой области могут быть тем, чем ожидается. Любителям детективов это точно понравится. Перебирать терабайт данных в поисках ответа может быть даже забавно, честно!