Vil du have mest muligt ud af din analyse af Excel-data? Her er ti hurtige tips til at arbejde effektivt med big data.
Betragt dit arbejde som en søgen efter begravet skat
Du bør se dataanalyse som en proces, der ligner at lede efter begravet skat.
Data mining ligner med andre ord guldmining. Du banker dig vej gennem dataene eller søger gennem granulariteten på jagt efter værdifulde guldkorn. Denne indsats kan være omhyggelig og kedelig.
Men med vedholdenhed og lidt held bør du ofte (vil ofte?) være i stand til at finde værdifuld indsigt i både muligheder og trusler, du ellers ville have gået glip af.
Det vil og skal du huske.
Saml flere data
Du bør indsamle flere data. . . og så vær god til at gemme og gemme de data, du indsamler.
Med ord, lad være med at kassere eller skødesløst miste eller tåbeligt smide de data, vi allerede indsamler eller har, væk. Disse data kunne være uvurderlige. Og hvis det ikke er uvurderligt i dag, hvem ved så? Det kan være på et tidspunkt i fremtiden.
Se det i øjnene. Jo rigere datasættet er, desto større er chancerne for, at en cool indsigt springer ud af dig.
Opret flere data
Arbejd på at skabe mere data.
Okay, det lyder måske dumt. Men i nogle tilfælde kan nyttige data skabes meget økonomisk.
Her er et enkelt eksempel: Hvis du driver en virksomhed, så spørg kunderne, hvordan de fandt dig. Som et resultat får du stor indsigt i din marketingindsats.
Du har sikkert andre interessante måder at skabe mere data på.
Kør regelmæssigt eksperimenter
Dataskabelsesmetoder såsom eksperimentering via AB-test og pilotstudier kan økonomisk give data af ekstraordinær værdi.
For eksempel beskriver forfatteren Timothy Ferris i sin bestsellerbog, The Four Hour Workweek , brugen af betal-per-klik-reklamer til at måle produktets gennemførlighed. Det er en god idé, og en der formentlig i mange tilfælde resulterer i langt mere præcise analytiske konklusioner end en fokusgruppe.
Gå stort (med dine datasæt og dine prøver)
Hvis du lærte om statistik i tiden før computere og deres store datasæt var bredt tilgængelige og nemme at bruge, kan du have en tendens til at træffe vurderinger og beslutninger baseret på små datasæt.
I dag er det egentlig ret utilgiveligt. I dag bør du arbejde med enorme datasæt. Når det er muligt, "go big" og brug store eller større datasæt og prøver.
Uddelegere ikke dataanalyse
Fra mange lederes eller virksomhedsejeres perspektiv kan det virke som den bedste tilgang til at få udført en rigtig god dataanalyse at have en eller anden ung teknologikyndig praktikant.
Men hvis du taler med folk, der laver masser af dataanalyse, vil du med stor sandsynlighed høre, at det, du virkelig ønsker at gøre, er at tildele det smarteste og mest erfarne teammedlem, du kan, til at arbejde på dette projekt. Med andre ord, de mennesker, du virkelig ønsker at udføre dette arbejde, er de mennesker, der sandsynligvis ikke har tid til at gøre det.
Måske skulle du i virkeligheden bare lave dataanalysen selv, hvis du er den store Plys-Bah.
Igen, tænk på dette arbejde som beslægtet med minedrift efter begravede skatte. Den indsigt, du måske afslører, kan være enormt værdifuld. Så gode som en ung bukke eller ung dåse kan være, vil du bestemt ikke have, at de går glip af en enestående mulighed eller en potentielt katastrofal trussel, fordi de mangler erfaring eller endnu ikke har fuldt udviklede strategiske tænkeevner.
Spild tid på at hælde over meningsløse data
Her er en dum idé. Måske skulle du af og til spilde tid på at hælde over tilsyneladende meningsløse data: Krydstabuleringer af tidsstemplede salgskvitteringer, analysedata fra din hjemmeside, tredjeparts transaktionslogfiler og så videre.
Du ved aldrig, hvad du finder. Og nogle gange kan den bedste indsigt komme fra de mest overraskende steder.
Inventar interne datakilder
En husholdningsartikel: Du vil sandsynligvis have en fortegnelse over interne datakilder. Og listen skal nok indeholde mere end blot regnskabssystemet og dine webserveres analysefiler. Alle mulige interessante data findes, når du begynder at tænke over det. Og nogle af disse ting vil gå tabt eller blive glemt, hvis du ikke er forsigtig.
Byg et bibliotek af eksterne rådatakilder
En hurtig påmindelse? Nogle af dine rådatakilder er ikke interne, men eksterne. Glem ikke dem.
Selv de mindste virksomheder kan have adgang til tredjeparts betalingsbehandlingsfiler og transaktionslister oprettet af eksterne webtjenester.
Beskyt proprietære datakilder
Fordi alle proprietære datakilder potentielt har enorm værdi, vil du naturligvis gerne beskytte aktivet omhyggeligt.
Nu betyder det selvfølgelig, at du sikkert vil gemme og regelmæssigt sikkerhedskopiere dataene, men det er ikke alt. Beskyttelse af dine proprietære data betyder, at du vil sikre dig, at dataene forbliver proprietære og (måske endnu mere) at enhver indsigt indeholdt i dataene forbliver intern. Noget at tænke over. . .