10 tipov pre lepšiu analýzu veľkých dát

Chcete z analýzy údajov programu Excel vyťažiť maximum? Tu je desať rýchlych tipov na efektívnu a efektívnu prácu s veľkými dátami.

Považujte svoju prácu za hľadanie zakopaného pokladu

Na analýzu údajov by ste sa mali pozerať ako na proces podobný hľadaniu zakopaného pokladu.

Inými slovami, data mining pripomína ťažbu zlata. Predieraš sa dátami alebo sa prehrabávaš zrnitosťou pri hľadaní cenných nugetov. Toto úsilie môže byť namáhavé a únavné.

Avšak s vytrvalosťou a trochou šťastia by ste mali často (často?) byť schopní nájsť cenné poznatky o príležitostiach a hrozbách, ktoré by ste inak mohli premeškať.

To si chcete a musíte pamätať.

Zhromaždite viac údajov

Mali by ste zbierať viac údajov. . . a potom dobre ukladať a ukladať údaje, ktoré zbierate.

Jednoducho povedané, nevyhadzujte, neopatrne nestrácajte alebo hlúpo nevyhadzujte údaje, ktoré už zhromažďujeme alebo máme. Tie dáta môžu byť na nezaplatenie. A ak to dnes nie je na nezaplatenie, ktovie? Môže to byť niekedy v budúcnosti.

Čeliť. Čím je súbor údajov bohatší, tým je väčšia šanca, že na vás vyskočí nejaký skvelý prehľad.

Vytvorte viac údajov

Pracujte na vytvorení ďalších údajov.

Dobre, možno to znie hlúpo. Ale v niektorých prípadoch môžu byť užitočné údaje vytvorené veľmi ekonomicky.

Tu je jednoduchý príklad: Ak podnikáte, opýtajte sa klientov, ako vás našli. Vďaka tomu získate skvelý prehľad o svojom marketingovom úsilí.

Pravdepodobne máte iné zaujímavé spôsoby, ako vytvoriť viac údajov.

Pravidelne spúšťajte experimenty

Metódy vytvárania údajov, ako je experimentovanie prostredníctvom testovania AB a pilotných štúdií, môžu ekonomicky poskytnúť údaje mimoriadnej hodnoty.

Napríklad autor Timothy Ferris vo svojej najpredávanejšej knihe The Four Hour Workweek popisuje používanie reklám s platbou za kliknutie na posúdenie realizovateľnosti produktu. To je skvelý nápad, ktorý pravdepodobne v mnohých prípadoch vedie k presnejším analytickým záverom ako cieľová skupina.

Choďte do toho (so svojimi množinami údajov a vzorkami)

Ak ste sa dozvedeli o štatistikách v dobe, keď počítače a ich veľké súbory údajov neboli široko dostupné a ľahko použiteľné, môžete mať tendenciu robiť úsudky a rozhodnutia na základe malých súborov údajov.

Dnes je to naozaj neospravedlniteľné. V súčasnosti by ste mali pracovať s obrovskými množinami údajov. Vždy, keď je to možné, „choďte na veľké“ a používajte veľké alebo väčšie súbory údajov a vzorky.

Nedelegujte analýzu údajov

Z pohľadu mnohých manažérov alebo majiteľov firiem sa môže zdať, že mladým technicky zdatným stážistom je najlepším prístupom k skutočne kvalitnej analýze údajov.

Ale ak sa porozprávate s ľuďmi, ktorí robia veľa analýz údajov, je celkom pravdepodobné, že budete počuť, že to, čo naozaj chcete urobiť, je prideliť najchytrejšieho a najskúsenejšieho člena tímu, aby pracoval na tomto projekte. Inými slovami, ľudia, ktorých naozaj chcete robiť túto prácu, sú ľudia, ktorí na to pravdepodobne nemajú čas.

Možno by ste v skutočnosti mali urobiť analýzu údajov sami, ak ste veľký Pú-Bah.

Opäť si predstavte túto prácu ako podobnú ťažbe zakopaného pokladu. Poznatky, ktoré by ste mohli odhaliť, môžu byť nesmierne cenné. Akokoľvek dobrý môže byť nejaký mladý babinec alebo mladá srnka, určite nechcete, aby premeškali nejakú výnimočnú príležitosť alebo potenciálne katastrofickú hrozbu, pretože im chýbajú skúsenosti alebo ešte nemajú plne vyvinuté schopnosti strategického myslenia.

Strata času prelievaním nezmyselných údajov

Tu je hlúpy nápad. Možno by ste mali občas strácať čas prelievaním zdanlivo nezmyselných údajov: krížových tabuliek potvrdení o predaji s časovou pečiatkou, analytických údajov z vášho webu, protokolov transakcií tretích strán atď.

Nikdy nevieš, čo nájdeš. A niekedy môžu tie najlepšie poznatky pochádzať z tých najprekvapivejších miest.

Interné zdroje údajov zásob

Položka na upratovanie: Pravdepodobne budete chcieť viesť inventár interných zdrojov údajov. A zoznam by mal pravdepodobne obsahovať viac než len účtovný systém a analytické súbory vašich webových serverov. Keď o nich začnete premýšľať, existujú rôzne zaujímavé údaje. A niektoré z týchto vecí sa stratia alebo zabudnú, ak si nedáte pozor.

Vytvorte knižnicu externých zdrojov nespracovaných údajov

Rýchla pripomienka? Niektoré z vašich zdrojov nespracovaných údajov nie sú interné, ale externé. Na tie nezabudni.

Dokonca aj tie najmenšie podniky môžu mať prístup k súborom na spracovanie platieb tretích strán a zoznamom transakcií vytvorených externými webovými službami.

Chráňte proprietárne zdroje údajov

Pretože akékoľvek proprietárne zdroje údajov majú potenciálne obrovskú hodnotu, samozrejme chcete aktívum starostlivo chrániť.

Teraz to samozrejme znamená, že chcete bezpečne ukladať a pravidelne zálohovať dáta, ale to nie je všetko. Ochrana vlastných údajov znamená, že sa chcete uistiť, že údaje zostanú vlastníctvom a (možno ešte viac), že všetky poznatky obsiahnuté v údajoch zostanú interné. Niečo na zamyslenie. . .