Vill du få ut det mesta av din analys av Excel-data? Här är tio snabba tips för att arbeta effektivt och effektivt med big data.
Se ditt arbete som ett sökande efter begravda skatter
Du bör se dataanalys som en process som liknar att leta efter begravda skatter.
Datautvinning påminner med andra ord om guldutvinning. Du dunkar dig igenom datan eller sållar du igenom granulariteten på jakt efter värdefulla klumpar. Denna ansträngning kan vara mödosam och tråkig.
Men med envishet och lite tur bör du ofta (kommer ofta?) kunna hitta värdefulla insikter om både möjligheter och hot du annars skulle ha missat.
Du vill och behöver komma ihåg det.
Samla in mer data
Du bör samla in mer data. . . och sedan vara bra på att lagra och spara den data du samlar in.
Med andra ord, kasta inte slarvigt eller slarvigt förlora eller dumt kasta bort den data vi redan samlar in eller har. Den informationen kan vara ovärderlig. Och om det inte är ovärderligt idag, vem vet? Det kanske blir någon gång i framtiden.
Inse det. Ju rikare datamängden är, desto större är chansen att du får en cool insikt.
Skapa mer data
Arbeta för att skapa mer data.
Okej, det låter kanske dumt. Men i vissa fall kan användbar data skapas mycket ekonomiskt.
Här är ett enkelt exempel: Om du driver ett företag, fråga kunderna hur de hittade dig. Du får fantastiska insikter i dina marknadsföringsinsatser som ett resultat.
Du har förmodligen andra intressanta sätt att skapa mer data.
Kör regelbundet experiment
Dataskapande metoder som att experimentera via AB-tester och pilotstudier kan ekonomiskt ge data av extraordinärt värde.
Till exempel beskriver författaren Timothy Ferris i sin bästsäljande bok, The Four Hour Workweek , hur man använder betala-per-klick-annonser för att mäta produktens genomförbarhet. Det är en bra idé, och en som förmodligen i många fall resulterar i mycket mer exakta analytiska slutsatser än en fokusgrupp.
Bli stor (med dina datauppsättningar och dina prover)
Om du lärde dig om statistik i en tid innan datorer och deras stora datauppsättningar var allmänt tillgängliga och lätta att använda, kan du ha en tendens att göra bedömningar och beslut baserat på små datauppsättningar.
Idag är det egentligen ganska oförlåtligt. Nuförtiden borde du arbeta med enorma datamängder. När det är möjligt, "gå stort" och använd stora eller större datauppsättningar och prover.
Delegera inte dataanalys
Ur många chefers eller företagsägares perspektiv kan det verka som det bästa sättet att få en riktigt bra dataanalys att ha en ung teknikkunnig praktikant.
Men om du pratar med personer som gör massor av dataanalys, är det ganska troligt att du hör att det du verkligen vill göra är att tilldela den smartaste och mest erfarna teammedlemmen du kan arbeta med det här projektet. Med andra ord, de människor du verkligen vill göra det här arbetet är de som förmodligen inte har tid att göra det.
Kanske borde du faktiskt bara göra dataanalysen själv om du är den stora Puh-Bah.
Återigen, tänk på detta arbete som att bryta efter begravda skatter. De insikter du kan avslöja kan vara oerhört värdefulla. Så bra som en ung bock eller ung do kan vara, du vill verkligen inte att de ska missa en enastående möjlighet eller ett potentiellt katastrofalt hot eftersom de saknar erfarenhet eller ännu inte har fullt utvecklade strategiska tänkande färdigheter.
Slösa tid på att ösa över meningslösa data
Här är en dum idé. Kanske bör du ibland slösa tid på att hälla över till synes meningslösa data: korstabeller av tidsstämplade försäljningskvitton, analysdata från din webbplats, transaktionsloggar från tredje part och så vidare.
Man vet aldrig vad man hittar. Och ibland kan de bästa insikterna komma från de mest överraskande platserna.
Inventera interna datakällor
En hushållspost: Du vill förmodligen föra en inventering av interna datakällor. Och listan bör förmodligen innehålla mer än bara redovisningssystemet och dina webbservrars analysfiler. Det finns alla möjliga intressanta data när man börjar tänka på det. Och en del av det här kommer att gå vilse eller glömmas bort om du inte är försiktig.
Bygg ett bibliotek med externa rådatakällor
En snabb påminnelse? Vissa av dina rådatakällor är inte interna utan externa. Glöm inte dem.
Även de minsta företagen kan ha tillgång till tredjeparts betalningshanteringsfiler och transaktionslistor skapade av externa webbtjänster.
Skydda proprietära datakällor
Eftersom alla proprietära datakällor potentiellt har ett enormt värde, vill du givetvis noggrant skydda tillgången.
Nu betyder detta naturligtvis att du säkert vill lagra och regelbundet säkerhetskopiera data, men det är inte allt. Att skydda dina proprietära data innebär att du vill se till att data förblir proprietära och (kanske ännu mer) att eventuella insikter som finns i data förblir interna. Något att tänka på. . .