Indholdsfortegnelse:
- Overvej dit arbejde en søgning efter begravet skat
- Indsaml flere data
- Opret flere data
- Kør regelmæssigt eksperimenter
- Gå stort (med datasæt og dine prøver)
- Del ikke dataanalyse
- Affaldstid hælder over meningsløse data
- Inventar interne datakilder
- Byg et bibliotek med eksterne rå datakilder
- Beskyt proprietære datakilder
Video: Philip Evans: How data will transform business 2024
Vil du få mest muligt ud af din analyse af Excel-data? Her er ti hurtige tips til at arbejde effektivt og effektivt med store data.
Overvej dit arbejde en søgning efter begravet skat
Du skal se dataanalyse som en proces svarende til at kigge efter begravet skat.
Data minedrift ligner med andre ord guldminedrift. Du punderer dig gennem dataene eller siver gennem granulariteten på jagt efter værdifulde nuggets. Denne indsats kan være omhyggelig og kedelig.
Men med udholdenhed og lidt held skal du ofte (vil ofte?) Kunne finde værdifuld indsigt i både muligheder og trusler, som du ellers ville have savnet.
Du vil og skal huske det.
Indsaml flere data
Du skal indsamle flere data … og derefter være god til at gemme og gemme de data, du samler.
I ord ord må du ikke glemme eller uforsigtigt tabe eller fjollet smide de data, vi allerede har indsamlet eller har. Disse data kunne være uvurderlige. Og hvis det ikke er uvurderligt i dag, hvem ved det? Det kan være på et tidspunkt i fremtiden.
Face it. Jo rigere datasættet er, desto bedre er chancerne for, at en kølig indsigt vil springe ud på dig.
Opret flere data
Arbejde for at oprette flere data.
Okay, det lyder måske dumt. Men i nogle tilfælde kan nyttige data skabes meget økonomisk.
Her er et simpelt eksempel: Hvis du driver en virksomhed, spørg klienter, hvordan de kom for at finde dig. Du får stor indsigt i din marketingindsats som følge heraf.
Du har sikkert andre interessante måder at oprette flere data på.
Kør regelmæssigt eksperimenter
Datafremstillingsmetoder som eksperimentering via AB-test og pilotundersøgelser kan økonomisk give data af ekstraordinær værdi.
For eksempel beskriver forfatter Timothy Ferris i sin bestsellingbog, The Four Hour Workweek , at bruge betaling pr. Klik s for at måle produktets gennemførlighed. Det er en god ide, og en der sandsynligvis i mange tilfælde resulterer i mere nøjagtige analytiske konklusioner end en fokusgruppe.
Gå stort (med datasæt og dine prøver)
Hvis du har lært om statistikker i alderen 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 virkelig smukt uforklarligt. I dag skal du arbejde med store datasæt. Når det er muligt, "gå stort" og brug store eller større datasæt og prøver.
Del ikke dataanalyse
Ud fra mange ledere eller virksomhedsejere har perspektivet måske en god tilgang til at få en rigtig god dataanalyse udført.
Men hvis du snakker med de mennesker, der laver masser af dataanalyse, er det meget sandsynligt at høre, at hvad du virkelig vil 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 gøre dette arbejde, er de mennesker, der sandsynligvis ikke har tid til at gøre det.
Måske burde du bare gøre dataanalysen selv, hvis du er den store Pooh-Bah.
Tænk igen på dette arbejde som beslægtet med minedrift for begravet skat. De indblik du måske vil afdække kunne være enormt værdifuldt. Så godt som nogle unge buck eller unge doe kan være, vil du sikkert ikke have, at de savner nogle enestående mulighed eller en potentielt katastrofal trussel, fordi de mangler erfaring eller endnu ikke har fuldt udviklede strategiske tænkningsfærdigheder.
Affaldstid hælder over meningsløse data
Her er en dum idé. Måske skal du til tider spilde tid på at hælde over tilsyneladende meningsløse data: tværgående tabuleringer af tidsstemplede salgskvitteringer, analysedata fra din hjemmeside, tredjeparts transaktionslogfiler og så videre.
Du ved aldrig, hvad du finder. Og nogle gange kan de bedste indsigter komme fra de mest overraskende steder.
Inventar interne datakilder
En husholdningsartikel: Du vil sandsynligvis opbevare en oversigt over interne datakilder. Og listen skal sandsynligvis omfatte mere end blot regnskabssystemet og dine webservers analysefiler. Der findes alle mulige interessante data, når du begynder at tænke på det. Og nogle af disse ting vil gå tabt eller blive glemt, hvis du ikke er forsigtig.
Byg et bibliotek med eksterne rå datakilder
En hurtig påmindelse? Nogle af dine rå datakilder er ikke interne, men eksterne. Glem ikke om dem.
Selv de mindste virksomheder kan få adgang til tredjeparts betalingsbehandlingsfiler og transaktionslister oprettet af eksterne webtjenester.
Beskyt proprietære datakilder
Da alle proprietære datakilder potentielt har en enorm værdi, vil du naturligvis forsigtigt beskytte aktivet.
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 i dataene forbliver intern. Noget at tænke på …