Data dreven - is og drukneulykker har solskinstimer som fælles datasæt webanalyse

Data dreven erstatter ikke forretningsforståelse


Eller spørgsmålet om der er sammenhæng mellem is og drukneulykker – et indlæg om data dreven forretningsforståele

Jeg er så heldig, at jeg gennem årene har set på spandevis af webdata, rapporter og analyser. Der findes ikke ret mange brancher som jeg ikke har været involveret i, hvilket har givet lidt stof til eftertanke.

Hvis man tager en tur på de forskellige jobmarkeder og kigger hvad der er hype omkring, vil du kunne se at “data dreven” er et af de mest anvendte termer lige nu. Det at kunne tage beslutninger på baggrund af data er det nye sort, hvilket jeg til dels godt forstår. Jeg elsker selv at grave mig ned i tal og er stor fan af at finde mønstre, men jeg kan mærke metaltrætheden snige sig ind, når tallene for lov til at overskygge sund fornuft. Så det at være data dreven er ikke en kvalitet i sig selv, hvis det ikke kombineres med andre evner. 

Webanalyse og forretningsforståelse bør gå hånd i hånd

Alt for ofte er analyserne ramt af manglende forretningsforståelse, eller for nogen af os det man kalder sund fornuft. Jeg var for nylig ude at holde et oplæg omkring “praktisk webanalyse” i Jylland, hvilket efterfølgende har givet anledning til meget god dialog med flere af deltagerne. Jeg brugte på intet tidspunkt vendingen “data dreven”. Især et slide havde gjort at en af deltagerne var gået hjem og genanalyseret på data, da deltageren var sikker på at der manglede elementer i deres analyse.

Som et eksempel på at for mange laver en korrelation der er for simpel, viste jeg først dette slide:

Er is skyld i drukneulykker?

 

Ved første øjekast kan der sagtens være en korrelation mellem spiste is og drukneulykker, men man kan jo ikke drage konklusionen at det så er farligt at spise is. Men så viste jeg det næste slide:

Når de rigtige metrics er på

Det viser jeg så ved at putte den sidste graf på, hvilket giver en ekstra dimension på historien. Når solen skinner meget går vi mere i vandet og spiser flere is … det kan vi alle regne ud, men problemet kommer når det er datasæt med lidt større kompleksitet. Havde man kun haft en data dreven tilgang ville den sidste akse måske ikke være tilføjet.

At finde “solskinstimerne” i sin egen virksomhed

Den nævnte virksomhed havde lavet en analyse af deres betalte aktiviteter (PPC) og deres lead generering på websitet, hvilket var en nedadgående kurve med en forhøjet CPO. Det undrede dem meget og jeg kiggede ganske kort på deres analytics tal. Efter at have sammenlignet adfærd over en længere periode kunne jeg ikke finde en årsag dertil, så jeg tog en tur i Wayback machine og fandt en interessant ændring. De havde på deres website gjort deres tlf.nr meget mere tydeligt, med en klar call to action om at ringe. Jeg spurgte derfor virksomheden om de havde fået flere opringninger det sidste stykke tid? Det kunne analytikeren ikke svare på umiddelbart, men en uge efter vendte de tilbage og kunne fortælle at deres opringninger var steget betragteligt – også med new biz.

Deres “solskinstimer” lå altså i at spore antallet af opringninger, hvilket relativt nemt kan gøres med call tracking. Jeg brugte højst 30 minutter på at finde en anden dimension, som gjorde at de ikke fejlagtigt skar ned på deres vigtige PPC aktiviteter.

Forsat god (data dreven) sommer og nyd du bare en is

Her skulle have været en morale, men der er ikke nogen. Det er blot et eksempel på at hvis dem der laver analyserne er stærkt inde i forretningen, så ender man med analyser der er forretningsdrevne, frem for data drevne. Det kræver muligvis at analytikerne ikke er parkeret i et kontor uden det store touchpoint med resten af virksomheden. Så gør hvad i kan for at klæde jeres analytikere på med en stor forretningsforståelse, for så kommer det ikke kun til at handle om tal og datakvalitet.

Ovenstående blev oprindeligt udgivet på LinkedIn pulse – men flyttet på bloggen.


Leave a Comment

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *