Данные — они везде. Продажи, закупки, посетители на сайте, характеристики процессов... Я могу продолжать и продолжать этот список.

Парадокс, но чем более доступны данные, тем их хуже анализируют. Доступность и очень близкий в данном контексте синоним — открытость, девальвируют ценность данных.

Как с этим бороться? В конце поста я приведу три рекомендации по работе с доступными данными.

Вот первый пример. Возьмем любую систему веб-статистики. Google Analytics, Яндекс Метрика, Liveinternet и другие дают пользователям десятки уже готовых отчетов. Эти возможности дополнены еще функционалом создания индивидуальных отчетов, разрезов (сегментов), настраивания целей. «Вау, возможности безграничны!», — думает каждый новый владелец аккаунта.

И что же получаем на выходе?

Обычно — многостраничные отчеты с графиками и расчетами, которые не дают понимания глубинных причин взаимосвязей.

Второй пример — открытые данные статистических служб мира. По моему опыту работы в нашей исследовательской компании Research.Techart, отношение аналитиков (людей, выполняющих анализ данных) к этим данным двойственно.

[Конечно, к любой государственной статистике, тем более Росстата, стоит относиться весьма критически. Например, китайская служба выдает со статистически неправдоподобной частотой «круглые» показатели с нулем и пятью десятыми в дробной части].

В начале работы над новой темой официальные данные часто помогают определить направления для дальнейшего исследования.Потом им в отчете уделяется весьма скромное место. Обычно все сводится к трансляции простейших таблиц и выборок. И логика здесь простая: эти данные открыты и доступны. Значит для покупателя и заказчика они не представляют большую ценность. Но за этими цифрами стоит большой труд по переписи людей, предприятий и организаций, их характеристик.

Почему доступность данных и качество их анализа имеют отрицательную корреляцию?

По моему опыту, здесь есть две основные причины.

1. Эйфория от доступа к большому массиву данных. Обычная реакция аналитика на большой массив — начинать с ним разбираться, делать выборки, выявлять доступные значения и их разброс, создавать новые поля.

Все мы любим «поиграть» с данными, неправда ли?

Только в одном из десяти случаев аналитик сначала досконально разберется с тем, что же означают приводимые показатели, каковы их взаимосвязями и как они были получены. Еще в одном случае из десяти он это сделает впоследствии. В остальных случаях обращение к мануалу происходит по мере необходимости. Т. е. по мере выявления ошибок в расчетах, отчетах.

2. Отсутствие четких целей. Когда аналитик сам скрупулезно собирает по зернам данные... Или, конечно, просит кого-то это сделать :)... В любом случае он, во-первых, хорошо понимает их глубинную сущность и всевозможные оговорки. Во-вторых, он часто имеет представление, как эти данные будут использоваться.

Собирать данные без понимания их последующего использования — это особая тема и особое преступление перед своей компанией. Собирать данные для архива, чтобы сделать один отчет, «чтобы было». Настаиваю, что каждая из этих формулировок по-своему преступна. Услышав ее, сделайте все, что в ваших силах, чтобы остановить бесцельную трату времени на сбор данных. Они вряд ли принесут пользу в будущем.

Доступные данные — это изначально данные, собранные без твоего участия, и без учета твоих целей! Поэтому они не настолько бесплатны — ты должен заплатить временем и усилием для того, чтобы их понять.

3 совета по работе с доступными данными

##1. Не подстраивайте свои цели под доступные данные
Если вы уже задали хорошие и правильные бизнес-вопросы к данным, не стоит их ослаблять только по той причине, что нет таких доступных данных. Очень часто намного больший эффект даст сохранение вопроса и дополнительные инвестиции в модификацию данных.

Например, ни одна из систем веб-статистики не умеет работать с концепцией жизненной ценности клиента (Lifetime value, LTV). Не умеет, и вряд ли в ближайшем будущем научится с достаточной степенью достоверности.

Допустим, ваша компания уже готова к этой трансформации мышления и переходу на LTV. Это само по себе похвально, и наверняка вы вот-вот победите всех своих конкурентов. Отказываться от LTV лишь потому, что Яндекс.Метрика или Google Analytics не умеют с ним работать, очень глупо.

Так зачем же ставить себя в зависимость от состава доступных в других случаях? Правильно, не стоит.

2. Разберитесь последовательно со значениями всех показателей

У вас есть 50, 100, 500 различных показателей, вы видите данные впервые. Какими бы ни казались однозначными, простыми, интуитивно понятными показатели, потратьте 30 минут и прочитайте сопровождающее описание. Эти полчаса на периоде работ в дни, недели и месяца позволят вам сэкономить уйму времени.

Не ставьте перед собой цель запомнить все!

Описания содержат какую-либо понятную структуру. Речь, конечно, про хорошие описания. Так вот, ознакомьтесь с этой структурой, чтобы для начала хотя бы знать, где что искать.

3. Уделите время поиску описания кейсов использования данных

Данные доступны, и, скорее всего, вы не первый, кто работает с ними! Наверное, в интернете уже вас ждут красивые и содержательные истории успеха других сотрудников и пока не знакомых вам людей.

Следуя этим трем простым советам, вы избавите себя от многих проблем и ограничений, связанных с доступными данными.

Были ли полезны эти советы? Можете что-то добавить? Есть истории успеха в работе с доступными данными?

Жду ваших комментариев. Спасибо за уделенное прочтению поста время.

Впервые опубликовано: blog.datasense.ru/view/Dostupnost-glavnyj-vrag-dannyh, в 2014 году

1 февраля (утром 2 февраля по московскому времени) в Глендейле, Аризона состоится очередная игра Супер Боул. Это финальная игра сезона Национальной футбольной лиги США. В этом году звание чемпиона будут оспаривать победитель прошлого года, команда «Сиэтл Сихокс» («Ястребы») и «Нью-Ингленд Пэтриотс» («Патриоты»).

Супер Боул — это не только матч, красочное шоу и почти национальный праздник в США. Это еще и большой тотализатор. В этом году в букмекерских казино штата Невада, а это единственные легальные пункты приема ставок на игру, было поставлено в сумме около 100 миллионов долларов. Ресурс Bettingexpert оценивает объем нелегальных ставок в четыре миллиарда долларов.

Игроки на ставках при выборе своего фаворита руководствуются различными соображениями. Одни полагаются на интуицию, вторые читают все сообщения про форму команд. Третьи используют подход, основанный на данных.

В круг сторонников дата-подхода входит и Шираз Азиф (Shiraz Asif). В статье Шираз предлагает алгоритм, позволяющий сравнить характеристики команд-финалистов. Хотя подход автора намного более простой по сравнению с алгоритмами главных героев фильма Moneyball, он имеет хорошие шансы на успех из-за особенностей американского футбола. Также в статье показывается пример работы с облачным сервисом BigQuery от Google.

Прогноз на игру состоит из трех этапов:

1. C сайта ESPN выгружается статистика команд в сезоне 2014-2015 года. Она состоит из трех файлов: статистика нападения, статистика защиты и дополнительных показателей. Игра в нападении и защите характеризуется четырьмя парами показателей. Каждая пара состоит из показателя за сезон и среднего за игру. Эти пары:
   — пройденные ярды;
   — дальность выполненных передач;
   — пронесенные ярды (игрок пробегает дистанцию с мячом в руках);
   — набранные за игру очки;
   — плюс два специальных показателя — забитые и пропущенные полевые (удар наносится ногой с места или с полулета) голы.

2. Данные загружаются в BigQuery. Это можно сделать тремя разными способами. Наиболее доступный и демократичный из них — прямая загрузка файла в формате CSV/JSON.

3. В BigQuery работа с данными аналогична SQL. Например, чтобы вывести список команд, отсортированный по общей сумме ярдов, пройденных в нападении, нужно выполнить запрос

SELECT team, yds FROM [superbowl2015.offense] order by yds DESC

Выполним следующий запрос.

SELECT team,
      rank() OVER (ORDER BY yds DESC) rk_yds,
      rank() OVER (ORDER BY yds_g DESC) rk_yds_g,
      rank() OVER (ORDER BY pass DESC) rk_pass,
      rank() OVER (ORDER BY pass DESC) rk_p_yds_g,
      rank() OVER (ORDER BY pass DESC) rk_rush,
      rank() OVER (ORDER BY pass DESC) rk_r_yds_g,
      rank() OVER (ORDER BY pass DESC) rk_pts,
      rank() OVER (ORDER BY pass DESC) rk_pts_g,
      FROM [superbowl2015.offense] WHERE
      team='Seattle' or team='New England' LIMIT 1000

Его результат.

По шести показателям из восьми в нападении Патриоты опережают Ястребов. Если убрать по одному избыточному показателю из каждой пары показателей, можно сказать, что это раунд Ястребы выигрывают со счетом 3 балла против 1.

Результат аналогичного запроса для анализа защитных характеристик: 0:4 в пользу Ястребов.

По двум специальным показателям счет оказался 1:2 опять же в пользу Ястребов (в сумме получается три, поскольку один из показателей у команд идентичен, и в этом случае каждой из них был присвоен один балл).

Простым сложением всех баллов автор получил результат 4:7 за Ястребов. Довольно убедительная победа. Этот результат соотносится с распространенным мнением, что в американском футболе выигрывает команда с лучшей защитой.

В букмекерских конторах шансы команд оцениваются почти как равные, и коэффициенты на победу каждой из команд близки к двум.

Подводя итог этому нехитрому анализу, автор задает вопрос, достаточны ли эти данные для точного предсказания победителя? Нет. Как и в бизнесе, полученные результаты нужно рассматривать как сигнал, определенный фон и направление для действий. Системы принятия решений, жестко основанные только на данных, обречены. Равно как и компании, которые их не анализируют. Наиболее успешный подход — рассматривать результаты как хорошее дополнение для собственных идей и видения.

Возвращаясь к матчу, фаворитом мы будем считать Ястребов. А как все получится на самом деле, мы увидим уже завтра.

Впервые опубликовано blog.datasense.ru/view/super-boul-2015-sravnivaem-komandy, 30 января 2015 года

Вы знаете, что такое CRM-системы (customer relationship management), или системы управления взаимоотношениями с клиентами. Правильно, это программные средства, которые хранят историю взаимодействия с клиентами. Разработчики утверждают, что благодаря знанию истории вы сможете легко оптимизировать маркетинг, повысить лояльность и, в конечном счете, заработаете много денег.

На практике это не всегда так. Всегда не так. Сколько бы денег ни заплатила компания за новомодную CRM-систему, нет никакой гарантии не то чтобы дополнительной прибыли, а и в принципе выхода в ноль. То есть гарантии того, что на выходе вы будете иметь хотя бы столько же, сколько тратите на поддержку в актуальном состоянии информации.

Почему так происходит?

МНОГО — НЕ ЗНАЧИТ ХОРОШО

Перед ответом на этот вопрос нужен рассказ о ландшафте вендоров CRM и отношении к лояльности клиентов в маркетинге.

В мире больше 1000 различных вендоров CRM-систем. Десктопных и облачных. Последние не требуют никакой инфраструктуры, кроме подключения к интернету. С ними вы можете начать работать уже завтра.

Подобное число решений должно настораживать даже при учете того факта, что барьер входа на рынок низкий. Программист может написать приемлемое решение за считанные дни. Уже через неделю — начать его продавать.

Задумайтесь: сколько вы знаете текстовых процессоров типа Microsoft Office Word? — Единицы. — А сколько таск-менеджеров? — Окей, десятки, может, несколько сотен. — Но не тысячи. Тысяча разных решений — это симптом болезни.

В этой цифре никак не учтены самописные решения. Например, мы в «Текарте» используем самописное решение, которое обеспечивает наилучшую совместимость с остальным программным ландшафтом наших рабочих инструментов.

А еще есть Microsoft Office Excel. Универсальная система и для CRM, и для бухучета, и для решения еще многих задач бизнеса.

ОТНОШЕНИЯ С КЛИЕНТАМИ В СОВРЕМЕННОМ МАРКЕТИНГЕ

CRM-системы стали модным трендом 4-5 лет назад в России. Что способствовало ажиотажу?

Во-первых, компании получили в виде интернета суперканал для воздействия на клиентов. Канал дешевый и общедоступный. Но на фоне роста стоимости привлечения новых клиентов бизнес понял, что большой потенциал заключен в базе уже существующих партнеров. Опрос от IBM директоров по маркетингу в 2015 году показал, что своим приоритетом они считают лояльность клиентов.

Поэтому нужно читать Карла Сьюэлла, решать проблемы клиентов и аккуратно двигать их к повторным покупкам. Аккуратно. Сделать все, чтобы клиенты рекомендовали вас своим друзьям.

Замечание относится как к b2c, так и к b2b, где работают те же правила и человеческие эмоции.

Во-вторых, сегодня маркетинг переживает стадию информатизации. На пике популярности data-driven подход. В соответствии с ним решения бизнес принимает не столько на основании идей маркетологов, сколько на основании данных и знаний, выжатых из данных. Гибкая аналитика, мощное прогнозирование, расчеты KPI.

Классический пример: по данным Gartner, к 2017 году затраты директоров по маркетингу на IT-системы превысят затраты директоров по информационным технологиям. Вы себе представляете обратную картину? Чтобы ваши админы пришли и попросили бюджет на сувенирную продукцию и рекламу больший, чем у отдела маркетинга.

И так получилось, что CRM-системы оказались на пересечении этих двух маркетинговых мегатрендов: поисков лояльности и маркетинга, основанного на данных. Мало того, они относительно дешевы, но при этом претендуют на решение массы проблем бизнеса. Не 80% успеха за 20% затрат, конечно. Но 40%-15% соответственно — вполне себе реальные цифры.

ПРОБЛЕМЫ ВНЕДРЕНИЯ

Почему же так много сделано CRM-систем? Почему пользователи недовольны текущими решениями, и все новые стартапы стремятся ответить на этот вызов?

У меня шесть аргументов. Я выношу за скобки седьмой аргумент — ужасный дизайн и UI с множеством лишних кликов. Сегодня на рынке представлено достаточное число решений, которые и красивы, и более-менее удобны. Итак, аргументы.

1. Много функций

Как правило, CRM из коробки — это «кухонный комбайн», который ориентирован сразу на все типы бизнеса: от работы флориста до продажи квартир в новостройке. Они сразу рассчитаны на слишком широкую аудиторию и разнообразные бизнес-процессы.

Почему это минус? Дело в том, что если мы не пользуемся большинством функций какого-либо устройства, которые в нем заложены, оно становится для нас непонятным и мы относимся к нему с недоверием.

Например, современные телевизоры с их кучей настроек.

Вы знаете все функции вашего телевизора?

Когда вы в последний раз меняли на них контраст? Раньше, в черно-белых телевизорах, это было необходимостью, поскольку принимаемый сигнал был нестабильным. Сегодня, в 2016 году эта функция бесполезна, потому что все подключены к кабелю или спутнику, а у многих телевидение цифровое. И неиспользуемых настроек, подобных контрасту, в современных телевизорах море. Мне не нравятся современные телевизоры, поскольку я не использую абсолютное большинство их функций.

Или, например, системы охранной сигнализации машин, в которых на 4 кнопки назначены десятки разных функций и режимов. Серьезно, вы ими всеми пользуетесь?

На контрасте хороший предмет — электрический чайник, у которого всего одна функция, вынесенная на органы управления. Неплоха и мультиварка, поскольку практически все кнопки используются при готовке.

Удачные с точки зрения числа функций кухонные приборы

Отчасти этой простотой я объясняю и успех продуктов Apple. У них намного меньше функций и возможностей настроек, чем в Android. Классика жанра — iPod Shuffle. С одной стороны, для любителей настроек подход Apple ограничивает свободу, но, с другой стороны, делает продукты более понятными. Это не такое большое преимущество, по сравнению со скоростью и дизайном, но тем не менее вносит свой скромный вклад.

В CRM, поскольку они рассчитаны на слишком широкую аудиторию и разнообразные бизнес-процессы, всегда будут избыточные функции. И поэтому у людей они вызывают недоверие, это снижает мотивацию, люди несчастны.

2. Много полей

Перекликающаяся с предыдущей причина — избыточность полей.

Кто-то серьезно загружает фото представителей клиента? Ну, наверно, если клиентов мало и они на вес золота.

Загружаете фото клиентов? У вас либо мало клиентов, либо много свободного времени

Но в среднем по больнице, как бы ни было продумано каждое из полей, они не будут заполнены. Особенно, если оператор не понимает, как эта информация будет в дальнейшем использоваться и будет ли использоваться вообще.

В контексте первых двух аргументов: неплохая проектная вакансия в компаниях, внедряющих CRM, — уничтожитель лишних полей и функций.

3. Быстрый старт

Вы читаете мануалы или блоги разработчиков CRM-систем. Нет? Сами во всем разберетесь?

Хорошо, но сначала рекомендую прочитать статью Джина Маркса (Gene Marks), известного на Западе специалиста по CRM. Она называется 11 Terrible CRM Systems For Your Company («11 ужасных CRM-систем для вашего бизнеса»). В ней автор дает краткое описание 11 топовых решений и делает вывод, что неправильное внедрение любой из них будет для бизнеса губительным.

В статье есть хорошее сравнение, что компания, только что купившая CRM, напоминает ребенка с оружием. В этом оружии очень легко найти спусковой механизм. Вам начинает казаться, что вы все сможете сами. Но поскольку у вас нет никакой подготовки, результат, скорее всего будет плачевным.

Мы думаем, что правильно ими пользуемся, но, на самом деле, применяем CRM-системы часто совершенно неправильным образом.

4. Не будем обращаться к профессионалам

Эта легкость нахождения спускового механизма мешает нам прибегнуть к услугам профессионалов. Рынок CRM-систем складывается из покупки лицензий и услуг по внедрению. Причем внедрение не всегда осуществляет разработчик решения. В России доля услуг внедрения вдвое меньше чем в мире — 40% против 80%, и этим все сказано.

Сравнительно старое, но актуальное сравнение доли услуг внедрения на рынке CRM

5. Неотработанные процессы

Еще одно негативное следствие быстрого старта. Любой порядочный консультант перед покупкой дорогостоящего решения убедит вас отработать все процессы. По крайней мере, описать. Обязательно, если это SAP. Предварительное ручное тестирование помогает очертить список функций, режимов, атрибутов, и это серьезно повышает эффективность внедрения.

Мы же норовим всегда поставить телегу впереди лошади. Иногда это работает. В CRM-системах, как правило, нет.

6. Аккаунтинг, а не отношения

Большинство компаний в направлении CRM-систем останавливаются на уровне аккаунтинга, погрязая в заполнении сотен полей. Ни о каком продуманном общении с клиентами речь не идет — разобраться бы с матчастью.

Лояльный клиент — это ваш друг. Представьте, что вы не будете проявлять инициативу в коммуникации с друзьями. Что случится?

А что случится, если вы пригласите сразу все свои контакты собраться на одну вечеринку? Кому-то ближе рестораны и боулинг, кому-то походы и рыбалка. Вряд ли из этой идеи выйдет что-то стоящее. Без сегментации наши коммуникации выглядят немного странными. А почему мы тогда рассылаем наши рекламные email сразу по всей базе контактов?

Наконец, аналитика. Не определив, насколько у вас было удачным предыдущее общение, вы вряд ли сможете его улучшить в будущем.

Можно ли без продуманной коммуникации повысить лояльность клиентов? Конечно, можно, делая отличный продукт и предлагая уникальные условия. Но качественный клиентский сервис и коммуникации как его компонент — это один из самых простых путей.

КАК ИЗБЕЖАТЬ ПЕРЕЧИСЛЕННЫХ ПРОБЛЕМ?

Первое. CRM нужно внедрять. Под видимой простотой скрываются сложные процессы. Внедрению должен предшествовать этап тестирования. Коробочные решения подойдут, если у вас совсем простой бизнес. В обратном случае вы будете проверять на прочность счастье сотрудников и их мотивацию. Конечно, бывают исключения, но это замечание — про общий тренд.

Второе. Если вы не проводите маркетинговые кампании по клиентской базе, чтобы повысить лояльность своих клиентов, вы используете CRM на 10%. Это логирование, а не построение отношений.

Третье. Помните, что клиент — ваш друг. Будь то b2c или сотрудник компании-клиента в b2b.

Ценность этой дружбы на фоне негативной экономической ситуации только растет. Друзья познаются в беде, вы же помните об этом? Конечно, как и в дружеских отношениях, встречаются те, кто будет вас постоянно теребить, не требуя обратной инициативы. Но большинство людей не такие. Нам всем нужно внимание.

Впервые опубликовано: blog.techart.ru/crm-problems/, в 2016 году
Основано на презентации (4 MB, pdf) на cеминаре 5 декабря 2014 года