du har kanskje sett ulike mennesker bruker begrepene «rapportering» og «analyse» som om de var utskiftbare vilkår eller nesten synonymer. Mens begge disse områdene av webanalyse trekker på de samme innsamlede webdataene, er rapportering og analyse svært forskjellige når det gjelder formål, oppgaver, utganger, levering og verdi. Uten et klart skille mellom forskjellene, kan en organisasjon selge seg kort i ett område (typisk analyse) og ikke oppnå de fulle fordelene med sin webanalyseinvestering. Selv om jeg primært fokuserer på webanalyse, kan bedrifter løpe inn i samme utfordring med andre analyseverktøy (f.eks. annonsevisning, e-post, søk, sosial, etc.).
de fleste bedrifter har analyseløsninger på plass for å oppnå større verdi for sine organisasjoner. Med andre ord er det endelige målet for rapportering og analyse å øke salget og redusere kostnadene (dvs.legge til verdi). Både rapportering og analyse spiller roller i å påvirke og drive handlingene som fører til større verdi i organisasjoner.
i forbindelse med dette blogginnlegget går jeg ikke dypt inn i hva som skjer før eller etter rapporterings-og analysetrinnene, men jeg anerkjenner at begge områdene er kritiske og utfordrende trinn i den generelle datadrevne beslutningsprosessen. Det er viktig å huske at rapportering og analyse bare har mulighet til å være verdifull hvis de blir handlet på.
Formål
før vi dekker de ulike rollene for rapportering og analyse, la oss starte med noen definisjoner på høyt nivå av disse to nøkkelområdene i analysen.****
Rapportering: Prosessen med å organisere data i informative sammendrag for å overvåke hvordan ulike områder av en bedrift utfører.****
Analyse: prosessen med å utforske data og rapporter For å trekke ut meningsfull innsikt, som kan brukes til å bedre forstå og forbedre forretningsresultater.
__Rapportering oversetter rådata til informasjon. Analyse forvandler data og informasjon til innsikt. Rapportering hjelper bedrifter med å overvåke deres online virksomhet og bli varslet om når data faller utenfor forventede områder. God rapportering bør stille spørsmål om virksomheten fra sluttbrukerne. Målet med analysen er å svare på spørsmål ved å tolke dataene på et dypere nivå og gi praktiske anbefalinger. Gjennom prosessen med å utføre analyse kan du stille flere spørsmål, men målet er å identifisere svar, eller i det minste potensielle svar som kan testes. Oppsummert viser rapportering deg hva som skjer mens analysen fokuserer på å forklare hvorfor det skjer og hva du kan gjøre med det.
Oppgaver
Selskaper kan noen Ganger forveksle «analyse» med»analyse». For eksempel kan et firma være fokusert på det generelle analyseområdet (strategi, implementering, rapportering, etc.) men ikke nødvendigvis på det spesifikke aspektet av analysen. Det er nesten som noen organisasjoner går tom for gass etter de første oppsettrelaterte aktivitetene og ikke gjør det til analysefasen. I tillegg kan noen ganger linjene mellom rapportering og analyse uskarpe – det som føles som analyse er egentlig bare en annen smak av rapportering.
en måte å skille mellom om organisasjonen legger vekt på rapportering eller analyse, er å identifisere de primære oppgavene som utføres av analytics-teamet ditt. Hvis det meste av teamets tid blir brukt på aktiviteter som å bygge, konfigurere, konsolidere, organisere, formatere og oppsummere – det er rapportering. Analyse fokuserer på forskjellige oppgaver som å stille spørsmål, undersøke, tolke, sammenligne og bekrefte (jeg har utelatt testing da jeg ser optimaliseringsarbeid som en del av handlingsstadiet). Rapporterings-og analyseoppgaver kan være sammenflettet, men analyseteamet bør likevel vurdere hvor det tilbringer mesteparten av tiden. I de fleste tilfeller har jeg sett analyseteam bruke mesteparten av tiden sin på rapporteringsoppgaver.
Utganger
når du ser på rapporterings-og analyseleveranser, kan de på overflaten se like ut – mange diagrammer, grafer, trendlinjer,tabeller, statistikk, etc. Det er imidlertid noen subtile forskjeller. En av hovedforskjellene mellom rapportering og analyse er den generelle tilnærmingen. Rapportering følger en push-tilnærming, der rapporter skyves til brukere som deretter forventes å trekke ut meningsfull innsikt og ta passende tiltak for seg selv (dvs.selvbetjening). Jeg har identifisert tre hovedtyper av rapportering: hermetiske rapporter, oversikter og varsler.
- Hermetiske rapporter: Dette er ut-av-boksen og egendefinerte rapporter som du kan få tilgang til i analyseverktøyet, eller som også kan leveres regelmessig til en gruppe sluttbrukere. Hermetiske rapporter er ganske statiske med faste beregninger og dimensjoner. Generelt er noen hermetiske rapporter mer verdifulle enn andre, og en rapportens verdi kan avhenge av hvor relevant det er for en persons rolle (F.eks.
- Dashboards: Disse skreddersydde rapportene kombinerer Ulike Kpi-er og rapporter for å gi en omfattende oversikt over forretningsresultater på høyt nivå for bestemte målgrupper. Dashboards kan inneholde data fra ulike datakilder og er også vanligvis ganske statiske.
- Varsler: disse betingede rapportene utløses når data faller utenfor forventede områder eller noen andre forhåndsdefinerte kriterier er oppfylt. Når folk blir varslet om hva som skjedde, kan de iverksette nødvendige tiltak etter behov.
i kontrast følger analysen en pull-tilnærming, hvor bestemte data trekkes av en analytiker for å svare på bestemte forretningsspørsmål. En grunnleggende, uformell analyse kan oppstå når noen bare utfører en slags mental vurdering av en rapport og tar en beslutning om å handle eller ikke handle basert på dataene. Ved analyse med faktiske leveranser er det to hovedtyper: ad hoc-svar og analysepresentasjoner.
- Ad hoc svar: Analytikere mottar forespørsler om å svare på en rekke forretningsspørsmål, som kan bli spurt av spørsmål som rapporteringen reiser. Vanligvis er disse hasteforespørslene tidssensitive og krever en rask behandlingstid. Analytics-teamet må kanskje sjonglere flere forespørsler samtidig. Som et resultat kan analysene ikke gå så dypt eller bredt som analytikerne kan like, og leveransen er en kort og kortfattet rapport, som kanskje eller ikke inneholder noen spesifikke anbefalinger.
- analysepresentasjoner: Noen forretningsspørsmål er mer komplekse i naturen og krever mer tid til å utføre en omfattende dypdykkanalyse. Disse analyseprosjektene resulterer i en mer formell levering, som inkluderer to nøkkelseksjoner: viktige funn og anbefalinger. Hovedfunnsdelen fremhever de mest meningsfulle og handlingsbare innsiktene som er hentet fra analysene som er utført. Anbefalingsdelen gir veiledning om hvilke tiltak som skal tas basert på analysefunnene.
når du sammenligner de to settene med rapporterings-og analyseleveranser, vil de forskjellige formålene (informasjon vs. innsikt) avslor de sanne fargene til utgangene. Rapportering skyver informasjon til organisasjonen, og analyse trekker innsikt fra rapporter og data. Det kan være andre hybridutganger som annoterte dashbord (analyse sprinkler på en rapporteringsdoughnut), som kan synes å strekke seg over de to områdene. Du bør kunne avgjøre om en levering primært er fokusert på rapportering eller analyse av formålet (informasjon/ innsikt) og tilnærming (push/pull).
en annen viktig forskjell mellom rapportering og analyse er kontekst. Rapportering gir ingen eller begrenset kontekst om hva som skjer i dataene. I noen tilfeller har sluttbrukerne allerede den nødvendige konteksten for å forstå og tolke dataene riktig. Men i andre situasjoner kan publikum ikke ha den nødvendige bakgrunnskunnskapen. Kontekst er avgjørende for god analyse. For å fortelle en meningsfull historie med dataene for å drive bestemte handlinger, blir kontekst en viktig del av historien.
selv om de begge utnytter ulike former for datavisualisering i sine leveranser, er analyse forskjellig fra rapportering fordi den legger vekt på datapunkter som er signifikante, unike eller spesielle – og forklarer hvorfor de er viktige for virksomheten. Rapportering kan noen ganger automatisk markere viktige endringer i dataene, men det kommer ikke til å forklare hvorfor disse endringene er (eller ikke er) viktige. Rapportering kommer ikke til å svare på » så hva?»spørsmålet på egen hånd.
hvis du noen gang har hatt gleden av å være en ny forelder, vil jeg sammenligne hermetisert rapportering, oversikter og varsler til et seks måneder gammelt spedbarn. Det gråter-ofte høyt-når noe er galt, men det kan ikke fortelle deg hva som er akkurat galt. Foreldre må scramble for å finne ut hva som skjer (sulten, skitten bleie, ingen pacifier, tannkjøtt, trøtt, øreinfeksjon, Ny Baby Einstein DVD, etc.). Fortsetter foreldre metafor, rapportering er heller ikke til å fortelle deg hvordan du skal stoppe gråt.
anbefalingskomponenten er en viktig differensiator mellom analyse og rapportering, da den gir spesifikk veiledning om hvilke tiltak som skal utføres basert på nøkkelinnsikt som finnes i dataene. Selv analyseutganger som ad hoc-svar kan ikke drive handling hvis de ikke inkluderer anbefalinger. Når en anbefaling er gjort, er oppfølging et annet kraftig resultat av analysen fordi anbefalinger krever beslutninger som skal gjøres (go / no go / explore further). Beslutninger går foran handling. Handlingen foregår verdi.
Levering
som nevnt er rapportering mer en push-modell, hvor folk kan få tilgang til rapporter gjennom et analyseverktøy, Excel-regneark, widget eller få dem planlagt for levering til postkassen, mobilenheten, FTP-siden, etc. På grunn av kravene til å måtte gi periodiske rapporter (daglig, ukentlig, månedlig, etc. for flere personer og grupper blir automatisering et sentralt fokus i å bygge og levere rapporter. Med andre ord, når rapporten er bygget, hvordan kan den automatiseres for vanlig levering? De fleste analytikerne som jeg har snakket med, liker ikke manuelt å bygge og oppdatere rapporter regelmessig. Det er en jobb for roboter eller datamaskiner, ikke mennesker som fortsatt betaler studielån for 4-6 års høyere utdanning.
på den annen side handler analyse om mennesker som bruker sin overlegne resonnement og analytiske ferdigheter for å trekke ut nøkkelinnsikt fra dataene og danne handlingsbare anbefalinger for deres organisasjoner. Selv om analysen kan «sendes» til beslutningstakere, presenteres den mer effektivt person-til-person. I sin bok «Competing on Analytics» understreker Thomas Davenport Og Jeanne Harris viktigheten av tillit og troverdighet mellom analytiker og beslutningstaker. Beslutningstakere har vanligvis ikke tid eller evne til å utføre analyser selv. Med et» nært, tillitsfullt forhold » på plass, vil lederne ramme deres behov riktig, analytikerne vil stille de riktige spørsmålene, og lederne vil være mer sannsynlig å handle på analyse de stoler på.
Verdi
når det gjelder å sammenligne de ulike rollene rapportering og analyse, er det viktig å forstå forholdet mellom rapportering og analyse i drivverdi. Jeg liker å tenke på de datadrevne stadiene (data > rapportering > analyse > beslutning > handling > verdi) som en serie dominoer. Hvis du fjerner en domino, kan det være vanskeligere eller umulig å oppnå ønsket verdi.
i diagrammet» Sti Til Verdi » ovenfor begynner alt med å ha de riktige dataene som er fullstendige og nøyaktige. Det spiller ingen rolle hvor avansert rapportering eller analyse er hvis du ikke har gode, pålitelige data. Hvis vi hopper over» rapportering » domino, kan noen erfarne analytikere hevde at de ikke trenger rapporter for å gjøre analyse (dvs.bare gi meg raw-filene og en database). På individuell basis kan det være sant for noen mennesker, men det virker ikke på organisasjonsnivå hvis du streber etter å demokratisere dataene dine.
De fleste selskaper har rikelig rapportering, men kan mangle «analyse» domino. Rapportering vil sjelden iverksette tiltak på egen hånd, da analyse er nødvendig for å bidra til å bygge bro over gapet mellom data og handling. Å ha analyse garanterer ikke at gode beslutninger vil bli gjort, at folk faktisk vil handle på anbefalingene, at virksomheten vil ta de riktige handlingene, eller at lagene vil kunne utføre effektivt på de riktige handlingene. Det er imidlertid et nødvendig skritt nærmere handling og potensiell verdi som kan realiseres gjennom vellykket webanalyse.
Siste Ord
Rapportering og analyse går hånd i hånd, men hvor mye innsats og ressurser blir brukt på hvert område i din bedrift? Når jeg hører en klient sliter med å finne verdi fra deres webanalyseinvestering, betyr det vanligvis at en av dominoene i» Vei Til Verdi » mangler, og ofte er analysen den feilplasserte domino.
jeg møtte nylig en stor medieklient som fant at den manglet sin analyse domino. Webanalyseteamet strevde med å oppfylle kravene til strategi, implementering og rapportering i denne store, komplekse organisasjonen – langt mindre med å levere analyser utover bare ad hoc-svar. Toppledelsen ble stadig mer frustrert med sine analytics ansatte og system. Heldigvis mottok webanalyseteamet ytterligere budsjett for antall ansatte og hyret en analytiker til å utføre dypdykkanalyser for alle sine hovedproduktgrupper og drive handlingsbare anbefalinger. Ikke overraskende gjorde holdningen til ledende ansatte en 180-graders sving kort tid etter at selskapet fant sin manglende analyse domino.
du lurer kanskje på hvor mye tid analytikerne dine bør bruke på analyse. Som en tommelfingerregel vil jeg si at minst 25% av tiden deres skal brukes på analyse, og generelt jo mer jo bedre. Overraskende er 100% ikke ønskelig heller fordi det er mange viktige ansvarsområder som trengs for å holde et analyseprogram flytende, for eksempel rapportering, samling av forretningsbehov, opplæring, dokumentasjon og kommunikasjon av suksesser, etc. Jeg håper etter å ha lest denne artikkelen at du i det minste innser at 0% av tiden er uakseptabel. Hvis din bedrift ikke gjør mye analyse i dag, eksperimentere med et 10% fokus på analyse og se hvilken suksess du har derfra. I tillegg er vårt konsulentteam alltid villig til å hjelpe med dine analysebehov. Lykke til!