du har måske set forskellige mennesker bruge udtrykkene “rapportering” og “analyse”, som om de var udskiftelige udtryk eller næsten synonymer. Mens begge disse områder af internetanalyse trækker på de samme indsamlede internetdata, er rapportering og analyse meget forskellige med hensyn til deres formål, opgaver, output, levering og værdi. Uden en klar sondring af forskellene kan en organisation sælge sig selv kort på et område (typisk analyse) og ikke opnå de fulde fordele ved sin internetanalyseinvestering. Selvom jeg primært fokuserer på internetanalyse, kan virksomheder løbe ind i den samme udfordring med andre analyseværktøjer (f.eks.).
de fleste virksomheder har analyseløsninger på plads for at få større værdi for deres organisationer. Med andre ord er det ultimative mål for rapportering og analyse at øge salget og reducere omkostningerne (dvs.tilføje værdi). Både rapportering og analyse spiller roller i at påvirke og drive de handlinger, der fører til større værdi i organisationer.
med henblik på dette blogindlæg går jeg ikke dybt ind i, hvad der sker før eller efter rapporterings-og analysestadierne, men jeg erkender, at begge områder er kritiske og udfordrende trin i den overordnede datadrevne beslutningsproces. Det er vigtigt at huske, at rapportering og analyse kun har mulighed for at være værdifulde, hvis de bliver handlet på.
formål
før vi dækker de forskellige roller i rapportering og analyse, lad os starte med nogle definitioner på højt niveau af disse to nøgleområder inden for analyse.****
rapportering: Processen med at organisere data i informationsoversigter for at overvåge, hvordan forskellige områder af en virksomhed udfører.****
analyse: processen med at udforske data og rapporter for at udtrække meningsfuld indsigt, som kan bruges til bedre at forstå og forbedre forretningsresultater.
__rapportering oversætter rådata til information. Analyse omdanner data og information til indsigt. Rapportering hjælper virksomheder med at overvåge deres online forretning og blive advaret om, når data falder uden for forventede intervaller. God rapportering bør rejse spørgsmål om virksomheden fra sine slutbrugere. Målet med analysen er at besvare spørgsmål ved at fortolke dataene på et dybere niveau og give handlingsrettede anbefalinger. Gennem processen med at udføre analyse kan du rejse yderligere spørgsmål, men målet er at identificere svar, eller i det mindste potentielle svar, der kan testes. Sammenfattende viser rapportering dig, hvad der sker, mens analysen fokuserer på at forklare, hvorfor det sker, og hvad du kan gøre ved det.
opgaver
virksomheder kan undertiden forveksle “analytics” med “analyse”. For eksempel kan et firma være fokuseret på det generelle analyseområde (strategi, implementering, rapportering osv.) men ikke nødvendigvis på det specifikke aspekt af analysen. Det er næsten som om nogle organisationer løber tør for gas efter de indledende opsætningsrelaterede aktiviteter og ikke kommer til analysestadiet. Derudover kan linjerne mellem rapportering og analyse undertiden sløre – hvad der føles som analyse er egentlig bare en anden smag af rapportering.
en måde at skelne mellem, om din organisation lægger vægt på rapportering eller analyse, er ved at identificere de primære opgaver, der udføres af dit analyseteam. Hvis det meste af holdets tid bruges på aktiviteter som opbygning, konfiguration, konsolidering, organisering, formatering og opsummering – det er rapportering. Analyse fokuserer på forskellige opgaver såsom at stille spørgsmålstegn ved, undersøge, fortolke, sammenligne og bekræfte (jeg har udeladt test, da jeg ser optimeringsindsats som en del af handlingsfasen). Rapporterings-og analyseopgaver kan være sammenflettet, men dit analyseteam skal stadig evaluere, hvor det bruger størstedelen af sin tid. I de fleste tilfælde har jeg set analyseteams bruge det meste af deres tid på rapporteringsopgaver.
output
når man ser på rapportering og analyse leverancer, på overfladen, de kan se ens – masser af diagrammer, grafer, trend linjer, tabeller, statistik, etc. Der er dog nogle subtile forskelle. En af de største forskelle mellem rapportering og analyse er den overordnede tilgang. Rapportering følger en push-tilgang, hvor rapporter skubbes til brugere, der derefter forventes at udtrække meningsfuld indsigt og tage passende handlinger for sig selv (dvs.selvbetjening). Jeg har identificeret tre hovedtyper af rapportering: dåse rapporter, dashboards og advarsler.
- dåse rapporter: Dette er de brugerdefinerede rapporter, som du kan få adgang til i analyseværktøjet, eller som også kan leveres gentagne gange til en gruppe slutbrugere. Hermetiske rapporter er ret statiske med faste målinger og dimensioner. Generelt er nogle dåse rapporter mere værdifulde end andre, og en rapports værdi kan afhænge af, hvor relevant det er for en persons rolle (f.eks.
- Dashboards: disse skræddersyede rapporter kombinerer forskellige KPI ‘ er og rapporter for at give et omfattende overblik over virksomhedens resultater på højt niveau for specifikke målgrupper. Dashboards kan indeholde data fra forskellige datakilder og er normalt også ret statiske.
- advarsler: disse betingede rapporter udløses, når data falder uden for forventede intervaller, eller nogle andre foruddefinerede kriterier er opfyldt. Når folk er underrettet om, hvad der skete, kan de træffe passende foranstaltninger efter behov.
i modsætning hertil følger analysen en pull-tilgang, hvor bestemte data trækkes af en analytiker for at besvare specifikke forretningsspørgsmål. En grundlæggende, uformel analyse kan forekomme, når nogen blot udfører en form for mental vurdering af en rapport og træffer en beslutning om at handle eller ikke handle baseret på dataene. I tilfælde af analyse med faktiske leverancer er der to hovedtyper: ad hoc-svar og analysepræsentationer.
- ad hoc-svar: Analytikere modtager anmodninger om at besvare en række forretningsspørgsmål, som kan blive ansporet af spørgsmål, der rejses af rapporteringen. Disse presserende anmodninger er typisk tidsfølsomme og kræver en hurtig vending. Analyseteamet skal muligvis jonglere med flere anmodninger på samme tid. Som resultat, analyserne kan ikke gå så dybt eller bredt som analytikerne kan lide, og leverancen er en kort og kortfattet rapport, som måske eller måske ikke indeholder nogen specifikke anbefalinger.
- analysepræsentationer: Nogle forretningsspørgsmål er mere komplekse og kræver mere tid til at udføre en omfattende dybdykanalyse. Disse analyseprojekter resulterer i en mere formel levering, der inkluderer to nøglesektioner: nøglefund og anbefalinger. Afsnittet vigtigste fund fremhæver de mest meningsfulde og handlingsrettede indsigter hentet fra de udførte analyser. Afsnittet Anbefalinger giver vejledning om, hvilke handlinger der skal træffes på baggrund af analyseresultaterne.
når du sammenligner de to sæt rapporterings-og analyseleverancer, de forskellige formål (information vs. insights) afslører de sande farver af udgangene. Rapportering skubber information til organisationen, og analyse henter indsigt fra rapporterne og dataene. Der kan være andre hybridudgange, såsom kommenterede dashboards (analysesprinkler på en rapporteringsdoughnut), som kan se ud til at spænde over de to områder. Du skal være i stand til at afgøre, om en leverance primært er fokuseret på rapportering eller analyse efter dens formål (information/indsigt) og tilgang (push/pull).
en anden vigtig forskel mellem rapportering og analyse er kontekst. Rapportering giver ingen eller begrænset kontekst om, hvad der sker i dataene. I nogle tilfælde har slutbrugerne allerede den nødvendige kontekst til at forstå og fortolke dataene korrekt. I andre situationer har publikum muligvis ikke den krævede baggrundsviden. Kontekst er afgørende for god analyse. For at fortælle en meningsfuld historie med dataene for at drive specifikke handlinger bliver kontekst en væsentlig komponent i historien.
selvom de begge udnytter forskellige former for datavisualisering i deres leverancer, adskiller analysen sig fra rapportering, fordi den understreger datapunkter, der er vigtige, unikke eller specielle – og forklarer, hvorfor de er vigtige for virksomheden. Rapportering kan undertiden automatisk fremhæve nøgleændringer i dataene, men det forklarer ikke, hvorfor disse ændringer er (eller ikke er) vigtige. Rapportering vil ikke svare på ” så hvad?”spørgsmål i sig selv.
hvis du nogensinde har haft fornøjelsen af at være ny forælder, vil jeg sammenligne dåse rapportering, dashboards og advarsler til et seks måneder gammelt spædbarn. Det græder-ofte højt-når noget er galt, men det kan ikke fortælle dig, hvad der er nøjagtigt forkert. Forældrene skal scramble for at finde ud af, hvad der foregår (sulten, beskidt ble, ingen pacifier, tænder, træt, øreinfektion, Ny Baby Einstein DVD osv.). Ved at fortsætte forældremetaforen vil rapportering heller ikke fortælle dig, hvordan du stopper gråd.
anbefalingskomponenten er en nøgleforskel mellem analyse og rapportering, da den giver specifik vejledning om, hvilke handlinger der skal tages ud fra de vigtigste indsigter, der findes i dataene. Selv analyseudgange som ad hoc-svar kan muligvis ikke drive handling, hvis de ikke indeholder anbefalinger. Når en anbefaling er fremsat, er opfølgning et andet potent resultat af analysen, fordi anbefalinger kræver beslutninger, der skal træffes (gå/nej gå/Udforsk yderligere). Beslutninger går forud for handling. Handling går forud for værdi.
levering
som nævnt er rapportering mere en push-model, hvor folk kan få adgang til rapporter via et analyseværktøj, udmærke regneark, kontrol eller få dem planlagt til levering i deres postkasse, mobilenhed, FTP-sted osv. På grund af kravene om at skulle levere periodiske rapporter (dagligt, ugentligt, månedligt osv.) for flere personer og grupper bliver automatisering et centralt fokus i opbygningen og leveringen af rapporter. Med andre ord, når rapporten er bygget, Hvordan kan den automatiseres til regelmæssig levering? De fleste af de analytikere, som jeg har talt med, kan ikke lide manuelt at opbygge og opdatere rapporter regelmæssigt. Det er et job for robotter eller computere, ikke mennesker, der stadig betaler deres studielån for 4-6 års videregående uddannelse.
på den anden side handler analyse om mennesker, der bruger deres overlegne ræsonnement og analytiske evner til at udtrække nøgleindsigt fra dataene og danne handlingsrettede anbefalinger til deres organisationer. Selvom analyse kan “indsendes” til beslutningstagere, præsenteres den mere effektivt person til person. I deres bog “konkurrerende på Analytics” understreger Thomas Davenport og Jeanne Harris vigtigheden af tillid og troværdighed mellem analytikeren og beslutningstageren. Beslutningstagere har typisk ikke tid eller evne til at udføre analyser selv. Med et “tæt, tillidsfuldt forhold” på plads vil ledere ramme deres behov korrekt, analytikerne vil stille de rigtige spørgsmål, og ledere vil være mere tilbøjelige til at handle på analyse, de stoler på.
værdi
når det kommer til at sammenligne de forskellige roller rapportering og analyse, er det vigtigt at forstå forholdet mellem rapportering og analyse i drivende værdi. Jeg kan godt lide at tænke på de datadrevne faser (data > rapportering > analyse > beslutning > handling > værdi) som en række dominoer. Hvis du fjerner en domino, kan det være vanskeligere eller umuligt at opnå den ønskede værdi.
i diagrammet” sti til værdi ” ovenfor starter det hele med at have de rigtige data, der er komplette og nøjagtige. Det betyder ikke noget, hvor avanceret din rapportering eller analyse er, hvis du ikke har gode, pålidelige data. Hvis vi springer over “rapporteringsdominoen”, kan nogle erfarne analytikere hævde, at de ikke har brug for rapporter til analyse (dvs.bare giv mig de rå filer og en database). På et individuelt grundlag, der kan være sandt for nogle mennesker, men det fungerer ikke på organisatorisk niveau, hvis du stræber efter at demokratisere dine data.
de fleste virksomheder har rigelig rapportering, men mangler muligvis “analyse” domino. Rapportering vil sjældent igangsætte handling alene, da analyse er nødvendig for at hjælpe med at bygge bro mellem data og handling. At have analyse garanterer ikke, at der træffes gode beslutninger, at folk rent faktisk vil handle efter anbefalingerne, at virksomheden vil tage de rigtige handlinger, eller at teams vil være i stand til at udføre effektivt på de rigtige handlinger. Det er dog et nødvendigt skridt tættere på handling og den potentielle værdi, der kan realiseres gennem vellykket internetanalyse.
afsluttende ord
rapportering og analyse går hånd i hånd, men hvor meget indsats og ressourcer bliver brugt på hvert område i din virksomhed? Når jeg hører, at en klient kæmper for at finde værdi fra deres internetanalyseinvestering, betyder det normalt, at en af dominoerne i “stien til værdi” mangler, og ofte er analysen den malplacerede domino.
jeg mødtes for nylig med en større medieklient, der fandt ud af, at den manglede sin analyse domino. Internetanalyseteamet kæmpede for at imødekomme strategien, implementeringen og rapporteringskravene fra denne store, komplekse organisation – endsige give analyse ud over kun ad hoc-svar. Den øverste ledelse blev mere og mere frustreret over sit analysepersonale og system. Heldigvis modtog internetanalyseteamet yderligere medarbejderbudget og hyrede en analytiker til at udføre dybdykanalyser for alle sine vigtigste produktgrupper og drive handlingsrettede anbefalinger. Ikke overraskende gjorde de øverste leders holdning en 180-graders vending kort efter, at virksomheden fandt sin manglende analyse domino.
du undrer dig måske over, hvor meget tid dine analytikere skal bruge på analyse. Som tommelfingerregel vil jeg sige, at mindst 25% af deres tid skal bruges på analyse, og generelt jo mere, jo bedre. Overraskende nok er 100% heller ikke ønskeligt, fordi der er mange vigtige ansvarsområder, der er nødvendige for at holde et analyseprogram flydende, såsom rapportering, indsamling af forretningskrav, træning, dokumentation og kommunikation af succeser osv. Jeg håber, at du efter at have læst denne artikel i det mindste erkender, at 0% af deres tid er uacceptabel. Hvis din virksomhed ikke foretager meget analyse i dag, kan du eksperimentere med et 10% fokus på analyse og se, hvilken succes du har derfra. Derudover er vores konsulentteam altid villig til at hjælpe med dine analysebehov. Held og lykke!