du kanske har sett olika personer använda termerna ”rapportering” och ”analys” som om de var utbytbara termer eller nästan synonymer. Medan båda dessa områden av webbanalys bygger på samma insamlade webbdata, rapportering och analys är mycket olika när det gäller deras syfte, uppgifter, utgångar, leverans och värde. Utan en tydlig åtskillnad av skillnaderna kan en organisation sälja sig kort inom ett område (vanligtvis analys) och inte uppnå de fulla fördelarna med sin webbanalysinvestering. Även om jag främst fokuserar på webbanalys kan företag stöta på samma utmaning med andra analysverktyg (t.ex. annonsvisning, e-post, sökning, social etc.).
de flesta företag har analyslösningar på plats för att få större värde för sina organisationer. Med andra ord är det ultimata målet för rapportering och analys att öka försäljningen och minska kostnaderna (dvs. öka värdet). Både rapportering och analys spelar roller för att påverka och driva de åtgärder som leder till större värde i organisationer.
för detta blogginlägg kommer jag inte att dyka djupt in i vad som händer före eller efter rapporterings-och analysstegen, men jag inser att båda områdena är kritiska och utmanande steg i den övergripande datadrivna beslutsprocessen. Det är viktigt att komma ihåg att rapportering och analys bara har möjlighet att vara värdefulla om de åtgärdas.
syfte
innan vi täcker de olika rollerna för rapportering och analys, låt oss börja med några definitioner på hög nivå av dessa två viktiga analysområden.****
rapportering: Processen att organisera data i informativa sammanfattningar för att övervaka hur olika delar av ett företag presterar.****
analys: processen att utforska data och rapporter för att extrahera meningsfulla insikter, som kan användas för att bättre förstå och förbättra affärsresultat.
__rapportering översätter rådata till information. Analys omvandlar data och information till insikter. Rapportering hjälper företag att övervaka sin online-verksamhet och varnas när data faller utanför förväntade intervall. Bra rapportering bör väcka frågor om verksamheten från sina slutanvändare. Målet med analysen är att svara på frågor genom att tolka data på en djupare nivå och ge handlingsbara rekommendationer. Genom analysprocessen kan du ta upp ytterligare frågor, men målet är att identifiera svar, eller åtminstone potentiella svar som kan testas. Sammanfattningsvis visar rapporteringen vad som händer medan analysen fokuserar på att förklara varför det händer och vad du kan göra åt det.
uppgifter
företag kan ibland förväxla ”analytics” med ”analys”. Till exempel kan ett företag vara inriktat på det allmänna analysområdet (strategi, implementering, rapportering etc.) men inte nödvändigtvis på den specifika aspekten av analysen. Det är nästan som att vissa organisationer har slut på gas efter den första uppställningsrelaterade verksamheten och inte gör det till analysfasen. Dessutom kan ibland linjerna mellan rapportering och analys suddas ut – det som känns som analys är egentligen bara en annan smak av rapportering.
ett sätt att skilja om din organisation betonar rapportering eller analys är att identifiera de primära uppgifterna som utförs av ditt analysteam. Om det mesta av lagets tid spenderas på aktiviteter som att bygga, konfigurera, konsolidera, organisera, formatera och sammanfatta – det är rapportering. Analys fokuserar på olika uppgifter som att ifrågasätta, undersöka, tolka, jämföra och bekräfta (jag har utelämnat testning eftersom jag ser optimeringsinsatser som en del av åtgärdsstadiet). Rapporterings-och analysuppgifter kan sammanflätas, men ditt analysteam bör fortfarande utvärdera var det spenderar merparten av sin tid. I de flesta fall har jag sett analytics-team spendera större delen av sin tid på rapporteringsuppgifter.
utgångar
när du tittar på rapporterings – och analysleveranser kan de på ytan se lika ut-massor av diagram, grafer, trendlinjer, tabeller, statistik etc. Det finns dock några subtila skillnader. En av de största skillnaderna mellan rapportering och analys är den övergripande strategin. Rapportering följer en push-strategi, där rapporter pressas till användare som sedan förväntas extrahera meningsfulla insikter och vidta lämpliga åtgärder för sig själva (dvs. självbetjäning). Jag har identifierat tre huvudtyper av rapportering: konserverade rapporter, instrumentpaneler och varningar.
- konserverade Rapporter: Dessa är de out-of-the-box och anpassade rapporter som du kan komma åt i analysverktyget eller som också kan levereras på en återkommande basis till en grupp slutanvändare. Konserverade rapporter är ganska statiska med fasta mätvärden och dimensioner. I allmänhet är vissa konserverade rapporter mer värdefulla än andra, och en rapports värde kan bero på hur relevant det är för en persons roll (t.ex. SEO-specialist vs. webbproducent).
- Dashboards: dessa skräddarsydda rapporter kombinerar olika nyckeltal och rapporter för att ge en omfattande, hög nivå av affärsresultat för specifika målgrupper. Instrumentpaneler kan innehålla data från olika datakällor och är också vanligtvis ganska statiska.
- varningar: dessa villkorliga rapporter utlöses när data faller utanför förväntade intervall eller några andra fördefinierade kriterier är uppfyllda. När människor har underrättats om vad som hände kan de vidta lämpliga åtgärder vid behov.
däremot följer analysen en pull-strategi, där särskilda data dras av en analytiker för att svara på specifika affärsfrågor. En grundläggande, informell analys kan inträffa när någon helt enkelt utför någon form av mental bedömning av en rapport och fattar ett beslut att agera eller inte agera baserat på uppgifterna. När det gäller analys med faktiska resultat finns det två huvudtyper: ad hoc-svar och analyspresentationer.
- Ad hoc-svar: Analytiker får förfrågningar om att svara på olika affärsfrågor, vilket kan sporras av frågor som tas upp av rapporteringen. Vanligtvis är dessa brådskande förfrågningar tidskänsliga och kräver en snabb vändning. Analytics-teamet kan behöva jonglera flera förfrågningar samtidigt. Som ett resultat kan analyserna inte gå så djupt eller brett som analytikerna kan vilja, och resultatet är en kort och kortfattad rapport, som kanske eller inte innehåller några specifika rekommendationer.
- analyspresentationer: Vissa affärsfrågor är mer komplexa och kräver mer tid att utföra en omfattande djupdykningsanalys. Dessa analysprojekt resulterar i en mer formell leverans, som innehåller två viktiga avsnitt: viktiga resultat och rekommendationer. Avsnittet viktiga resultat belyser de mest meningsfulla och handlingsbara insikterna från de utförda analyserna. Avsnittet rekommendationer ger vägledning om vilka åtgärder som ska vidtas baserat på analysresultaten.
när du jämför de två uppsättningarna av rapportering och analys leveranser, de olika syften (information vs. insikter) avslöjar de sanna färgerna på utgångarna. Rapportering Driver information till organisationen, och analys drar insikter från rapporter och data. Det kan finnas andra hybridutgångar som kommenterade instrumentpaneler (analyssprinklar på en rapporterande munk), som kan tyckas spänna över de två områdena. Du bör kunna avgöra om en leverans främst är inriktad på rapportering eller analys av dess syfte (information/insikter) och tillvägagångssätt (push/pull).
en annan viktig skillnad mellan rapportering och analys är kontext. Rapportering ger inget eller begränsat sammanhang om vad som händer i data. I vissa fall har slutanvändarna redan det nödvändiga sammanhanget för att förstå och tolka data korrekt. I andra situationer kanske publiken inte har den nödvändiga bakgrundskunskapen. Kontext är avgörande för god analys. För att berätta en meningsfull historia med data för att driva specifika åtgärder blir kontext en viktig del av storylinen.
även om de båda utnyttjar olika former av datavisualisering i sina leveranser skiljer sig analysen från rapportering eftersom den betonar datapunkter som är viktiga, unika eller speciella – och förklarar varför de är viktiga för verksamheten. Rapportering kan ibland automatiskt markera viktiga ändringar i data, men det kommer inte att förklara varför dessa ändringar är (eller inte är) viktiga. Rapportering kommer inte att svara på ” så vad?”fråga på egen hand.
om du någonsin har haft nöjet att vara en ny förälder, skulle jag jämföra konserverad rapportering, instrumentpaneler och varningar till ett sex månader gammalt spädbarn. Det gråter – ofta högt – när något är fel, men det kan inte berätta vad som är exakt fel. Föräldern måste klättra för att ta reda på vad som händer (hungrig, smutsig blöja, ingen napp, tandvård, trött, öroninfektion, ny Baby Einstein DVD, etc.). Fortsatt föräldrametaforen, rapportering kommer inte heller att berätta hur man slutar gråta.
rekommendationskomponenten är en viktig skillnad mellan analys och rapportering eftersom den ger specifik vägledning om vilka åtgärder som ska vidtas baserat på de viktigaste insikterna som finns i data. Även analysutgångar som ad hoc-svar kanske inte driver åtgärder om de inte innehåller rekommendationer. När en rekommendation har gjorts är uppföljning ett annat kraftfullt resultat av analysen eftersom rekommendationer kräver beslut som ska fattas (gå/nej gå/utforska vidare). Beslut föregår åtgärder. Åtgärd föregår värde.
leverans
som nämnts är rapportering mer av en push-modell, där människor kan komma åt rapporter via ett analysverktyg, Excel-kalkylblad, widget eller få dem schemalagda för leverans till sin brevlåda, mobilenhet, FTP-plats etc. På grund av kraven på att behöva lämna periodiska rapporter (dagligen, veckovis, månadsvis, etc.) för flera individer och grupper blir automatisering ett centralt fokus för att bygga och leverera rapporter. Med andra ord, när rapporten är byggd, hur kan den automatiseras för regelbunden leverans? De flesta analytiker som jag har pratat med gillar inte att manuellt bygga och uppdatera rapporter regelbundet. Det är ett jobb för robotar eller datorer, inte människor som fortfarande betalar sina studielån för 4-6 års högre utbildning.
å andra sidan handlar analys om att människor använder sina överlägsna resonemang och analytiska färdigheter för att extrahera viktiga insikter från data och bilda handlingsbara rekommendationer för sina organisationer. Även om analys kan ”lämnas in” till beslutsfattare, presenteras den mer effektivt person-till-person. I sin bok ”Competiting on Analytics” betonar Thomas Davenport och Jeanne Harris vikten av förtroende och trovärdighet mellan analytikern och beslutsfattaren. Beslutsfattare har vanligtvis inte tid eller förmåga att utföra analyser själva. Med ett” nära, förtroendefullt förhållande ” på plats kommer cheferna att rama in sina behov korrekt, analytikerna kommer att ställa rätt frågor och cheferna är mer benägna att vidta åtgärder på analys de litar på.
värde
när det gäller att jämföra de olika rollerna för rapportering och analys är det viktigt att förstå förhållandet mellan rapportering och analys i körvärde. Jag tycker om att tänka på de datadrivna stadierna (data > rapportering > analys > beslut > åtgärd > värde) som en serie dominoer. Om du tar bort en domino kan det vara svårare eller omöjligt att uppnå önskat värde.
i diagrammet” sökväg till värde ” ovan börjar allt med att ha rätt data som är fullständiga och korrekta. Det spelar ingen roll hur avancerad din rapportering eller analys är om du inte har bra, tillförlitliga data. Om vi hoppar över ”rapportering” domino kan vissa erfarna analytiker hävda att de inte behöver rapporter för att göra analys (dvs bara ge mig raw-filerna och en databas). På individuell basis som kan vara sant för vissa människor, men det fungerar inte på organisationsnivå om du strävar efter att demokratisera dina data.
de flesta företag har riklig rapportering men kan sakna ”analysis” domino. Rapportering kommer sällan att initiera åtgärder på egen hand eftersom analys krävs för att överbrygga klyftan mellan data och handling. Att ha analys garanterar inte att bra beslut kommer att fattas, att människor faktiskt kommer att agera på rekommendationerna, att verksamheten kommer att vidta rätt åtgärder eller att team kommer att kunna utföra effektivt på de rätta åtgärderna. Det är dock ett nödvändigt steg närmare handling och det potentiella värdet som kan realiseras genom framgångsrik webbanalys.
Slutord
rapportering och analys går hand i hand, men hur mycket ansträngning och resurser spenderas på varje område på ditt företag? När jag hör en klient kämpar för att hitta värde från sin webbanalysinvestering betyder det vanligtvis att en av dominoerna i ”vägen till värde” saknas och ofta är analysen den felplacerade domino.
jag träffade nyligen en stor mediaklient som fann att den saknade sin analys domino. Webbanalysteamet kämpade för att möta strategin, genomförandet och rapporteringskraven för denna stora, komplexa organisation – än mindre att tillhandahålla analys utöver bara ad hoc-svar. Ledningen blev alltmer frustrerad med sin analyspersonal och system. Lyckligtvis fick webbanalysteamet ytterligare personalbudget och anställde en analytiker för att utföra djupdykningsanalyser för alla sina huvudproduktgrupper och driva handlingsbara rekommendationer. Inte överraskande gjorde de ledande befattningshavarnas inställning en 180-graders vändning strax efter att företaget hittade sin saknade analys domino.
du kanske undrar hur mycket tid dina analytiker ska spendera på analys. Som tumregel skulle jag säga att minst 25% av deras tid bör spenderas på analys, och i allmänhet ju mer desto bättre. Överraskande är 100% inte önskvärt antingen för att det finns många viktiga ansvarsområden som behövs för att hålla ett analysprogram flytande, såsom rapportering, insamling av affärskrav, utbildning, dokumentation och kommunikation av framgångar etc. Jag hoppas att du efter att ha läst den här artikeln åtminstone inser att 0% av deras tid är oacceptabel. Om ditt företag inte gör mycket analys idag, experimentera med 10% fokus på analys och se vilken framgång du har därifrån. Dessutom är vårt konsultteam alltid villigt att hjälpa till med dina analysbehov. Lycka till!