10 Tips för bättre stor dataanalys - dummies

Vill du få ut mesta möjliga av din analys av Excel-data? Här är tio snabba tips för att arbeta effektivt och effektivt med stora data.

Tänk på ditt arbete en sökning efter begravd skatt

Du bör se dataanalys som en process som liknar att leta efter begravd skatt.

Med andra ord liknar datautvinning guldgruv. Du döljer dig igenom data eller siktar genom granulariteten på jakt efter värdefulla nuggets. Denna ansträngning kan vara noggrann och tråkig.

Men med uthållighet och lite tur bör du ofta (kommer ofta?) Kunna hitta värdefulla insikter i både möjligheter och hot som du annars skulle ha missat.

Du vill och behöver komma ihåg det.

Samla mer data

Du borde samla in mer data … och var så bra om att lagra och spara data som du samlar in.

Förlora inte eller slarvigt eller slarvigt bort de data vi samlar eller har. Dessa data kan vara ovärderliga. Och om det inte är ovärderligt idag, vem vet? Det kan vara någon gång i framtiden.

Face it. Ju rikare datasatsen desto bättre är chansen att någon cool insikt kommer att hoppa ut på dig.

Skapa mer data

Arbeta för att skapa mer data.

Okej, det kanske låter dumt. Men i vissa fall kan användbara data skapas mycket ekonomiskt.

Här är ett enkelt exempel: Om du driver ett företag, fråga kunden hur de kom för att hitta dig. Du får stor insikt i dina marknadsföringsinsatser som ett resultat.

Du har förmodligen andra intressanta sätt att skapa mer data.

Kör experiment regelbundet

Data skapande metoder som experimentera via AB testning och pilotstudier kan ekonomiskt ge data av extraordinärt värde.

Till exempel beskriver författaren Timothy Ferris i sin bästsäljande bok, The Four Hour Workweek , med användning av betalt per klick s för att mäta produktens genomförbarhet. Det är en bra idé, och en som antagligen i många fall leder till mer exakta analytiska slutsatser än en fokusgrupp.

Gå stort (med dina dataset och dina prover)

Om du lärde dig statistik i åldern innan datorer och deras stora dataset var allmänt tillgängliga och lätta att använda, kan du ha en tendens att göra bedömningar och beslut baserade på små dataset.

Idag är det verkligen ganska oförklarligt. Nuförtiden borde du arbeta med stora dataset. När det är möjligt, "gå stort" och använd stora eller större dataset och prover.

Utdela inte dataanalys

Med utgångspunkt från många chefer eller företagsägare kan det hända att ha en ung, tekniskt kunnig intern, som det bästa sättet att få riktigt bra dataanalys.

Men om du pratar med folket med mycket dataanalys, är det ganska troligt att du hör att det du verkligen vill göra är att tilldela den smartaste, mest erfarna teammedlemmen du kan för att arbeta med detta projekt. Med andra ord, de människor du verkligen vill göra detta arbete är de människor som förmodligen inte har tid att göra det.

Faktum är att du kanske borde göra dataanalysen själv om du är grand Pooh-Bah.

Tänk på det här arbetet i likhet med gruvdrift för begravd skatt. De insikter du kan upptäcka kan vara enormt värdefulla. Så bra som någon ung buck eller ungt doe kan vara, du vill säkert inte att de ska sakna något enastående möjlighet eller ett potentiellt katastrofalt hot eftersom de saknar erfarenhet eller ännu inte har fullt utvecklade strategiska tänkande färdigheter.

Avfallstid häller över meningslösa data

Här är en dum idé. Kanske borde du ibland slösa bort tid som häller sig över till synes meningslösa data: kors-tabuleringar av tidsstämplade försäljningskvitton, analysdata från din webbplats, transaktionsloggar från tredje part och så vidare.

Du vet aldrig vad du hittar. Och ibland kan de bästa insikterna komma från de mest överraskande platserna.

Förteckning över interna datakällor

En hushållspost: Du vill förmodligen behålla en inventering av interna datakällor. Och listan bör antagligen innehålla mer än bara bokföringssystemet och dina webbservers analysfiler. Det finns alla möjliga intressanta data när du börjar tänka på det. Och några av dessa saker kommer att gå vilse eller bli glömda om du inte är försiktig.

Bygg ett bibliotek med externa rådatakällor

En snabb påminnelse? Några av dina råa datakällor är inte interna men externa. Glöm inte dem.

Även de minsta företagen kan ha tillgång till betalningsfiler från tredje part och transaktionslistor som skapats av externa webbtjänster.

Skydda proprietära datakällor

Eftersom alla proprietära datakällor potentiellt har enormt värde vill du naturligtvis noggrant skydda tillgången.

Nu betyder det naturligtvis att du vill lagra och lagra data på ett säkert sätt, men det är inte allt. Skydda din egenutvecklade data innebär att du vill se till att uppgifterna stannar är proprietära och (kanske ännu mer) att alla insikter i uppgifterna är interna. Något att tänka på …