Webperf
Vilka av de fyra huvudsakliga analysmetoderna matchar din verksamhets behov och resurser? Någon av dem eller kanske alla i sinom tid?
Sammanfattning:
- Fyra analysnivåer bygger på varandra. Deskriptiv analys visar vad som hänt, diagnostisk förklarar varför, prediktiv förutser framtiden och preskriptiv rekommenderar åtgärder.
- Starta enkelt och bygg gradvis. Börja med solid deskriptiv analys och tillförlitlig datainsamling innan du går vidare till mer avancerade nivåer. Alla organisationer behöver inte alla nivåer.
- Framgång kräver samordning. Enhetlig datainfrastruktur, god datakvalitet och samarbete mellan verksamhet och teknik är avgörande för att nå värde av analysen.
Avsnitt:
- Deskriptiv → diagnostisk → prediktiv → preskriptiv
- Praktisk tillämpning och mognadsutveckling
- Utmaningar och framgångsfaktorer
Hur ska vi egentligen närma oss all information vi samlar in och hur kommer den till användning? En början är att förstå de fyra grundläggande analysmetoderna som tillsammans skapar en helhetsbild av verksamheten.
Kanske en tröttsam liknelse, men med historisk data vet du det förgångna likt backspegeln i en bil, medan preskriptiv analys både spejar bortom horisonten framför dig och föreslår hur du möter det du ännu inte kan se. Låt oss gå igenom detta med förståelsen att inte alla organisationer måste ha ambitionen att bemästra alla nivåer.
Deskriptiv → diagnostisk → prediktiv → preskriptiv
Det handlar om att deskriptiv analys visar vad som har hänt, diagnostisk analys identifierar vad det kan bero på, prediktiv analys förutser vad som kan hända, och preskriptiv analys rekommenderar vad vi bör göra för att styra vårt öde.
Eller i desto fler ord:
- Deskriptiv analys – fokuserar på att samla fakta om det som redan hänt. De flesta instrumentpaneler för analys fungerar på detta sätt genom att presentera historisk data med övergripande nyckeltal.
- Diagnostisk analys – använder historiska data för att identifiera avvikelser och förstå orsakerna bakom de observerade värdena. Här letar vi efter mönster och samband.
- Prediktiv analys – genom förutsägelser påverkas beslutsunderlag. Detta kräver alltid analytiska modeller och historiska data som grund. Kvaliteten på våra beslut beror helt på modellens träffsäkerhet.
- Preskriptiv analys – kombinerar prediktiv analys och att uppnå ett önskat resultat. Leder direkt till beslutsförslag genom rekommendationer eller rent av automatiserade beslut utan någon människa inblandad. Detta kan ske genom beslutsstödsystem som samarbetar med människor, eller genom helt automatiserade processer.
Genom att förstå dessa fyra olika typer av analys kan du välja rätt analysmetod för ditt behov och den befintliga insamlingen av data. Det är förstås också viktigt att försöka matcha mognadsnivån i organisationen där du jobbar och som tidigare konstaterat behöver nog många inget mer än att kunna rapportera vad som redan hänt.
Var och en av dessa metoder fyller en specifik funktion i att omvandla insamlad rådata till något av värde för analysen. Alla organisationer som samlar in data står inför utmaningen att systematiskt bearbeta informationen genom dessa olika nivåer eller förbättra sin insamling för att ha ett bättre underlag till sina beslut. Det framgår nog, men de olika nivåerna bygger vidare på varandra och skapar tillsammans ett ramverk för ett data- och analysinformerat beslutsfattande.
Att förstå när och hur man använder respektive metod är avgörande för att få värde av organisationens data ur ett beslutsperspektiv.
1. Deskriptiv analys: Från historik till handling
Deskriptiv analys är den naturliga startpunkten för de flesta och även vad jag som analytiker lagt mest tid på de senaste 20 åren som analytiker.
Det deskriptiva fokuserar på att sammanfatta historisk data för att förstå vad som faktiskt har hänt. Genom att aggregera data och skapa visualiseringar som linjediagram, stapeldiagram och cirkeldiagram får vi en bild av hur det brukar se ut och fungera.
Ett exempel som är specifikt för webbanalys av besökarbeteende har min jobbarkompis Niklas Ternstedt skrivit om bra. Du kommer långt med att reda ut svaren på tre olika frågor.
“1. Hur många besökte webbplatsen och vilka var de?
2.Vad gjorde de på webbplatsen?
3.Uppstod det något värde?”
→ Slipp magont över din webbanalys (Whitespace)
Detta är grunden som de flesta instrumentpanler och analysverktyg bygger på. Försäljningsrapporter, kundstatistik och produktionsdata presenteras i ett format som avser att göra det enkelt att förstå verksamhetens utveckling över tid fram till idag. Sen kan man fundera på vad våra data klarar av att berätta utan analytisk nagelfaring.
→ Varför de flesta insikter egentligen bara är lärdomar eller observationer (Webperf)
Men, att veta utfallet av det som har hänt räcker inte alltid för att driva förbättring.
2. Diagnostisk analys: Vad är inte bra nog och vad behöver vara mycket bättre?
En diagnostisk analys tar oss ett steg djupare i analysen genom att försöka förklara varför något inträffade. Här gräver vi i befintliga data för att identifiera grundorsaker, hitta samband mellan variabler och förstå kausala relationer. Ibland kommer vi fram till att vi inte har tillräckligt med data och behöver jobba annorlunda.
Men om vi faktiskt har data kan vi observera saker som att försäljningen plötsligt sjunker eller att kundnöjdheten ökar. Då behöver vi också förstå de bakomliggande faktorerna. Kanske upptäcker vi att en webbplatsuppdatering ledde till långsammare laddningstider, vilket i sin tur ökade antalet avbrutna köp.
Denna förståelse är avgörande för att kunna förebygga återkommande problem och förbättra verksamhetens resultat genom att följa aktuell praxis.
Vad är praxis i det här fallet? Jo, det är att vara åtminstone lika bra som de man identifierat som sina konkurrenter.
3. Prediktiv analys: Förutspå tänkbara scenarier
Nu börjar det bli ganska svårt! Prediktiv analys tar steget från att förstå det förflutna till att förutse framtiden. Genom att använda historisk data tillsammans med statistiska modeller kan vi göra välgrundade prognoser om kommande trender och händelser.
Exempel: En detaljhandlare som vet att försäljningen av spelkonsoler ökat i oktober, november och december varje år det senaste decenniet kan med god säkerhet förutsäga att samma mönster kommer upprepas.
Kvaliteten på dessa förutsägelser beror helt på hur välgrundade de underliggande modellerna är och hur relevant den historiska datan är för framtida förhållanden.
4. Preskriptiv analys: Att gå från insikt till (automatisk) åtgärd
Preskriptiv analys representerar analysens avancerade form. Här går vi bortom att bara förutsäga vad som kommer hända och ger istället konkreta rekommendationer om vilka åtgärder som bör vidtas för att påverka framtiden.
Genom att kombinera prediktiva insikter med optimeringsalgoritmer och affärsregler kan vi identifiera hur vi ska agera för att maximera önskade resultat.
Det är viktigt att förstå att dessa analysformer inte existerar isolorerat utan snarare som en sammanhängande helhet. Deskriptiv analys ger oss grunden att visa vad som hänt. Diagnostisk analys förklarar varför det hände. Prediktiv analys förutser vad som sannolikt kommer hända härnäst. Preskriptiv analys rekommenderar vad vi bör göra åt det.
Tillsammans formar de en komplett analytisk kedja som använder data till handlingskraftiga beslut.
Praktisk tillämpning och mognadsutveckling
Att implementera alla fyra analysnivåerna är inte något som sker över en natt. En rimlig start är att etablera en solid grund inom deskriptiv analys. Detta innebär att säkerställa tillförlitlig datainsamling som har förväntad kvalitet. Och skapa visualiseringar och etablera gemensamma nyckeltal för transparent förståelse.
När denna grund är på plats kan återstående diagnostiska metoder införas för att börja förstå orsakssambanden bakom de observerade mönstren.
Att ta sig an prediktiv analys kräver betydande insats i både teknik och kompetens. Dataförberedelse blir avgörande här och med en väldefinierad process för deskriptiv och diagnostisk analys är mycket av databearbetningen redan gjord. Börja med ett väldefinierat område där data redan är av en både hög och känd kvalitet. Målet är att snabbt kunna visa värde, ett gott exempel och få lärdomar.
För att nå nivån av preskriptiv analys krävs organisatorisk kompetens inom alla tre tidigare nivåer. Det är anledningen till att vi ofta ser denna typ av analys inom specialiserade branscher som klinisk sjukvård eller finans där användningsområdena är väldefinierade och värdet av optimering är högt. Att kvantifiera handlingsalternativen och de underliggande kriterierna är det första kravet. För att dra sjukvården som exempel är det preskriptivt mänskligt arbete en läkare gör genom att med all sin kunskap och rutin ordinera en behandling som är anpassad efter patientens unika situation.
Utmaningar och framgångsfaktorer
Att integrera alla fyra typerna av analys kan vara komplext. Vanliga utmaningar inkluderar inkonsekvent datakvalitet, fragmenterade system och svårigheten att samordna olika delar av verksamheten. För att övervinna dessa hinder krävs en enhetlig datainfrastruktur, tydliga styrningsprinciper och samarbete mellan verksamhets- och teknikteam.
Genom att förstå och tillämpa dessa fyra analysnivåer kan din organisation gradvis bygga upp en datadriven kultur där beslut baseras på fakta snarare än intuition. Det är värt att etablera varje nivå ordentligt innan man går vidare till nästa. På så sätt säkerställer du att din organisation verkligen kan dra nytta av kraften i dataanalys och skapa en konkurrensfördel eller mer nytta ifall ni är i offentlig sektor.
Visuell version av bloggposten:
