Великі дані запропонували стільки обіцянок та потенційних рішень для ефективного розуміння та націлювання аудиторії; але це доставлено чи це просто спричиняє сліпоту даних? Яким чином системи бізнес-аналітики можуть допомогти трансформувати управління великими даними?
Кілька років тому Глобальний інститут McKinsey викликав хвилювання своїм прогнозом, що роздрібні торговці незабаром будуть використовувати великі дані настільки ефективно, що вони зможуть збільшити операційну рентабельність більш ніж на 60%. Зовсім недавно Мак-Кінсі запитував лідерів аналітики великих компаній, який ступінь підвищення доходів або витрат вони досягли за рахунок оптимізації даних. Відповідь? 1%
Справа в тому, що підприємства все ще відстають від кривої, коли справа доходить до прийому, налаштування та перетворення даних у щось читабельне та корисне. Для багатьох великі дані все ще дорівнюють більшим головним болям. Але розумні агенції цифрового маркетингу нарешті досягають настільки необхідного прогресу і оптимізують та монетизують дані.
За результатами опитування 2nd Watch, 86% маркетологів заявили, що їхня компанія або використовує, або планує використовувати великі дані для підтримки своїх зусиль у галузі цифрового маркетингу. Крім того, майже три чверті тих, хто використовує великі дані для підтримки цифрового маркетингу, заявили, що їх зусилля були або “цілком”, або “надзвичайно” ефективними, а 83% заявили, що, ймовірно, вони розширять використання великих даних для підтримки маркетингових кампаній . Отже, намір використовувати дані набагато розумніший спосіб є.
Для агентств надзвичайно важливо інвестувати в надійну інфраструктуру даних, щоб керувати та розвивати як свій, так і бізнес своїх клієнтів. Агенціям цифрового маркетингу потрібно ефективніше керувати та зберігати дані. Однак компіляція даних буквально з сотень джерел даних, готових до реконфігурації, трансформації та вилучення в центральне сховище, яке читається і може проводити допити, може призвести до величезного витрачання ресурсів компанії (фінансових та людських). Отже, щоб допомогти забезпечити внутрішню підтримку, деякі основні розрахунки можуть надати розуміння для стимулювання таких інвестицій.
У 2014 році, до розробки власної системи бізнес-аналітики (BI), відомої під назвою «Cortex», будинок Кайдзен переглянув попередні 12-місячні таблиці часу, щоб проаналізувати час, витрачений відділом засобів масової інформації на одне (здавалося б) просте завдання; усунення розбіжностей у даних вручну та / або сторонніх даних. Результати нас шокували:
= Середня кількість помилок звітування за тиждень: 10- Середній час пошуку та виправлення помилок: 3 години- Середня кількість людських годин на рік: 1560 годин- Середня вартість на рік: 156 000 фунтів стерлінгів
Отож, здавалося б, буденне, але критичне завдання коштувало бізнесу 150 тисяч фунтів стерлінгів на рік, і це навіть не стало кількісно оцінювати емоційні наслідки: перенапружений та напружений персонал!
Наведений вище розрахунок та інші внутрішні показники ефективності стали основними для бізнес-обґрунтування фінансування такої системи BI, як Cortex. Це було ще до того, як ми навіть оцінили переваги для наших клієнтів. Я хочу наголосити на цьому: головна функція Cortex спочатку була для агентства. Клієнти були взаємозалежними, проте вторинними пріоритетами. Наведення порядку в нашому будинку стало ключовим акцентом.
Найпростіше, система BI повинна забезпечувати середовище звітування та планування як для клієнтів, так і для медіа-планувальників, щоб забезпечити краще розуміння одно- та багатоканальних причин і наслідків. Це означає, що йому потрібна принаймні здатність базового рівня виконувати прогнозний аналіз, щоб відповісти на питання; “Що станеться?”
Інше, більш досконале, використання дозволяє йому також використовувати вдосконалену динамічну стратегію креативної оптимізації та персоналізації вмісту, яка сприяє придбанню, активації та збереженню.
Наша місія полягає в тому, щоб стати першопрохідцем на межі рецептурної аналітики …
В якості основи БІ повинен зробити чотири речі:
Контролюйте дані та рішення, щоб забезпечити справжню консолідацію
Швидка обробка глибоких наборів даних, необхідних для прогнозного аналізу
Оптимізація аудиторії та медіа завдяки надійній проактивній інформації
Краща монетизація даних
Якщо ви досягнете цього, ви не тільки перетворите прості дані та уявлення у справжню корисну бізнес-аналітику, але і вирішите інші ключові проблеми управління, такі як максимізація ефективності використання ресурсів (використання), створення центрів прибутку з тих, що колись вважалися центрами витрат, і, ще важливіше, викликаючи щасливішого та проникливішого та продуктивнішого персоналу.
Однак, як і в більшості галузей нашої галузі, наявності відповідних інструментів недостатньо. Щоб насправді ефективно використовувати та використовувати дані, агенціям необхідно створити фундамент аналітики в рамках своєї культури. Хтось повинен володіти і керувати цим. Цифрові маркетологи повинні розуміти, наскільки розумне використання даних може бути важливим для брендів, споживача та їхнього власного бізнесу.
Клієнти також повинні розуміти, наскільки трансформаційною може бути вдосконалена система управління даними та звітності. Вони можуть коштувати часу, зусиль та грошей на адаптацію, але є критично важливими для досягнення довгострокових цілей.
У Будинку Кайдзен ми перебуваємо на початкових етапах цього процесу. Включення всіх існуючих та нових клієнтів у нашу систему BI та допомога клієнтам у самопокритті та роздумах про те, що можна досягти завдяки такому технологічному прогресу.
В даний час один із таких клієнтів щомісяця виробляє дев’ять різних звітів (вручну шляхом різного завантаження даних). Їм та їхнім агенціям потрібен величезний колективний час для збору цього, часто з помилками через дублювання, розбіжності даних тощо. Наша мета в цьому випадку – допомогти клієнту зрозуміти, що існує кращий спосіб не лише об’єднати ці дані , але отримувати розуміння, одночасно створюючи значну ефективність як для них, так і для їх постачальників.
Що буде за інтелектуальним використанням даних у цифровому маркетингу?
Зверніть увагу на подальші приклади того, як дані використовуються для персоналізації вмісту, дозволяючи веб-сайтам перетворюватися на тисячі різних бесід, щоб адаптуватись до потреб окремого користувача.
Агенції також перейдуть на більш прогностичний та, врешті-решт, рецептурний аналіз. Саме сюди прямує наша улюблена кора. Наша місія полягає в тому, щоб стати піонером на межі приписної аналітики, досліджуючи взаємозв’язки, що існують між різними джерелами даних, і діючи щодо того, як використовувати їх на користь наших ключових показників ефективності (тобто “Який важіль я повинен тягнути і коли?”) .
Системи управління даними стануть ще більш помітними в стимулюванні програмної реклами, об’єднавши аналітику в реальному часі та торги з програмованими алгоритмами, щоб забезпечити подальшу автоматизовану ефективність у нашому прагненні охопити аудиторію в потрібний час за допомогою потрібного повідомлення на будь-якому пристрої.
За допомогою швидко прогресуючих інструментів та організаційних змін, чи могли б ми нарешті попрощатися з електронними таблицями та зведеними таблицями? Тільки час покаже, але в Будинку Кайдзен ми залишаємося з оптимізмом, що, зменшуючи кількість “дій”, ми можемо зосередитись на “мисленні”. Для цього BI – єдиний шлях вперед.
Ця стаття була спочатку написана мною та опублікована на ExchangeWire 11 липня 2016 р.
Спочатку ця публікація була опублікована за адресою https://www.linkedin.com/pulse/why-digital-marketers-bridging-data-gap-david-shiell/.
David Shiell люб’язно дозволив нам перекласти і опублікувати цю статтю.
Temy.co - Software Development Partner 