Digitale Hygiene: Kampf gegen die Datenflut

Vor einigen Jahren, als die digitale Speicherung immer erschwinglicher wurde, war die Einstellung vieler Unternehmen gegenüber Daten die, "alles zu speichern" Jedes. Einzelnen. Daten. Punkt.

Dann kamen "Big Data" und Cloud Computing auf, die noch mehr Daten, mehr Rechenleistung und angeblich noch mehr Möglichkeiten und Erkenntnisse brachten. Infolgedessen schnellte der Datenverbrauch in die Höhe, angetrieben durch das Internet, soziale Netzwerke und digitale Dienste.

Um meinen Guru zu paraphrasieren Avinash Kaushikwir haben jetzt mehr Daten, als Gott jemals für uns vorgesehen hat.

Der Instinkt, alles zu speichern, ist verständlich. Warum sollte man Daten wegwerfen? Aber es gibt ein paar unvorhergesehene Auswirkungen:

• Der Arbeitsaufwand für die Datenqualitätssicherung wird erhöht
• Die Datenverarbeitungszeiten verlängern sich
• Die Datensätze werden komplexer und sind schwieriger zu bearbeiten
• Der größte Teil der Daten ist für die Geschäftsanalyse irrelevant

Die Entscheidung, alle Daten zu behalten, fiel leicht. Die Entscheidung, welche Datenpunkte berücksichtigt werden sollten, ist schwierig. Diese Überlegungsphase wird entweder durchgeführt, wenn Unternehmen ein Datenprojekt spezifizieren (VORHER) oder wenn sie eine neue Version ihrer digitalen Assets einführen (NACHHER).

Nur für reifere Zielgruppen

Stellen Sie sich vor, Sie erstellen die Spezifikation für Ihr Projekt und überlegen, wie Sie den Projekterfolg messen können. Wahrscheinlich werden Sie die folgenden KPIs in Betracht ziehen:

• Nutzungsrate der Hauptfunktionen (Konversionsrate)
• Marketingeffektivität (Budget, Kosten pro Akquisition)
• Eitelkeitsmetriken (Volumen, Nutzer)

Klingt zu einfach? Stimmt. Und doch ist das eine gute Basis, um damit zu arbeiten!

Wichtiger Tipp: Ihr Projekt muss synchron sein mit dem Reifegrad Ihrer Organisation.

Zunächst müssen Sie sicherstellen, dass die grundlegenden Daten, die Sie von Ihrer Website oder App sammeln wollen, bei Ihren Produktmanagern, Ihrem Marketingteam oder Ihren Analysten Anklang finden. Sie müssen verstehen, wie diese grundlegenden Zahlen zur Gestaltung Ihrer Produkt- oder Marketingstrategien beitragen können.

Dann muss ein Spezifikationsdokument erstellt werden. Eine Art Bibel der Datensammlung. Nennen Sie es einen Tagging-Plan, ein Datenerfassungskonzept, ein Lösungsdesign-Dokument... seien Sie kreativ! Dieses Dokument wird nicht in Stein gemeißelt sein. Es wird sich mit Ihrem Unternehmen weiterentwickeln, wenn Sie Ihren Datensatz erweitern, um Ihre Messanforderungen zu erfüllen. Stellen Sie sicher, dass Sie die wichtigsten Interessengruppen in diesen Prozess einbeziehen, sonst...

Erst nachdem Sie eine gründliche Datenspezifikationsphase durchlaufen haben, können Sie die Anreicherung Ihrer Daten in den nachfolgenden Entwicklungszyklen in Betracht ziehen. Die Datenanreicherung wird entweder:

• Vertikal: mehr Metriken zur Messung bestimmter Benutzerereignisse
• Horizontal: mehr Dimensionen/Attribute, um den Metriken mehr Kontext zu geben

Reichern Sie Ihre Daten weiter an, um die KPIs zu bewerten, die die Messung Ihrer Geschäftsziele unterstützen. Geben Sie ihnen so viel Kontext wie möglich, damit die Analyse so relevant und umsetzbar wie möglich ist.

Lösen Ihre Daten Freude aus?

Das ganze Gerede über die Anreicherung Ihrer Daten klingt großartig, aber vielleicht haben Sie schon viel zu viele Daten gesammelt. Man könnte meinen, eine Menge Daten zu sammeln bedeutet, den Treibstoff für maschinelles Lernen zu bekommen, künstliche Intelligenzoder jede einigermaßen fortschrittliche Datenverarbeitung.

Allerdings führen zu viele unidentifizierte/nicht katalogisierte Daten letztlich zu Verwirrung und Speicher-/Verarbeitungskosten. Wenn Sie beispielsweise einen Vertrag mit einem Anbieter von digitalen Analysen haben (z. B. Adobe oder Google), ist es sehr wahrscheinlich, dass Sie eine monatliche/jährliche Abonnementgebühr zahlen, die auf der Anzahl der Zugriffe basiert, die Ihr System sammelt und in Berichten, Würfeln und verschiedenen Datensätzen verarbeitet. Darüber hinaus sind digitale Marketingteams nicht dafür bekannt, den Status quo in Frage zu stellen, insbesondere wenn es um Daten und Tracking geht.

Kombiniert man beide Facetten der Datenbereinigung, steht eine Optimierungskampagne vor der Tür, die zu einem Kosteneinsparungsprojekt wird. An dieser Stelle sollten Sie als Unternehmen anfangen, sich zu fragen: "Brauche ich diese Daten wirklich? Kann mein Team auch ohne die Messung von Kennzahl X und Attribut Y arbeiten?

In Anlehnung an Marie Kondo's konmari methodesollten Sie sollten Sie nur Datenpunkte behalten, die Ihr Herz ansprechen. Identifizieren Sie Metriken/Attribute, die keine Freude mehr machen, und danken Sie ihnen für ihre Dienste, bevor Sie sie mit einem festen und zufriedenstellenden Druck auf die LÖSCHEN-Taste brutal entsorgen.

Wie können Sie feststellen, ob Sie einen bestimmten Datenpunkt verwerfen sollten?

Dazu ist eine kleine Untersuchung erforderlich, die Sie in Ihrem Datenspeicher durchführen können, indem Sie sich Ihre Datenstruktur ansehen (z. B. Spaltennamen und -werte). Wenn Sie sich nicht entscheiden können, fragen Sie sich, ob ein bestimmter Datenpunkt wirklich "Freude macht" oder in unserem Fall die Analyse vorantreibt und als Faktor für das maschinelle Lernen verwendet werden kann. Dies ist eine gute Gelegenheit, maschinelles Lernen zu nutzen, um das herauszufinden!

Geben Sie Ihren Datensatz in R/Python (fügen Sie hier Ihr bevorzugtes Paket für maschinelles Lernen ein) ein und sehen Sie sich die Ergebnisse an:

Sie können die Faktorenanalyse auch auf eine andere Art und Weise betrachten und sehen, wo ein bestimmter Faktor wirklich zur Leistung beiträgt, und zwar Metrik für Metrik:

Sobald Sie analysiert haben, welche Datenpunkte noch in Ihre Datenarchitektur gehören, ist es an der Zeit, sie zu streichen. Wenn Sie die Entscheidung getroffen haben, vorhandene Daten zu löschen, kann dies so einfach sein wie das Löschen einer Spalte oder einer Reihe von Einträgen in einer Datenbank, einem Data Lake oder einem Daten-Repository. Aber das gilt nur für Daten, die Sie bereits gesammelt haben. Was ist mit der zukünftigen Datenerfassung?

Wenn Sie die Art und Weise der Datenerfassung ändern möchten, müssen Sie konmari für Ihre digitalen Ressourcen: Website-Tracking, mobile SDKs, OTT-Geräte. Mit einem Tag-Management-System (TMS) können Sie damit beginnen, nicht mehr benötigte Tags zu deaktivieren/pausieren, bevor Sie sie sicher aus zukünftigen Versionen löschen:

Aus Sicht des Managements müssen sich die Beteiligten zu erkennen geben und klare Datenanforderungen formulieren, die leicht abgerufen werden können. Auf diese Weise sabotieren Sie nicht versehentlich die Berichte Ihrer Kollegen, wenn Sie Daten löschen, die Ihnen nicht mehr zusagen.

Und das ist der Grund, warum Sie diese Datenerhebungsbibel überhaupt erst gebraucht haben!

In welcher Datenphase befinden Sie sich? Davor oder danach? Einfach oder komplex?