10 Tips voor betere big data-analyse - dummies

Wilt u het maximale uit uw analyse van Excel-gegevens halen? Hier zijn tien snelle tips voor effectief en efficiënt werken met big data.

Beschouw je werk als een zoektocht naar begraven schat

Je moet data-analyse zien als een proces dat lijkt op het zoeken naar begraven schatten.

Met andere woorden, datamining lijkt op goudwinning. Je baant je een weg door de gegevens of doorzoekt de granulariteit op zoek naar waardevolle nuggets. Deze inspanning kan nauwgezet en vervelend zijn.

Echter, met doorzettingsvermogen en een beetje geluk, zou je vaak (vaak?) Waardevolle inzichten moeten vinden in zowel kansen als bedreigingen die je anders misschien gemist zou hebben.

U wilt en moet dat onthouden.

Meer gegevens verzamelen

U moet meer gegevens verzamelen … en dan goed zijn over het opslaan en opslaan van de gegevens die u wel verzamelt.

Met de woorden, slordig de gegevens die we al verzamelen of die u hebt, niet slordig verwijderen of onzorgvuldig verliezen of weggooien. Die gegevens kunnen van onschatbare waarde zijn. En als het vandaag niet onbetaalbaar is, wie weet? Het kan op een bepaald moment in de toekomst zijn.

Zie het onder ogen. Hoe rijker de dataset, hoe beter de kansen dat een beetje cool inzicht naar je uitspringt.

Meer gegevens maken

Werk om meer gegevens te maken.

Oké, dat klinkt misschien gek. Maar in sommige gevallen kunnen nuttige gegevens heel economisch worden gecreëerd.

Hier is een eenvoudig voorbeeld: als u een bedrijf runt, vraagt ​​u de klanten hoe zij u hebben gevonden. U krijgt daardoor een geweldig inzicht in uw marketinginspanningen.

U hebt waarschijnlijk andere interessante manieren om meer gegevens te maken.

Voer regelmatig experimenten uit

Methoden voor gegevenscreatie, zoals experimenteren via AB-tests en pilotstudies, kunnen economisch waardevolle gegevens opleveren.

Bijvoorbeeld, auteur Timothy Ferris in zijn bestseller, The Four Hour Workweek , beschrijft het gebruik van pay-per-clicks om de haalbaarheid van producten te meten. Dat is een geweldig idee, en een idee dat waarschijnlijk in veel gevallen leidt tot meer accurate analytische conclusies dan een focusgroep.

Ga groot (met uw gegevensreeksen en uw voorbeelden)

Als u op de hoogte was van de statistieken in de leeftijd voordat computers en hun grote gegevenssets algemeen beschikbaar en gebruiksvriendelijk waren, heeft u misschien de neiging om oordelen en beslissingen nemen op basis van kleine datasets.

Vandaag is dat echt behoorlijk onvergeeflijk. Tegenwoordig zou je met enorme datasets moeten werken. Gebruik waar mogelijk "go big" en gebruik grote of grotere datasets en voorbeelden.

Laat data-analyse niet delegeren

Vanuit het perspectief van veel managers of bedrijfseigenaars lijkt het hebben van wat jonge tech-savvy-stagiairs misschien de beste benadering om echt goede data-analyse te laten uitvoeren.

Maar als u praat met mensen die veel gegevens analyseren, zult u waarschijnlijk merken dat u het slimste, meest ervaren teamlid dat u bent aan dit project kunt toewijzen. Met andere woorden, de mensen die je echt wilt dit werk doen zijn de mensen die waarschijnlijk geen tijd hebben om het te doen.

Misschien moet u de gegevensanalyse zelf uitvoeren als u de grote Pooh-Bah bent.

Nogmaals, denk dat dit werk verwant is aan mijnbouw voor begraven schatten. De inzichten die u misschien ontdekt, kunnen enorm waardevol zijn. Zo goed als sommige jonge mannetjes of jonge doe het misschien, je moet zeker niet willen dat ze een openstaande kans of een mogelijk catastrofale dreiging missen omdat ze geen ervaring hebben of nog geen volledig ontwikkelde strategische denkvaardigheden hebben.

Afvaltijd gieten over betekenisloze gegevens

Dit is een gek idee. Misschien moet u af en toe tijd verspillen aan schijnbaar zinloze gegevens: kruistabellen van in de tijd gestempelde verkoopbewijzen, analysegegevens van uw website, transactielogboeken van derden, enzovoort.

Je weet nooit wat je zult vinden. En soms kunnen de beste inzichten uit de meest verrassende plaatsen komen.

Inventarisatie interne gegevensbronnen

Een huishoudingsitem: u wilt waarschijnlijk een inventaris bijhouden van interne gegevensbronnen. En de lijst moet waarschijnlijk meer bevatten dan alleen het boekhoudsysteem en de analysebestanden van uw webservers. Er zijn allerlei interessante gegevens als je eraan denkt. En sommige dingen zullen verloren raken of worden vergeten als je niet voorzichtig bent.

Bouw een bibliotheek met externe onbewerkte gegevensbronnen

Een snelle herinnering? Sommige van uw onbewerkte gegevensbronnen zijn niet intern maar extern. Vergeet die niet.

Zelfs de kleinste bedrijven hebben mogelijk toegang tot externe verwerkingsbestanden en transactielijsten van externe webservices.

Bescherm eigen gegevensbronnen

Omdat alle eigen gegevensbronnen van enorme waarde kunnen zijn, wilt u het item natuurlijk zorgvuldig beschermen.

Nu betekent dit natuurlijk dat u de gegevens veilig wilt opslaan en regelmatig wilt back-uppen, maar dat is niet alles. Het beschermen van uw bedrijfseigen gegevens betekent dat u ervoor wilt zorgen dat de gegevens eigendom zijn van en (misschien zelfs nog meer) dat alle inzichten in de gegevens intern blijven. Iets om over na te denken …