Big Data har været på alles læber i en årrække, men for rigtig mange virksomheder virker såvel begrebet – der ofte bruges i flæng – og de store mængder data uoverskuelige og alt for komplekse.
Men hvorfor er det sådan? Adgangen til data har jo aldrig været nemmere.
Ifølge iProspect, der er et af landets største bureauer inden for datadrevet markedsføring, opstår problemet, når der ikke for alvor bliver taget stilling til to ting: Kvaliteten af data og relevansen af data.
– Vi ser en stor efterspørgsel på ydelser, der handler om at omdanne data til nyttig viden. Det er ikke nok at generere mange data. Langt vigtigere er det, at virksomheder formår at generere de rigtige data, siger Lars Møller, direktør for iProspect i Danmark.
Vi er bange for data
Desværre møder mange virksomheder ofte udfordringen med at få styr på de mange data med berøringsangst.
– I stedet for at gribe fat om roden af udfordringen, vil mange – i forsøget på at uddrage indsigter – i stedet stirre sig blind på de mange data, der er til rådighed, fortsætter Lars Møller.
Derved er der risiko for, at de data, en virksomhed tager beslutninger på baggrund af, bliver tilfældigt udvalgt.
– Det ligger naturligt til den menneskelige psykologi at finde mønstre, som passer på de forestillinger, man har i forvejen. Problemet er, at hvis de data, man finder mønstre i, er upræcise eller irrelevante, så træffer man beslutninger på et forkert grundlag, siger Rasmus Keiding, der er Head of Analytics hos iProspect.
Forudsætningen for at skabe ”rigtige” data begynder, før virksomheden eksempelvis kaster sig over webanalyseværktøjer, hvor Google Analytics er blandt de mest anvendte.
Følger virksomheden ni enkle råd (Se dem under artiklen), så er den godt på vej, og det behøver ikke være uoverskueligt eller svært at uddrage de helt rigtige data, mener Rasmus Keiding.
Samtidig maksimeres sandsynligheden for, at der kan drages endda store fordele af at have de rigtige data til rådighed i arbejdet med webanalyse.
Styr på data = Bedre bundlinje
En virksomhed, der formår at løfte potentialet ved webanalyse, kan især få en toptunet tilstedeværelse på nettet, hvilket bl.a. kan generere flere salg eller leads, højere omsætning, højere konverteringsrate, bedre forretningsindsigter, bedre indhold på hjemmesiden (eller andre steder) samt – ikke mindst – et forbedret grundlag for at tage beslutninger om marketing og forretning.
iProspect er netop blevet autoriseret re-seller, eller forhandler, af betalings-udgaven af det populære webanalyseværktøj, Google Analytics, og der er gode grunde til at virksomheder ikke nøjes med de gratis værktøjer, som findes på markedet, mener Lars Møller.
Gratis kan være dyrt
– Virksomheder, der genererer mange data, vil ”ramme loftet” med en gratis udgave af Google Analytics. Så snart man benytter sig af mere avancerede muligheder for at udtrække data, vil man hurtigt støde på et sampling-problem (altså at data kun er baseret på en mindre stikprøve, red.), siger Lars Møller.
Det kan være med til at forplumre billedet af en virksomheds evner på nettet via meget unøjagtige data, der gør det svært, eller umuligt, at lave dybdegående analyser. Og for virksomheder med hjemmesider, der har meget trafik, kan der opstå et endnu mere alvorligt problem. Hvis hjemmesiden modtager over 10 mio. ”hits” om måneden (al aktivitet, der måles), vil man risikere, at gratisudgaven af Google Analytics helt stopper med at stille data til rådighed. Disse begrænsninger findes ikke i de mere avancerede webanalyseværktøjer.
– En virksomhed, som investerer i en premium analytics-løsning såsom Google Analytics Premium, Adobe Analytics, WebTrends, KissMetrics eller Netminers, har erkendt, at webanalyse ikke blot skal være måling af konverteringer og besøg på en hjemmeside, men derimod en integreret del af virksomhedens forretnings- og markedsføringsstrategi, slutter Lars Møller.
Ni gode råd fra iProspect.
1. Identificér først forretningsmål, strategiske mål, KPI’er (Key Performance Indicators) og målsætninger
2. Opbyg og skræddersy måling af data herefter
3. Mål data så nøjagtigt som muligt
4. Visualisér vigtige data, så indsigterne er nemme at identificere
5. Lav dybdegående analyser for specifikke KPI’er og målsætninger
6. Segmentér data i stedet for at fokusere på overordnede trends i analysearbejdet
7. Implementér ændringer på baggrund af analysen
8. Vurdér effekten af implementeringerne på data
9. Raffinér og genovervej på denne baggrund, om det er de rigtige data, der måles på.