Рассказываем

Чем отличаются подходы Data Driven, Data Informed и Data Inspired

Есть три метода для эффективного управления и принятия правильных решений, и они основаны на анализе данных. В статье разберём, что лежит в основе методов Data Driven, Data Informed, Data Inspired. Рассмотрим, чем они отличаются и когда применяются.

Data Driven

Data Driven — самый формализованный метод, в котором все решения имеют под собой точное количественное обоснование. Чтобы внедрить такой подход в работу, нужно систематически собирать много данных, создавать систему для их хранения и анализа. Важно это делать задолго до принятия решения, чтобы опираться на статистические значимые показатели последних периодов.

Для реализации Data Driven необходима профессиональная команда, состоящая из аналитиков и менеджеров. Специалисты должны понимать ценность данных и уметь правильно их анализировать. Тогда компания получит наиболее точное понимание, как прогнозировать продажи, когда запускать новые функции, какой дизайн или площадка размещения лучше работает. Предложения, созданные на основе Data Driven, легче презентовать руководству.
В маленьких компаниях принять взвешенное решение сложнее, так как у них слишком мало данных.
5.
Нужно настроить правильное, безопасное и удобное хранение данных, выбрать релевантные инструменты аналитики, постоянно генерировать гипотезы и проводить исследования — это объёмная и дорогостоящая работа.
4.
Данные не являются решением любой проблемы, основную ответственность несёт менеджер. Всё равно важен человеческий фактор: нужен квалифицированный специалист, который будет учитывать даже неколичественные показатели и руководствоваться здравым смыслом.
3.
Данные можно трактовать предвзято и создавать на их основе удобные или выгодные кому-то предложения.
2.
Data Driven отвечает только на конкретно заданные тактические вопросы, с его помощью сложно решать стратегические задачи.
1.

Минусы Data Driven

Data Informed — метод, в котором учитываются не только строгие и точные данные, но и опыт, экспертиза специалиста. Подход не расскажет точно, что нужно делать, данные являются только одним из факторов для принятия решений. Его задача — буквально информировать менеджеров, чтобы они могли создавать что-то инновационное в ближайшем будущем. Data Informed не стоит использовать для принятия ключевых стратегических планов.

Data Informed

На принятые решения могут влиять когнитивные искажения аналитика, его личные интересы, из-за чего во внимание попадают только данные, подтверждающие теорию.
3.
На принятые решения могут влиять когнитивные искажения аналитика, его личные интересы, из-за чего во внимание попадают только данные, подтверждающие теорию.
2.
Сложно обосновать вносимые идеи топ-менеджерам и стейкхолдерам, потому что предложения базируются не только на цифрах и данных, но и на мнении и опыте менеджера.
1.

Минусы Data Informed

Результат работы по Data Inspired — абстрактные идеи, необычные решения, поэтому использование метода всегда рискованно. Однако это нельзя назвать игрой вслепую: команда всё-таки опирается на изучение рынка, тренды и тенденции. Также появляется максимальная вариативность действий после мозговых штурмов, выше вероятность принять комплексное решение.
Data Inspired — подход, в котором данные играют ещё меньшую роль по сравнению с предыдущими методами. Важны здесь интуиция, поиск неочевидных взаимосвязей, личный опыт и чувства. Способ эффективен, когда нужно придумать радикально новые идеи, создать то, чего нет. В отличие от предыдущих методов, цель Data Inspired не в том, чтобы точно спрогнозировать будущее или выявить закономерности, а создать стратегию и определить, что делать в долгосрочной перспективе.

Data Inspired

Подход Data Inspired анализирует глобальные тенденции и помогает принимать решения с прицелом на долгосрочную перспективу.
3.
Подход Data Informed в меньшей степени задействует аналитику и больше опирается на интуицию. С его помощью можно создавать среднесрочные планы.
2.
Метод Data Driven подходит для принятия ежедневных оперативных решений, так как основан на большом количестве собранных данных.
1.

Вместо заключения

рекомендуем почитать