Et regneark med 40 kolonner er ikke en analyse. Det er et regneark med 40 kolonner. Analysen begynder, når I kan forklare, hvilken beslutning tallene skal hjælpe med.
Start derfor ikke med at hente alt. Start med at formulere den konkrete usikkerhed. Det sparer både databehandling og møder, hvor alle finder deres yndlingstal og går hjem med samme mening som før.
Skriv beslutningen som en sætning
En brugbar beslutning har en handling, et område og en tidshorisont. Eksempelvis: »Skal vi flytte en del af næste måneds annoncebudget fra kanal A til kanal B?« Det er et arbejdsspørgsmål. »Hvordan går marketing?« er mere en invitation til kaffe.
Skriv også, hvad I vil gøre ved de mulige svar. Hvis ingen kan forestille sig en ændring, uanset hvad analysen viser, er spørgsmålet enten forkert eller for tidligt.
Aftal ordene før tallene
To afdelinger kan bruge ordet lead om forskellige ting. Den ene tæller alle indsendte formularer. Den anden tæller kun henvendelser, som salg har godkendt. Begge tal kan være korrekte og stadig skabe en forkert diskussion.
Lav en kort definition af hver måling, der skal indgå:
- Hvad tæller med?
- Hvad tæller ikke med?
- Hvornår registreres hændelsen?
- Hvilket system er kilden?
- Kan den samme hændelse tælle flere gange?
- Er tallet observeret, beregnet eller modelleret?
Definitionen behøver ikke fylde en side. Den skal bare være præcis nok til, at to personer kan beregne det samme tal uden at gætte.
Kontrollér datagrundlaget i tre lag
Jeg ville kontrollere data i denne rækkefølge:
- Kilden: Bliver hændelsen registreret dér, hvor den faktisk sker?
- Transporten: Forsvinder, fordobles eller ændres data på vej mellem systemer?
- Rapporten: Bruger beregningen de rigtige filtre, perioder og definitioner?
Tag nogle få konkrete rækker og følg dem fra kildesystem til rapport. Det er mindre imponerende end et dashboard med animationer, men langt bedre til at afsløre fejl.
Vælg en sammenligning, der kan bære spørgsmålet
En stigning på 20 procent siger ikke meget alene. Sammenlignet med hvad? Den foregående uge, samme periode sidste år, en kontrolgruppe eller en planlagt målsætning kan give helt forskellige fortolkninger.
Kontrollér samtidig, om perioderne faktisk er sammenlignelige. Kampagner, helligdage, lagerstatus, prisændringer og ændret måling kan alle flytte resultatet. Skriv de vigtigste brud ved siden af tallene i stedet for at håbe, at alle husker dem.
Vis usikkerheden åbent
Data bliver ikke mere troværdige af, at usikkerheden gemmes. Markér manglende data, ændrede definitioner og små datamængder. Hvis to systemer viser forskellige tal, så beskriv forskellen og den mest sandsynlige forklaring.
Det er ofte nok at arbejde med et interval eller tre scenarier: lavt, forventet og højt. Pointen er ikke at forudsige alting. Pointen er at se, om beslutningen ændrer sig, når antagelserne gør.
Skil resultat fra forklaring
Rapporten kan vise, at konverteringsraten faldt. Den kan sjældent alene bevise hvorfor. Formulér derfor forklaringer som hypoteser, og angiv hvad der skal undersøges for at skelne mellem dem.
- Hvad ved vi fra data?
- Hvad tror vi forklarer det?
- Hvilke andre forklaringer er mulige?
- Hvilken ny observation eller test kan skelne mellem dem?
Den opdeling gør konklusionen mere ærlig og næste skridt mere præcist. Den forhindrer også, at en pæn kurve bliver forfremmet til årsagsforklaring uden samtale.
Gem beslutningen sammen med analysen
Afslut med én kort beslutningslog: spørgsmålet, de brugte definitioner, hovedresultatet, de vigtigste forbehold, beslutningen, ejeren og datoen for opfølgning. Så kan I senere se, om beslutningen var fornuftig ud fra den viden, I havde – også når resultatet ikke blev som håbet.
Tag den næste analyse, I har planlagt, og prøv at skrive beslutningen i én sætning. Kan I ikke det, skal I ikke hente flere data endnu.