ゴミ箱に捨てる、ゴミ箱に捨てる：悪いデータがビジネスの成長に与える影響

公開: 2019-06-11

マーケターは貴重な消費者データの山に座っています。しかし、自由に使えるすべてのデータが役立つわけではありません。質の悪いデータを扱うと、マーケティング活動が損なわれ、機会を逃し、最終的に収益を損なうことになります。

不良データとは、状況によって破損することが多いデータです。そして、それは私たちが認識しているよりも一般的です。意図的または悪意のあるものではなく、人為的エラーまたは不適切な収集の結果であることがよくあります。メールアドレスが時間の経過とともに変化するのと同じくらい簡単な場合もあります。他の例では、それはあなたのプロセスを壊すものです。原因は単純な場合もありますが、その影響（分析のギャップや不正確さが、測定しているすべてのものが無効になる原因となる）は悲惨なものになる可能性があります。

すべての組織のチームにデータチャンピオンがいるわけではありませんが、企業がデータファーストの文化をますます受け入れるようになるにつれて、データの健全性を優先することが必須になります。

悪いデータは標準化されていません

あなたの個人的な生活では、通常、データを調整するための何らかの方法があります。銀行口座に不一致が見つかったとしましょう。あなたはあなたが何を稼いだのか、何を使ったのかを知っており、これを銀行取引明細書の履歴データと照合することができます。言い換えれば、あなたには真実の源があります。しかし、マーケティングでは、多くの場合、ベースラインはありません。マーケティング担当者として、あなたはもちろん何が正しいかについてある程度の考えを持っていますが、すべてのデータはそれ自体に関連しています。

この問題は目新しいものではなく、レーダーの下を簡単に飛び越えます。たとえば、Google Analyticsを使用してすべてのWebページのトラフィックを追跡していて、何らかの理由でスクリプトがページの10％を追跡していなかった場合、10が欠落していることはわかりません。データの％。このようなギャップは、いくつかの方法で発生する可能性があります。しかし、それが発生する大きな方法の1つは、標準化の欠如によるものです。

SaaSビジネスの場合、「サイトへの訪問者」を測定することは、「プラットフォーム内のユーザー」と同じ意味ではない場合があります。これらの指標をさまざまな分析プラットフォームにまたがって設定し、マーケティングから販売、エンジニアリングに至るまで、いくつかの部門にまたがって断片化する場合、違いが生じます。 AdWordsの「クリック数」は、新規ユーザー、ユニーク数、合計セッション数に違いがあるため、必ずしも全体的なトラフィックにつながるとは限りません。大規模な場合、何百ものソースからデータを取得しています。測定対象を標準化せずに、それをすべて同じように扱うことは、悪いデータのレシピです。

悪いデータは高価です

問題を修正する方法がわからないために問題を無視している場合でも、まだ気付いていない場合でも、質の低いデータを処理すると、マーケティング以外の多くのビジネスに影響を及ぼします。データがいたるところにあると、貴重なイニシアチブが停止し、収益が損なわれます。

これを概観すると、データは年間70％の割合で減衰するため、不良データは企業に年間平均970万ドルのコストをかけます。 Harvard Business Reviewは、意思決定者、マネージャー、データサイエンティスト、およびその他のチームメンバーは、不正確な情報や不適切な情報源を探し出し、間違いを修正するなど、日常業務の不一致に対応する必要があるため、データのコストが非常に高いと結論付けました。そうすることは、時間と費用の両方がかかります。

お金を超えて、悪いデータはあなたの戦略を危うくし、情報に通じていないビジネス上の決定から生じる将来の浪費された機会につながります。さまざまな形式でさまざまな頻度で複数のソースから提供される大量のデータを処理することは、断片化されたプロセスです。マーケティング部門には、このすべてのデータを継続的に分析、理解、活用するための人材が不足していることがよくあります。

良いデータはきれいです

時間をかけてデータをクリーンアップ、検証、整理すると、データが良好になり、古い情報、重複、不正確さなどの一般的な問題がシステムを悩ませることがなくなります。

この複雑さに対処するには、標準化、最適化、レポート作成、およびアジャイルアプローチのための専用のリソースと明確に定義されたプロセスとポリシーが必要です。これは、ほとんどの組織が慣れている月次レポート、四半期予測、および一時的な洞察の生成からの逸脱です。しかし、このシフトは、ますますデータ主導の世界で成功するために重要です。世界クラスのマーケティング組織は、データ、分析、戦略、人材、プロセス、および機能をシームレスに融合して、ビジネス結果を提供する必要があります。

組織が成長していて、部門間でデータを共有するための水門を開いたばかりの場合は、顧客の全体像を把握できるように、情報をマージできる領域を探してください。チームメンバーがパイプラインのさまざまな部分を所有し、組織内の優れたデータを擁護するタスクフォースの形成を検討してください。

データパイプラインを手動でクリーンアップするためのタスクフォースにリソースを割り当てることが非現実的なオプションである場合は、AIツールの実装を検討してください。予測機械学習は、データメトリックのベースライン動作を学習し、膨大な量のデータを信頼できるビジネス情報に迅速に変換し、異常の発見を自動化する機能を備えています。

パイプラインをクリーンアップするための専用のリソースは目前の問題を修正しますが、これらの原則を積極的に適用することほど保護的なものはありません。チームがコース修正に費やす時間を取り、最初から安全で正確なデータプロセスを構築するために費やした時間と交換します。

完璧ではなく追求

現実的であることは重要です。そして、悪いデータの現実は、それをクリーンアップすることは終わりのないプロセスであるということです。目標は、すべてが完璧な最終状態ではありません。目標は、より良いデータを奨励する職場の習慣とプロセスに向けて努力することです。

とはいえ、データ品質は最終的にはすべての人のビジネスです。数値を直接操作するかどうかに関係なく、データは組織のすべての出力に影響します。クリーンで維持されたパイプラインは、あなたとあなたのチームが誤ったコストを削減して、健全なデータ戦略をより簡単に追求できることを意味します。

マーケティングを真のデータファースト文化に移行することは、長い道のりです。しかし、それはその価値を証明するものです。

この作品は、データドリブンマーケティングに関するシリーズの一部であり、専門家がデータに基づいたチームと戦略的アプローチを開発するための鍵を探ります。 ここで最初の記事を読んでください。