10 Errores analíticos comunes

La recopilación, análisis y toma de decisiones a partir de datos es el corazón del análisis de clientes. Pero si usted es nuevo en el análisis de datos o ha estado haciendo desde hace tiempo, diez errores comunes pueden afectar a la calidad de sus resultados. Usted debe estar al pendiente de ellos. Siguen, y algunas ideas sobre cómo evitarlos se incluyen también.

La optimización de la vuelta de la métrica equivocada

Existen métricas para casi cualquier cosa en una organización y muy probablemente son recogidos por una buena razón. Asegúrese de que la métrica que desea optimizar va a lograr no sólo sus objetivos, sino también los objetivos de sus clientes.

Si las aerolíneas a optimizar torno salida en el tiempo en lugar de llegadas a tiempo, un avión que se aleja de la puerta y se sienta en el asfalto es un indicador de éxito a pesar de que los clientes se sientan la experiencia es decepcionante, ya que llegan a su destino una hora de retraso .

Si optimiza todo el número de llamadas atendidas en una hora a un centro de llamadas, que está colocando la cantidad sobre la calidad. Mientras que los clientes generalmente quieren obtener una resolución rápida, son los temas que se abordan adecuadamente?

Video: 10 ERRORES COMUNES DE YOUTUBERS

Asegúrese de que sus indicadores son significativos para su cliente y que la optimización de los parámetros hace que para una mejor experiencia.

Confiar demasiado en los datos de comportamiento o de actitud

transacciones de los clientes de minería pueden revelar una gran cantidad de patrones en las cosas como lo que compran productos clientes juntos o por el tiempo promedio entre las compras. Pero estos datos de comportamiento no ayuda necesariamente a entender las actitudes y motivaciones de por qué los clientes compran cosas juntas. Estos datos de actitud puede ser más fácilmente recolectados a través de encuestas u otros métodos de pedir a los clientes.

Video: Los 10 errores que todo acuariofilo ha cometido, y como corregirlo. .

No tener un tamaño de la muestra lo suficientemente grande

Si usted está mirando para detectar pequeñas diferencias en las métricas, como las tasas de conversión o actitudes de los clientes, y que está midiendo una muestra de clientes o datos, asegúrese de que el tamaño de la muestra es lo suficientemente grande como para detectar esa diferencia. Use las tablas del tamaño de la muestra en este libro o consultar a un estadístico para saber qué tamaño de la muestra que necesita antes de tiempo.

Una gran cantidad de coste y el esfuerzo se desperdicia en busca de diferencias muy pequeñas en las actitudes del cliente, como la satisfacción, la percepción de facilidad de uso, o la probabilidad de recomendar después de hacer pequeñas modificaciones en los productos o sitios web con demasiado pequeño de un tamaño de la muestra.

Echando un vistazo a los datos y patrones

Echando un vistazo a las estadísticas es la tendencia a pensar que se puede detectar patrones de datos mediante el examen sin ningún tipo de estadísticas. Para los patrones muy grandes, se puede ver éstos fácilmente sin ningún cálculo, pero este tipo de patrones obvios rara vez se mostrará. Para minimizar la posibilidad de que estás siendo engañado por la aleatoriedad en los datos, estadísticas de uso y los cálculos matemáticos para diferenciar las noticias del ruido.

significación estadística confusa con el significado práctico

Con un tamaño de muestra grande, usted será capaz de detectar diferencias muy pequeñas y los patrones que son estadísticamente significativos. La significación estadística sólo significa que el patrón o diferencia no se debe a ruido aleatorio en sus datos. Pero eso no quiere decir que lo que está detectada tendrá mucha importancia práctica.

programas de análisis marcará diferentes patrones y diferencias, pero es necesario determinar si una diferencia de 1% en las tasas de conversión de los resultados tendrá un impacto importante o insignificante. Esto depende del contexto, pero significa que necesita para ejercer un juicio y no seguir ciegamente el software.

No piense inmediatamente cada resultado estadísticamente significativo es significativa. Pensar en las implicaciones de negocio de los resultados con cuidado.

No tener un equipo interdisciplinario

Si usted tiene un doctorado estadísticas analizando los números en el sótano de la empresa, que puede generar el derecho insights- pero si de ventas, marketing, servicio, o equipos de producto no están involucrados, que va a ser difícil de conseguir la aceptación y poner en práctica las ideas . Conseguir la gente adecuada y los equipos que participan en su primera iniciativa y buscar tener habilidades complementarias, incluyendo matemática, software, negocio, comercialización, y la experiencia del producto.

No limpiar sus datos primero

La basura entra, basura sale (Gigo) es una frase común de datos adictos les gusta usar para explicar que los datos que tiene problemas antes de análisis tendrá problemas después análisis. Esto puede ser cualquier cosa a partir de datos no coincidentes extraídos de bases de datos (nombres de los clientes no coinciden con las transacciones) o los valores que faltan.

Si los datos son malos entrar, tendrá malas ideas que salen. Antes de ejecutar cualquier análisis, hacer una verificación de la calidad de los datos mediante la selección de una muestra de datos y auditoría para la calidad. Corroborar con otras fuentes para verificar su exactitud.

los datos con formato incorrecto

Cuando se analizan los datos, al menos la mitad del esfuerzo que se gasta formatear los datos para que su software puede analizar correctamente. Esto a menudo implica la desagregación y conseguir transacciones de los clientes o los datos de la encuesta en filas y columnas.

Escatimar en el formato correcto por lo general significa una gran cantidad de retrabajo más tarde, así que asegúrese de que sus datos tiene el formato correcto - y principios.

No tener preguntas claras de investigación para responder

A veces es bueno tener una expedición de pesca y examinar patrones en los datos. Pero no se detiene con la pesca expedición- utiliza lo que se encuentra a formar hipótesis sobre el comportamiento del cliente y miras a confirmar, refinar o rechazar estas hipótesis con datos adicionales.

A la espera de los datos perfecta

Cada conjunto de datos tiende a tener algún problema de algún tipo. Algunos son menores, al igual que algunos otros campos humedos que faltan son importantes, con una gran cantidad de campos que faltan y los datos que no coinciden. Para los datos de la encuesta, siempre parece ser una preocupación acerca de cómo se hizo una pregunta y al que se le pidió.

Video: Los 10 ERRORES ESPIRITUALES más comunes

Dicho esto, es de esperar alguna imperfección en todos sus conjuntos de datos y encuestas. Pero no deje que se le impida trabajar con lo que tienes. Sólo tenga cuidado acerca de su interpretación.