Tillförlitlig data och var man kan hitta dem

Tillförlitlig data och var man kan hitta dem


Den hÀr artikeln har bidragit av Susan Wu, senior director, marketing research pÄ PubMatic.

Data Àr en hörnsten i modern verksamhet, med förmÄgan att avslöja upplysande, till och med banbrytande upptÀckter med avseende pÄ affÀrsbeslut. Men en datauppsÀttning kan berÀtta mÄnga historier, och ibland Àr dessa historier helt enkelt inte i linje med verkligheten. De senaste förutsÀgelserna, som slÀpptes inför valet av guvernör i NJ 2021, ger ett exempel. Uppgifterna förutspÄdde en ansenlig ledning för sittande Phil Murphy, men till slut tog han segern med extremt tunn marginal.

Detta Ă€r inte första, och sannolikt inte heller sista, gĂ„ngen som en datauppsĂ€ttning avslöjar falskheter, vilket vĂ€cker frĂ„gan: Är dessa data tillförlitliga?

Även om svaret inte alltid Ă€r entydigt, kan data visa sig vara effektiva och informativa nĂ€r de hanteras pĂ„ lĂ€mpligt sĂ€tt. DatakĂ€llor i dagens affĂ€rsmiljö Ă€r praktiskt taget obegrĂ€nsade och utvecklas stĂ€ndigt, vilket skapar oövertrĂ€ffade möjligheter att framgĂ„ngsrikt utnyttja data, men ocksĂ„ otaliga fallgropar nĂ€r de analyseras och tillĂ€mpas pĂ„ ett olĂ€mpligt sĂ€tt. För att undvika sĂ„dana fel krĂ€vs noggrann definition av datauppsĂ€ttningar, identifiering av databegrĂ€nsningar och upprĂ€ttande av tillförlitliga data.

Definiera datasetet

Quants datavetenskap, eller information som kan mÀtas eller kvantifieras, spelar helt klart en avgörande roll i affÀrsbeslutsfattande, men den fÄr inte ses som den absoluta vÀgen till framgÄng pÄ grund av de mÄnga okvantifierbara immateriella Àmnen som oundvikligen uppstÄr vid analys och tillÀmpning av data . Med andra ord, att helt förlita sig pÄ kvantdata för att fatta beslut kan leda till nedslÄende resultat.

Ingen cookie-cutter-metod för att analysera data har Ă€nnu inte upptĂ€ckts. Men genom att formulera problem tydligt och korrekt ökar chanserna att lösa dataspecifika problem dramatiskt. VĂ„rt team, till exempel, genererar en kvartalsvis branschrapport som tittar pĂ„ annonsutgifter efter branschkategorier. Vi försökte förstĂ„ vilka annonskategorier som pĂ„verkades mest av hĂ€ndelser – den globala hĂ€lsokrisen (som fortfarande Ă€r en stor pĂ„gĂ„ende hĂ€ndelse), tillsammans med det amerikanska presidentvalet, bostadsboomen och nu senast den ekonomiska Ă„terhĂ€mtningen – och hur marknaden skulle Ă„terhĂ€mta sig, sĂ„ att vi kan förutse eller Ă„tminstone hantera förvĂ€ntningar pĂ„ potentiella framtida effekter.

Även om en regression skulle visa sig vara överdriven för sĂ„dan forskning, var kategoriklassificering och segmenteringstekniker till hjĂ€lp för att förstĂ„ sĂ€songsvariationer och diskretionĂ€ra utgifter mellan kategorier. Pandemin skapade naturligtvis anomalier, som mĂ„ste beaktas i uppgifterna. Till en början visade förĂ€ndringar frĂ„n Ă„r till Ă„r under vissa 2020-mĂ„nader bara att annonsutgifterna minskade. Men genom att titta pĂ„ kvartal-för-kvartal kunde vi extrahera de ledande kategoriindikatorerna som driver olika Ă„terhĂ€mtningsfaser, som mer exakt representerade trendlinjer.

DatabegrÀnsningar

Datahygien Àr kung, Àven om det alltid kommer med databegrÀnsningar. Konsekvent, kvalitativ, opartisk data Àr kÀllan till effektfull insikt om trender, medan kompromisser inom dessa omrÄden tenderar att skapa en partiskhet i information. För att minimera denna oro Àr konstant och vaksam medvetenhet om databegrÀnsningar (t.ex. att förstÄ hur och var data bröts) och att söka sÀtt att hÄlla data i schack avgörande.

Trendanalyser anvĂ€nds ofta för att förutse framtida hĂ€ndelser baserat pĂ„ historiska beteenden. NĂ€r det gĂ€ller vĂ„ra kvartalsvisa globala rapporter om utgifter för digitala annonser, gjorde pandemin analyserna ganska utmanande pĂ„ grund av volatiliteten pĂ„ marknaden under en lĂ€ngre tidsperiod. För att skapa insiktsfull analys pĂ„ branschnivĂ„ anvĂ€nder vi ett reglerat protokoll för rĂ„data: hur det regelbundet utvinns frĂ„n vĂ„ra system för att producera en felfri datauppsĂ€ttning för analys. Data aggregeras, “kontrolleras och balanseras” frĂ„n andra kĂ€llor och kontrolleras sedan för att sĂ€kerstĂ€lla att det inte finns nĂ„gon oavsiktlig fördom i datapoolen. Först dĂ„ kan vi börja analysera, eftersom resultatet kommer att ha mycket större noggrannhet.

Tillförlitlig dataanalys

Less is more nÀr man analyserar och skriver om data. LÀsare krÀver vanligtvis inte varje detalj, och datatillförlitlighet gynnas avsevÀrt av förbÀttrade och fokuserade skrivfÀrdigheter. Avsikten rÄder nÀr du skriver dataspecifikt innehÄll. Insikter mÄste syfta till att endast artikulera de nödvÀndiga aspekterna av berÀttelsen. Datatillförlitligheten ökar exponentiellt tillsammans med en stark skriftlig analys, liksom sannolikheten att tillÀmpa den framgÄngsrikt pÄ affÀrsapplikationer.

En andra, men lika kritisk, del av datatillförlitlighet Àr den fortsatta utforskningen och lÀrandet frÄn andra forsknings- och dataproffs. Innovativa tillvÀgagÄngssÀtt och nya dataresurser dyker stÀndigt upp med en frekvens som aldrig tidigare skÄdats. Att hÀnga med i aktuella trender inom ett omrÄde som stÀndigt utvecklas Àr en uppgift i sig sjÀlv, men underlÄtenhet att göra det kan göra alla dataprocesser irrelevanta och i slutÀndan leda ett företag i dinosauriens vÀg.

Data finns överallt. Å ena sidan Ă€r data helt avgörande för att fatta vĂ€lgrundade affĂ€rsbeslut i dagens globala affĂ€rsmiljö. Å andra sidan utgör det den enorma, stĂ€ndiga utmaningen att korrekt tolka en datauppsĂ€ttning som Ă€r specifik för ett givet mĂ„l. I slutĂ€ndan Ă€r data bara lika vĂ€rdefulla som kvaliteten pĂ„ analysen. Ju mer raffinerad och noggrann processen Ă€r, desto mer ovĂ€rderlig roll kan data spela i det dagliga beslutsfattandet.

Susan Wu Àr senior chef för marknadsundersökningar pÄ PubMatic.

DataDecisionMakers

VĂ€lkommen till VentureBeat-communityt!

DataDecisionMakers Àr dÀr experter, inklusive de tekniska personer som arbetar med data, kan dela datarelaterade insikter och innovation.

Om du vill lĂ€sa om banbrytande idĂ©er och aktuell information, bĂ€sta praxis och framtiden för data- och datateknik, gĂ„ med oss ​​pĂ„ DataDecisionMakers.

Du kan till och med övervÀga att bidra med en egen artikel!

LÀs mer frÄn DataDecisionMakers