Het belang van data, analytics & metrics

Data en analytics hebben voornamelijk één hoofddoel: het opvolgen van metrics die cruciaal zijn voor jouw bedrijf. In de meeste gevallen zijn die metrics belangrijk omdat ze samenhangen met je business model – waar je omzet of winst vandaan moet komen.

In essentie is data en analytics belangrijk voor jouw organisatie omwille van 4 redenen:

  1. Data en analytics helpen je bij het valideren van assumpties. Ze zorgen ervoor dat we onszelf minder snel voor de gek houden en geven ons inzicht in de realiteit van onze assumpties en bedrijfs-of marketingplannen.
  2. Data en analytics testen je buikgevoel. Beslissingen worden vaak genomen op buikgevoel bij een gebrek aan (waardevolle) data en analytics. Dat maakt buikgevoel zeker belangrijk, maar ook een grote onzekerheid. Door data en analytics te gebruiken kan je hypotheses testen en omzetten in concreet bewijsmateriaal.
  3. Data en analytics geven je materiaal om rapporten, grafieken en spreadsheets op te bouwen.
  4. Data en analytics helpen je bij het vinden van kansen waarop je kan inspelen om je bedrijf verder uit te bouwen.

Alleen is het vaak moeilijk om te weten welke metrics nu eigenlijk écht belangrijk zijn voor jouw organisatie. Want welke type metrics zijn belangrijk voor jouw organisatie? En wat maken die metrics nu eigenlijk goed of slecht?

Laten we daar wat dieper op ingaan…

 

Wat zijn goede metrics?

Als je verandering wilt zien in bepaalde resultaten binnen jouw organisatie, dan moeten je metrics verbonden zijn aan de verandering die je wilt zien. Iets meten dat niet vast hangt aan een bepaalde doelstelling – en bijgevolg geen verandering stimuleert – is verspilling van kostbare tijd en energie.

Dat brengt ons bij de eigenschappen van een goede metric:

Een goede metric zorgt voor verandering: Als er één ding is dat je van dit artikel mee moet nemen, dan is het dan goede metrics een drijfveer zijn voor de verandering die jij in je organisatie zoekt. Ga je dingen anders aanpakken op basis van veranderingen die je in de metric ziet? Als het antwoord op die vraag “ja” is, dan heb je een goede metric in handen.

Een goede metric is vergelijkbaar: data vergelijken ten opzichte van dezelfde data in een andere tijdsperiode, klantsegmenten, of van concurrenten geeft je inzicht in hoe de dingen bewegen. Je hebt veel meer aan “% stijging in conversies ten opzichte van vorige maand” dan aan “2% conversieratio”.

Een goede metric is helder voor iedereen: Als de mensen in je organisatie of marketingteam de metric niet begrijpen of kunnen onthouden, dan is het simpelweg geen goede metric.

Goede metrics zijn vaak ratio’s: er zijn verschillende redenen waarom ratio’s vaak betere metrics zijn dan statische cijfers.

  • Het is makkelijker om in te grijpen op een ratio-metric.

Bekijk het als joggen: het aantal kilometer dat je loopt is puur informatief. Maar de snelheid waaraan je loopt – het aantal km/uur is iets dat je perfect zelf onder controle hebt en kan regelen. Als je op een uur tijd 10 kilometer gelopen wilt hebben, dan weet je perfect of je sneller moet lopen of trager kan gaan om je target binnen een bepaalde tijd te halen.

  • Ratio’s maken automatisch een vergelijking:

Het aantal kilometer dat je dagelijks gelopen hebt in vergelijking tot het aantal kilometer gedurende een hele maand geeft je inzichten op welke dagen je piekte of uit vorm was en trends op de lange termijn. Leuk. Maar door te kijken naar je snelheid nu ten opzichte van de snelheid waaraan je het voorbij uur liep, weet je of je aan het versnellen of vertragen bent.

Goede metrics voldoen aan bepaalde eigenschappen. Maar niet alle metrics zijn altijd even relevant voor jouw organisatie of business model. Dus hoe kies je voor jouw bedrijf dan de juiste metrics?

De juiste metrics voor jouw bedrijf kiezen

Om te weten welke metrics je voor jouw bedrijf kan kiezen, houd je best de volgende verschillen in je achterhoofd:

  1. Kwantitatieve metrics vs kwalitatieve metrics
  2. Vanity metrics vs value metrics
  3. Verkennende metrics vs reporting metrics
  4. Leidende metrics vs achterblijvende metrics
  5. Correlatie metrics vs causale metrics

Laten we dieper ingaan op de verschillen tussen al de metrics hierboven om beter te begrijpen welke metrics voor jouw organisatie “juist” kunnen zijn.

kwantitatieve metrics vs kwalitatieve metrics

Kwantitatieve metrics zijn getallen en statistieken die harde cijfers tonen, maar weinig inzicht in de data geven. Je kan deze cijfers wel extrapoleren en in een spreadsheet steken om rapportages op te bouwen, maar zijn bijna nooit genoeg om een probleem te volledig te begrijpen.

Daar zijn kwalitatieve metrics voor. Deze zijn ongestructureerd en moeilijk om te bundelen, maar onthullen wel meer informatie over het bepaald probleem.

Kwantitatieve data vertelt je simpelweg dat er een probleem is en wat dat probleem is Kwalitatieve data vertelt je waarom dat probleem er is.

Vanity metrics vs value metrics

Vanity metrics leiden tot data waar je niets mee kan doen. Als het enige doel van de data is om je eigen een schouderklop te geven, zal het je organisatie niet vooruithelpen.

Je hebt data nodig die je waardevolle info geeft en je leidt richting het nemen van een gefundeerde beslissing die je organisatie of business model verbetert.

Stel dat je planningsoftware verkoopt die bedrijven helpt bij het organiseren en managen timesheets, agenda’s, etc: “Totaal aantal registraties” voor je software of applicatie lijkt een goede metric, toch? Maar dat is het niet.

Een metric zoals “totaal aantal registraties” kan enkel toenemen over de tijd heen en resulteren in een grafiek die mooi rechts naar boven loopt. Zo’n grafieken zijn leuk om naar te kijken, maar helpen je bedrijf niet verder.

“Totaal aantal actieve gebruikers” van je software is een betere metric, aangezien je gebruikers die ondertussen je software niet meer gebruiken eruit filtert. Maar nog steeds is dit niet de juiste metric, want ook deze zal uitkomen op zo’n grafiek die je maar al te graag ziet, maar je eigenlijk niets vertelt.

“% van de gebruikers die actief zijn”, daarentegen, is wél een interessante metric. Het geeft je inzicht in het niveau waarop mensen betrokken zijn bij je product. Een verandering in het product, brengt een verandering mee in de resultaten van deze metric… en liefst ten goede. Dat laat je toe om te testen, experimenteren, en bij te sturen waar nodig.

Verkennende metrics vs reporting metrics

Volgens Donald Rumsfeld zijn er 4 zaken:

  • Dingen waarvan je weet dat je ze weet: Dit zijn in jouw ogen feiten. Die “feiten” kunnen ook verkeerd zijn en makkelijk afgetoetst worden tegenover data.
  • Dingen waarvan je weet dat je ze niet weet: Dit zijn zaken die je uitzoekt om te rapporteren. Bijvoorbeeld; wat de uitkomst van een bepaald experiment is.
  • Dingen waarvan we niet weten dat we ze weten: Dit is intuïtie en buikgevoel, dat je kan kwantificeren om te valideren en/of bij te sturen.
  • Dingen waarvan we niet weten dat we ze niet weten: Dit zijn zaken die verkend moeten worden, en waar mogelijke opportuniteiten ontdekt kunnen worden.

Leidende metrics vs achterblijvende metrics

Beide metrics zijn handig en helpen je als organisatie… Maar dat doen ze wel op een andere manier.

Een leidende metric kijkt vooruit in de tijd een maakt een voorspelling van de toekomst op basis van data uit het verleden. Het aantal leads in je funnel geeft je een idee van het aantal klanten je mogelijks binnenhaalt in de toekomst. Als het aantal leads erg laag is, dan is bijgevolg het aantal klanten dat je binnen kan halen in de toekomst ook laag.

Achterblijvende metrics (zoals bijvoorbeeld uitschrijvingen) maken je bewust van een probleem of situatie – maar doen dat pas als het eigenlijk te laat is. Mensen die zich uitgeschreven hebben van je platform komen (meestal) niet meer terug.

Dat betekent niet dat je geen actie kan nemen op basis van een metric die achterblijft. Je kan steeds je product, offering of service verbeteren om nieuwe uitschrijvingen te minimaliseren.

Achterblijvende metrics komen het vaakst voor, omdat je er minder grote datasets voor nodig hebt. Om te kijken en sturen op leidende metrics heb je een grote hoeveelheid aan data nodig, waarop je cohort-analyses en vergelijkingen kan maken over de tijd of klantsegmenten heen.

Correlatie metrics vs causale metrics

Correlatie duidt op het samenhangen van twee factoren (A en B). Een wijziging in factor A, brengt ook een directe wijziging in factor B met zich mee. Denk bijvoorbeeld aan de correlatie tussen prijs (factor A) en de vraag in een economie (factor B). Een daling in de prijs, brengt naar alle waarschijnlijkheid een stijging in de vraag met zich mee.

Correlatie kan verbanden blootleggen en gebruikt worden om voorspellingen te doen, maar is geen bewijs van causaliteit. Daarom is het niet verstandig om keuzes te baseren op correlatie alleen, zonder te zoeken naar het oorzakelijk verband.

Er bestaat een correlatie tussen de consumptie van ijsjes en het aantal auto-ongevallen op de baan. Betekent dat de overheid het verbruik van ijsjes moet verbieden om auto-ongevallen te vermijden? Tuurlijk niet.

De consumptie van ijsjes en het aantal auto-ongelukken hangen misschien beiden samen omdat het zomer is. In de zomer worden er meer ijsjes gegeten, en zijn er meer auto’s op de baan omwille van de langere dagen.

Correlatie vinden is mooi. Maar te weten komen waarom iets gebeurt, geeft je de mogelijkheid om er iets aan te veranderen. Jammer genoeg zal je bijna nooit 100% een causaal verband ontdekken op basis van data, aangezien er vaak teveel factoren een bepaalde gebeurtenis beïnvloeden. Maar dat neemt niet weg dat een zekere mate van causaliteit niet van belang kan zijn.

Data & Analytics voor bedrijfsdoelstellingen

Bij het zetten van bedrijfsdoelstellingen, trek je een lijn in zand. Je kerft het nog niet in steen. Via het testen van hypotheses en het valideren ervan via data en analytics, baan en tweak je een weg richting dat target.

Data en analytics, wanneer je inzet op de juiste metrics en ervan uitgaand dat je data correct wordt binnengetrokken, geven je een beeld van hoe je staat ten opzichte van je doel.

 

 

 

 

Als je meer wilt weten over data, analytics en hoe een lean approach je als bedrijf verder kan helpen, lees dan zeker het boek Lean Analytics van Croll & Yoskovitz. 

Leave a Reply

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

Privacy Preference Center