Zapisane artykuły

Myślenie analityczne: Jak wyciągać wnioski z danych i informacji?

Myślenie analityczne: Jak wyciągać wnioski z danych i informacji

Sprzedaż spadła i od razu pojawia się pomysł, żeby zmienić reklamę. Zanim podejmiesz decyzję, potrzebujesz jednak wiedzieć, z czym porównano wynik i jakie inne okoliczności mogły na niego wpłynąć. Na tym polega ważna część analitycznego myślenia.

Sama liczba nie wyjaśnia sytuacji

Przy wyniku sprawdź, czego dotyczy, z jakiego okresu pochodzi i jak został policzony. „Sprzedaż” może oznaczać inną wartość niż liczba zamówień, a wynik tygodnia nie zawsze da się sensownie porównać z miesiącem.

Jeśli tych informacji brakuje, trzeba je wyjaśnić przed oceną. Czasem najbardziej użytecznym wnioskiem jest właśnie wskazanie, czego jeszcze nie wiadomo.

Sprawdź porównanie i możliwe przyczyny

Wróć do źródła danych i zobacz, czy oba okresy opisano na tych samych zasadach. Zastanów się też, czy poza rozważaną przyczyną zmieniło się coś jeszcze.

Przy rekomendacji zapisz przyjęte założenia i informacje, które mogłyby zmienić ocenę. Odbiorca powinien wiedzieć, na czym opiera się wniosek i gdzie pozostaje niepewność.

Przykład: słabszy tydzień sprzedaży

Załóżmy, że po zmianie reklamy sprzedaż spadła ze 100 do 80 zamówień tygodniowo. Łatwo uznać, że nowa kampania była gorsza. Zanim wyciągniesz taki wniosek, sprawdź jednak, czy liczba odwiedzin również spadła, czy nie zmieniła się cena produktu i czy nie wystąpił problem z dostępnością towaru. Znaczenie może mieć także sezonowość. Dopiero zestawienie tych informacji pozwala ostrożniej ocenić, czy reklama rzeczywiście mogła przyczynić się do słabszego wyniku. Zbieżność w czasie nie dowodzi jeszcze przyczynowości.

Możesz porównać kolejne tygodnie i zebrać informacje o pozostałych zmianach. Dopiero wtedy ocenisz, które wyjaśnienie ma oparcie w danych, a które jest na razie przypuszczeniem.

Zaznacz, czego dane nie obejmują

Zestawienie pokazuje wybrany fragment sytuacji. Nie każdą informację o potrzebach odbiorców lub warunkach pracy da się odczytać z samych wartości liczbowych.

Przed decyzją warto połączyć analizę z wiedzą o okolicznościach. W raporcie można wprost zaznaczyć ograniczenia, zamiast przedstawiać częściowy obraz jako pełne wyjaśnienie.

Jak wyciągnąć wniosek, którego rzeczywiście dotyczą dane?

Załóżmy, że sklep otrzymał więcej reklamacji niż miesiąc wcześniej. Pierwsza myśl to „pogorszyła się jakość towaru”. Zanim zapiszesz taki wniosek, sprawdź liczbę sprzedanych produktów, rodzaje reklamacji i moment ich zgłoszenia. Jeśli sprzedaż wzrosła dwukrotnie, sama liczba zgłoszeń nie wystarczy do oceny jakości.

Dobry sposób myślenia analitycznego zaczyna się od pytania. Czy reklamacje dotyczą jednego produktu? Czy wzrosła ich liczba na każde sto zamówień? Czy klienci zgłaszają uszkodzenia podczas transportu, czy problem z samym produktem? Każde pytanie wymaga nieco innych danych.

Jak rozmawiać o wnioskach, gdy nie masz pewności?

Możesz powiedzieć: „W ostatnim miesiącu odnotowaliśmy więcej zgłoszeń, ale potrzebujemy porównać je z wolumenem sprzedaży”. To nie jest oznaka słabości. Oddzielasz informację, którą znasz, od hipotezy wymagającej sprawdzenia. Równie ważne jest przyznanie, że część danych może być błędna lub niekompletna.

Praktyczne ćwiczenie na 15 minut

Weź fikcyjne zestawienie zamówień i policz średnią wartość koszyka, liczbę klientów oraz liczbę zwrotów. Następnie spróbuj wymyślić dwie różne przyczyny tego samego wyniku. Dzięki temu zobaczysz, dlaczego liczba w raporcie rzadko wyjaśnia wszystkie okoliczności. Jeśli chcesz ćwiczyć analizę, przejdź do pracy z zestawieniami w Excelu.

Przykład analizy danych: dlaczego sama średnia może mylić?

Wyobraź sobie sklep, w którym średnia wartość zamówienia wyniosła 200 zł. Nie wiesz jednak, czy większość klientów rzeczywiście wydaje około 200 zł, czy średnią podwyższa kilka dużych zakupów. Sprawdź liczbę zamówień, medianę, wartości skrajne oraz różnice między dniami tygodnia.

Podobnie podczas oceny wyników kampanii reklamowej: wzrost liczby wejść na stronę nie musi oznaczać wzrostu sprzedaży. Porównaj odwiedziny z liczbą zamówień oraz kosztem ich pozyskania. Dopiero połączenie tych danych daje podstawę do wyciągnięcia użytecznych wniosków.

Jeśli pracujesz na coraz większych zbiorach danych, przydatna może być znajomość zapytań. Możesz sprawdzić program kursu SQL i ocenić, czy obejmuje zadania wykonywane na Twoim stanowisku.

Jak sprawdzić, czy procentowy wzrost oznacza dużą zmianę?

Jeśli liczba reklamacji wzrosła z dwóch do czterech, wzrost wynosi 100 procent. Taki wynik wygląda dramatycznie, ale dotyczy zaledwie dwóch dodatkowych przypadków. Z kolei zmiana z 200 do 220 oznacza wzrost o 10 procent, chociaż dodatkowych reklamacji jest więcej. Dlatego przy ocenie danych pokazuj zarówno wartości względne, jak i bezwzględne, a także liczbę wszystkich zamówień.

Wniosek „jakość obsługi gwałtownie się pogorszyła” wymaga sprawdzenia dodatkowych informacji, nie tylko jednego procentu.

Dlaczego porównywanie średniej może prowadzić do błędnych decyzji?

W niewielkim zespole większość osób zarabia podobnie, ale jedno wynagrodzenie jest znacznie wyższe. Średnia nie pokazuje wtedy typowych zarobków pracownika. Warto spojrzeć również na medianę i rozkład wartości. Podobnie przy analizie czasu obsługi klienta kilka wyjątkowo długich spraw może podnieść średnią, choć większość zgłoszeń jest załatwiana szybko.

Wybór miary powinien wynikać z pytania. Jeśli planujesz obsadę zespołu, przydadzą się informacje o typowym obciążeniu i okresach największego ruchu.

Jak odróżnić hipotezę od wniosku potwierdzonego danymi?

Po wprowadzeniu nowego formularza liczba zapytań wzrosła. Możesz przypuszczać, że formularz ułatwił kontakt, ale w tym samym okresie mogła ruszyć kampania reklamowa. W raporcie napisz, co faktycznie zaobserwowano, a co jest możliwym wyjaśnieniem. Następnie zaproponuj sposób sprawdzenia hipotezy, np. porównanie podobnych grup użytkowników.

Jak przekazać niepewny wynik osobie podejmującej decyzję?

Nie musisz udawać pełnej pewności. Powiedz, jakie dane przeanalizowano, których brakuje i jaki wpływ ograniczenia mogą mieć na wniosek. Zdanie „wyniki wskazują na wzrost, ale nie znamy jeszcze przyczyny” jest bardziej rzetelne niż stanowcza interpretacja oparta na jednym wykresie.

Jak nie pomylić korelacji z wyjaśnieniem przyczyny?

Załóżmy, że w miesiącach z większą liczbą reklam rośnie sprzedaż. Samo współwystępowanie tych dwóch zjawisk nie wystarcza, aby stwierdzić, że to reklama spowodowała cały wzrost. W tym samym czasie mogły zmieniać się ceny, sezonowość albo dostępność produktów. Dobry analityk najpierw opisuje obserwację, a dopiero później przedstawia możliwe wyjaśnienia.

Jeśli dane mają posłużyć do ważnej decyzji, warto poszukać dodatkowych porównań, na przykład wyników z podobnych okresów albo grup klientów. Przy większych projektach potrzebna może być zaplanowana metodologia badania.

Uczciwe wskazanie ograniczeń nie osłabia analizy. Chroni przed decyzją opartą na pozornej pewności.

Przykład pytania, które można przekształcić w analizę

Kierownik pyta: „Dlaczego spada wydajność zespołu?”. To szerokie i niejednoznaczne pytanie. Najpierw ustal, co oznacza wydajność: liczbę ukończonych zadań, średni czas obsługi zgłoszeń czy jakość pracy. Następnie sprawdź, czy zmienił się zakres zleceń, liczba pracowników lub sposób mierzenia.

Może się okazać, że liczba zamykanych zgłoszeń spadła, ponieważ pojawiły się bardziej skomplikowane sprawy. Bez tej informacji błędnie uznasz, że ludzie pracują wolniej.

Dobre pytanie analityczne powinno jasno określać mierzoną wielkość, okres, porównanie i decyzję, której ma służyć wynik.

Jak przedstawiać wnioski, żeby odbiorca nie musiał analizować całej tabeli?

Zamiast wysyłać plik z kilkoma tysiącami wierszy i ogólnym zdaniem „widać wzrost”, przygotuj krótkie podsumowanie: o jaką wartość zmienił się wskaźnik, w jakim okresie oraz czy porównanie jest miarodajne. Jeśli wynik zależy od kilku ważnych założeń, wymień je.

Możesz dodać jeden czytelny wykres i wyjaśnić, co warto sprawdzić w kolejnym kroku. W przypadku niepewnych danych unikaj stanowczych zaleceń, które nie wynikają z analizy.

Umiejętność wyciągania wniosków obejmuje także gotowość do powiedzenia „tego jeszcze nie wiemy”. To często najważniejsza informacja dla osoby podejmującej decyzję.

Jak zadawać pytania o dane, aby nie szukać przypadkowych zależności?

Zamiast prosić o „analizę sprzedaży”, ustal pytanie, na które firma potrzebuje odpowiedzi. Może chodzić o zmianę liczby zamówień po wprowadzeniu nowej oferty albo różnice między regionami. Następnie sprawdź, czy posiadane dane rzeczywiście pozwalają odpowiedzieć na to pytanie. Jeżeli brakuje informacji o promocjach lub dostępności towarów, sama tabela przychodów nie wyjaśni wszystkich przyczyn zmian.

Dobry analityk potrafi również wskazać ograniczenia wyniku. Nie musi wybierać jednej efektownej historii, gdy istnieje kilka możliwych wyjaśnień. Warto zapisać, jakie dodatkowe dane pomogłyby sprawdzić hipotezę.

Kursy analizy danych – porównaj dostępne szkolenia

Zestawienie ułatwia porównanie zakresu kursów przygotowujących do pracy z danymi. Pełne zestawienie znajdziesz w rankingu kursów.

Dlaczego wynik bez kontekstu może wprowadzać w błąd?

Firma zanotowała wzrost sprzedaży o 10%, ale w tym samym czasie zwiększyła budżet reklamowy o połowę. Bez porównania kosztów trudno ocenić, czy kampania była skuteczniejsza. Przy analizie danych sprawdzaj, czego dotyczy wskaźnik, jakie okresy porównujesz i czy zmieniły się warunki.

Jak sprawdzić jakość danych przed wyciągnięciem wniosków?

Poszukaj brakujących wartości, duplikatów i rozbieżnych formatów. Przykładowo jedna tabela może zawierać kwoty brutto, a druga netto. Połączenie ich bez sprawdzenia prowadziłoby do błędnego zestawienia. Zapisz przyjęte założenia, aby inni mogli zrozumieć obliczenia.

Czy średnia zawsze dobrze opisuje wyniki?

Wynagrodzenia pięciu osób mogą znacznie się różnić, mimo że średnia wygląda na wysoką. W takim przypadku warto sprawdzić także medianę i rozkład wartości. Podobnie w sklepie kilka dużych zamówień może podwyższać średnią wartość koszyka, choć większość klientów kupuje znacznie mniej.

Jak prezentować wnioski, żeby były użyteczne?

Podaj wynik, jego znaczenie i ewentualne ograniczenie. Zamiast „sprzedaż wzrosła”, napisz, w którym okresie, o ile oraz co mogło wpłynąć na zmianę. Jeśli liczba transakcji jest niewielka, zaznacz, że wynik może się mocno wahać.

Jak ćwiczyć analizę danych samodzielnie?

Przygotuj fikcyjny zestaw zamówień z datą, produktem, liczbą sztuk i ceną. Sprawdź sprzedaż według miesięcy, najczęściej zamawiane produkty oraz udział zwrotów. Następnie zapisz dwa wnioski, które mogłyby pomóc w podjęciu decyzji. Więcej znajdziesz w artykule o analizie danych w Excelu.