Важность для бизнеса
Рассмотрев тему статистической значимости, мы поняли необходимость сбора полной информации и проведения правильных тестов. Кроме того, убедились, что никто не может быть на 100% уверенным в правильности принятого решения. История на этом не заканчивается. Финальный шаг — оценка важности статистически значимого вывода для бизнеса.
Предположим, в ходе анализа был сделан статистически значимый вывод. Однако существует ряд других не менее важных, а может быть, даже более важных вопросов. Есть статистически значимый результат, и это замечательно. Но представляет ли он важность для бизнеса? Как организация может использовать этот результат для принятия решения о дальнейших действиях? Был выявлен реальный эффект, но достаточно ли он сильный, чтобы привести к значительным последствиям?
Всегда проверяйте результаты в бизнес-контексте. Допустим, существует 99%-ная вероятность того, что данное изменение в предложении может привести к 10%-ному повышению уровня отклика. Это хорошо. Но что если базовым является первоначальное предложение, а тестируемое изменение — это бонусное предложение, которое сто'ит в два раза дороже? В этом случае 10%-ное увеличение количества откликов может не покрыть дополнительные расходы. Тот факт, что доля откликнувшихся может быть существенно увеличена, на самом деле не имеет значения с точки зрения бизнеса.
Выйдите за рамки тестирования статистической значимости и постарайтесь учесть более полную картину. Какие затраты связаны с введением рекомендуемых изменений? Какой дополнительный доход может быть получен со временем? Соответствует ли новый подход общей корпоративной стратегии? Достаточно ли у вас людей и времени для внесения необходимых изменений? Статистическая значимость — критически важный показатель, но она имеет значение только в том случае, если рассматриваемое изменение важно с точки зрения бизнеса.
Дополнительную ценность обеспечивает хороший анализ
Очень важно понимать разницу между статистической значимостью и важностью для бизнеса, особенно в условиях надвигающегося вала больших данных. Профессиональные аналитики всегда найдут в больших данных действительно интересные сведения. Они помешаны на числах и поэтому могут воскликнуть: «Вот это да! Здорово!» Однако важно задать вопрос, насколько ценны и релевантны для бизнеса эти сведения. Это неотъемлемая часть анализа. Если ответ «нет», то это просто шумиха.
Укрощение больших данных: как извлекать знания из
массивов информации с помощью глубокой аналитики /
Билл Фрэнкс. - М.: Манн, Иванов и Фербер, 2014.
Опубликовано с разрешения издательства.