Facebook

Whatsapp

Twitter

Email

העולם שלנו מושתת על נתונים בכמות אדירה שנאספת מדי שניה. נתונים אלה מתגלים כחומר גלם מעולה להסקת מסקנות על קמפיינים, על המוצר ועל החברה בכלל. אך כמו כל חומר גלם, לא ניתן להשתמש בנתונים כמו שהם – יש לאסוף אותם כראוי ולנתח אותם בצורה שתביא לתובנות. לכן, מתגבר מיום ליום הביקוש לתפקיד Data Analyst, אנשי מקצוע לניתוח נתונים.

מתי צריך לבצע ניתוח נתונים?

חברות עומדות בפני החלטות עסקיות חשובות ולעתים הרות-גורל באופן כמעט יומיומי. אם בעולם אוטופי ניתן היה להחליט על בסיס אינטואיציה ולקבל את התוצאות המיטביות, היום מבינים יותר ויותר שהחלטות שמשפיעות על עתיד הארגון צריכות להתקבל בצורה מחושבת וזהירה. הנתונים הנאספים ברשת מאפשרים לקבל החלטות באופן מדויק הרבה יותר מהאינטואיציה האנושית שלנו, לכן, כשארגונים רוצים להחליט על עתידם בטווח הקרוב או הרחוק, יש להשתמש בניתוח נתונים.

שיטות לניתוח נתונים

קיימות שיטות רבות לניתוח נתונים. אלו כמה מהמרכזיות:

·         ניתוח אשכולות (Cluster Analysis): חלוקת מכלול נתונים לקבוצות (אשכולות) על פי מכנים משותפים. החלוקה לאשכולות נעשית ללא מטרה ספציפית, ומשמשת לרוב קרקע פורייה למציאת דפוסים חבויים בנתונים.

·         ניתוח קוהורט (Cohort Analysis): שימוש בנתונים שכבר נאספו, לצורך מציאת תובנות על התנהגות הצרכנים והמשתמשים. ניתוח קוהורט מאפשר טרגוט מוצלח ומדויק יותר של קהל היעד.

·         ניתוח רגרסיה (Regression Analysis): שיטה להבנת היחסים בין נתונים שונים. רגרסיה משמשת להבין איך משתנים תלויים מושפעים ממשתנים בלתי תלויים. קיימים סוגי רגרסיה שונים, למשל רגרסיה ליניארית (עם משתנה בלתי תלוי אחד) ורגרסיה מרובה (עם מספר משתנים). כך ניתן לחזות התפתחויות אפשריות ולהגיע להחלטות עסקיות חכמות יותר.

·         Neural Networks: אלגוריתמים מתמטיים שנמצאים בבסיס של למידת מכונה (Machine Learning). בהתערבות מינימלית, מנסה השיטה להבין איך המוח האנושי יעבד תובנות ויחזה תוצאות עתידיות. רשתות עצביות מלאכותיות אלה לומדות מכל העברת נתונים. כלים חכמים אלה מאפשרים לאנליסטים לחולל סוגי חיזויים מכל הסוגים באופן פשוט ומהיר.

·         ניתוח גורמים (Factor Analysis): שיטה לביטוי שונות בין משתנים נצפים, להסקת מסקנות על משתנים פוטנציאליים שאינם נצפים. כמות הנתונים שנאספת היא אינסופית ולכאורה זהו תהליך שלא ייגמר. ניתוח גורמים מאפשר להשתמש בנתונים על פי קריטריונים דומים באופן שמסכם את הרשימה הלא נגמרת של קריטריונים לניתוח.

·         כריית נתונים (Data Mining): ייצוא נתונים לתוכנות וכלים ייעודיים. כלים אלה מזהים תלות בין משתנים, יחסים, דפוסי נתונים וטרנדים. לאחר הזיהוי נעשית הפקה של תובנות ומסקנות.

·         ניתוח טקסט (Text Analysis): לקיחת כמות גדולה של נתונים טקסטואליים וארגונם באופן שיהיה קל לניהול. שיטות אלה מאפשרות לייצא את הנתונים שרלוונטיים ביותר לעסק, ולהשתמש בהם לפיתוח תובנות שיסייעו בעתיק.

תהליך ניתוח נתונים

1.      הבנת הצורך: בשיתוף עם מקבלי ההחלטות בחברה יש להחליט על מטרות הקמפיין או הפרויקט, ואילו סוגים של תובנות יהיו בעלי הערך הגבוה ביותר.

2.      ניסוח שאלות: אחרי שמנוסחות המטרות יש לזקק אותן לשאלות ספציפיות, שעליהן יהיה אפשר לעבוד בפועל.

3.      דמוקרטיזציית נתונים: תהליך בו מחברים את הנתונים ממקורות שונים לתוך מקור אחד, כך שכל הנוגעים בדבר יוכלו להגיע למידע הרלוונטי באופן יעיל ומהיר.

4.      ניקוי נתונים: אחרי כרייה של נתונים רבים, יש בידינו כמות אינפורמציה גדולה כל כך עד שלא ניתן לעבוד עמה. יש לנקות את הנתונים, לנפות מידע שגוי, טעויות ונתונים שאינם שייכים.

5.      הגדרת KPIs: כשהשאלות ברורות, והנתונים המדויקים נמצאים במקום אחד, יש לנסח את ה-Key Performance Indicators, כלומר, מדדי ההצלחה. מדדים אלה הופכים את השאלות והמטרות לנתונים שאפשר למדוד אותם. ההצלחה עוברת ממושג תיאורטי לקונקרטי.

6.      השמטת מידע עודף: גם לאחר ניקוי הנתונים עשויים להישאר נתונים עודפים; זאת משום שהגדרת מדדי ההצלחה (KPIs) הופכת את השאלות שנוסחו בהתחלה, למדויקות אף יותר. לכן יש לנפות את המידע שהופך מפריע ואינו מביא למטרה.

7.      אינטגרציה: שילוב בין הכלים הטכנולוגיים המתאימים לביצוע ניתוח הנתונים והפעולות הסטטיסטיות.

8.      מענה על השאלות: לאחר הניתוח הטכני יש לבחון, האם הצלחנו לענות על השאלות שנוסחו מבעוד מועד. אנליסטים מבינים נתונים, יכולים להסתכל על המספרים ולהבין את המשמעות שלהם עבור העסק; אך במענה על השאלות יש לתרגם את התשובות לשפה אותה יבינו כל אנשי המפתח שמושפעים מניתוח הנתונים שהתקיים. דרך פופולרית ביותר לתרגם את המספרים היא ויזואליזציה: שימוש בעזרים חזותיים כמו טבלאות וגרפים כדי להביא את התוצאות למקבלי ההחלטות.

מאמר זה מציג את תהליך ניתוח הנתונים על קצה המזלג. ניתוח נתונים הוא עולם עשיר שמתפתח בקצב מהיר מאוד. כדי להעמיק את הידע בתחום ולהפוך לאנשי מקצוע בתעשייה, מוסדות שונים מציעים לימודי הייטק שמלמדים את התפקיד על בוריו. קורס data analyst מספק היכרות מעמיקה עם עולם הנתונים בכלל, הבנה רעיונית של עקרונות הנותנים, וידע מעשי על שימוש בכלים לניתוח נתונים באופן המיטבי.