От данных к аналитике

Здравствуйте, уважаемые читатели !

В этой статье я рассмотрю вопрос работы с информацией применительно к сфере «Работа». Это то, о чем я говорил в предыдущей статье.

Я покажу чем отличаются данные от аналитической информации. И здесь важно различать этапы: данные — информация- аналитика.

Довольно часто можно видеть картину — приносит сотрудник массив чисел (данные) и считает, что таким образом он подготовил информацию для руководителя.   Но это не так, чтобы получилась информация необходимо обработать данные. Как — я покажу в статье.

*****

Работа над любой проблемой, как правило, начинается со сбора информации. Разумеется после формулирования самой проблемы.

Различают первичную и вторичную информацию.

Вторичная – это информация, которая уже имеется в каком либо источнике, например в журналах, бухгалтерских данных, в отделе статистики, в отчетах, ранее проведенных исследованиях и тд.

Первичная – это информация, которая получается непосредственно для целей решения данной проблемы. Это различные опросы, интервью, наблюдения.

Рассмотрим как работать с источником вторичной информации на примере статистических данных, опубликованных на сайте Росстата. http://www.gks.ru/

И как из данных получить аналитическую информацию.

*****

Постановка задачи

Допустим, требуется провести оценку привлекательности региональных рынков для компании, реализующей детские товары.

В первую очередь нас интересуют данные по емкости детского сегмента в разных регионах.

Итак, необходимы данные по численности детей, допустим возрастного сегмента – от 0 до 4 лет.

Заходим на сайт Росстата и находим эти данные.

(Для примера рассмотрим Сибирский Федеральный округ и несколько его регионов).

Численность детей от 0 до 4-х лет:

Будут ли эти данные для нас информацией ? Пока нет. Это просто числовые данные.

Можно представить эти данные в другом виде: распределение долей детского сегмента в СФО (отсортируем в порядке убывания доли).

Для наглядности представим в графическом виде:

Из этой информации уже видно, что есть три лидирующих региона с общей долей 41 %.
Это уже упорядоченная информация (а не просто данные), которая позволяет делать первые выводы по потенциалу рынка.

Более глубокая аналитика

Информация будет более наглядной если ее привести к уже известной информации.Например, если выход в регионы предполагается из Новосибирска, где рынок уже достаточно изучен и понятен.

Эти же данные, но приведенные к Новосибирской области (НСО).

Т.е. если НСО принять за 1, то полученные цифры показывают численность регионов по отношению к НСО.

При прочих равных условиях (в первом приближении) можно рассчитывать на примерно такие же результаты в Красноярском крае, Иркутской и Кемеровской области и Алтайском крае.

Прогнозные результаты  по Томской области в 2 раза ниже НСО.

Но делать выводы еще рано, пока не учтены такие факторы как конкуренция, платежеспособность населения и темпы роста интересующего сегмента.

Продолжим анализ и оценим рождаемость и ее темпы:

Наибольший прирост наблюдается в Новосибирской и Томской области. Поняв причины этого, можно обнаружить влияющие факторы и учесть их в дальнейшем планировании.

*****

Дополнением к этой информации будут данные по доле сегмента 0-4 года к общей численности населения региона.

Для нас важно выявить характерные отклонения от средних величин по СФО и по России в целом.

Если они есть, то это требует более глубокого анализа причин.

Данная информация показывает долю сегмента в регионе и среднюю долю в РФ и СФО.
В целом СФО имеет более высокое значение относительно средней по РФ. Есть регионы выше средней (Иркутская область) и значительно ниже средней (Новосибирская область).

*****

Дополним данные информацией о платежеспособности населения используя критерии:
— оборот розничного рынка,
— темпы оборота,
— доход на душу населения,
— средняя зарплата.
И также приведем эти данные к НСО (которое принимаем за 1).

Обращаю внимание, что данные устаревшие (2006 г), но сейчас нам важен сам алгоритм. При желании эти данные легко найти в том же Росстате.

Имея данные о потенциале рынка и его темпах, а также о платежеспособности населения можно делать предварительные выводы по привлекательности региона.

Итоговый коэффициент привлекательности региона рассчитывается суммированием всех коэффициентов с учетом их весов (которые также следует определить):

Осталось добавить данные по конкуренции и можно делать окончательные выводы.

*****

Так мы превратили Данные в Аналитику используя доступную статистическую информацию.

Конечно какие-то выводы можно было бы сделать используя только данные по численности сегмента. Но более глубокая аналитика позволяет видеть и другие факторы влияющие на привлекательность и оценить риски.

*****

Принятие решения и выработка стратегии будет более простым процессом если представить полученную информацию в виде матрицы (Потенциал-Платежеспособность):

*****

Я привел последовательность преобразования данных в аналитическую информацию для принятия решения.

Пример, учебный и условный, не стоит слишком придираться к цифрам. Важен сам принцип.

На что бы я хотел обратить внимание:

1. Данные следует систематизировать и упорядочить. Как пример — по убыванию.

2. Данные легче воспринимаются, если их привести в соотношение с уже известными  (в примере — приведенные к НСО).

3. Полученная информация более наглядна в виде графиков и матриц.

4. Сравнительная аналитика позволяет увидеть регионы, имеющие отклонения от средних величин. Это заставляет задуматься о причинах.

Вот примерно так возможно преобразование данных в аналитическую информацию для принятия решения.

Если есть вопросы,  напишите пожалуйста в комментариях.

С уважением, Медведев Николай.