Tại sao các Marketers định hướng dữ liệu không nên tin tưởng hoàn toàn vào dữ liệu

trust-in-data

Có một báo cáo mới do Viện IBM mới xuất bản, “Analytics:A blueprint for value”, rất đáng đọc. Hình trên – cho biết 66% các nhà lãnh đạo “tin tưởng” vào dữ liệu của họ.

Trước tiên, hãy để tôi làm rõ bối cảnh của biểu đồ đó, là các nhà lãnh đạo tin tưởng trong việc sử dụng dữ liệu trong việc ra quyết định hàng ngày. Họ tin tưởng “chất lượng” của dữ liệu. Họ tin tưởng vào khả năng của các nhóm phân tích và công nghệ của họ.

Nhưng việc lựa chọn dữ liệu dựa trên trên những tiêu chí trên – đã gây ra một vấn đề quan trọng. Bạn có thể tin tưởng việc áp dụng phương pháp quản lý định hướng dữ liệu, nhưng một nhà quản lý giỏi phải luôn nghi ngờ về dữ liệu.

Nghi ngờ dữ liệu, đừng nghi ngờ việc sử dụng dữ liệu

Dữ liệu được cho là để giải quyết các tranh luận, giúp chúng ta thoát khỏi các tình huống mà mọi người chỉ tranh luận. (theo HiPPO).

Tuy nhiên, trớ trêu thay, nó có thể có phản tác dụng:

  1. Mọi người có một niềm tin.
  2. Họ tìm thấy dữ liệu ủng hộ niềm tin đó.
  3. Họ sử dụng dữ liệu đó để củng cố niềm tin của mình vào sự thật không thể chối cãi.

Hai vấn đề trọng tâm của tình thế tiến thoái lưỡng nan này là:

  1. Có một lượng dữ liệu gần như không giới hạn để lựa chọn.
  2. Có một số lượng gần như không giới hạn của các câu chuyện mà người ta có thể xây dựng xung quanh dữ liệu đó.

Khi chúng tôi nhận ra điều đó, chúng tôi nhận ra rằng dữ liệu không nhất thiết phải giải quyết các vấn đề trên. Dữ liệu có thể cho chúng ta biết “điều gì”, nhưng vốn dĩ nó không thể cho chúng ta biết “tại sao”. Để tìm ra lý do “tại sao”, chúng tôi cần một loại dữ liệu rất cụ thể: dữ liệu từ các thí nghiệm được kiểm chứng. Vì lý do “tại sao” thường quan trọng hơn “điều gì” để quyết định hành động trong tương lai, thử nghiệm là một công cụ quản lý mạnh mẽ hơn phân tích dữ liệu.

Tất nhiên, không phải tất cả dữ liệu mà chúng tôi xử lý đều đến từ các thí nghiệm được kiểm chứng. Đối với vấn đề đó, rất khó để có một thử nghiệm được kiểm soát hoàn hảo trong thế giới thực. Chúng tôi phải đối phó với dữ liệu không hoàn hảo để giúp chúng tôi trả lời lý do “tại sao”. Nhưng dữ liệu không hoàn hảo có thể tốt hơn nhiều so với việc không sử dụng dữ liệu nào.

Bạn có thể tin tưởng vào việc sử dụng dữ liệu trong khi không hoàn toàn tin tưởng vào dữ liệu. Không phải bạn nghi ngờ tính chính xác của nó. Nhưng bạn nghi ngờ về bối cảnh, mức độ liên quan và tính đầy đủ của dữ liệu trong các kết luận được rút ra từ đó. 

Tôi tin rằng cách tốt nhất để làm việc với dữ liệu một cách có kế hoạch là áp dụng thế giới quan “Bayes”, được ủng hộ bởi hai nhà tư tưởng chiến lược Marketing, Gord Hotchkiss và Greg Satell.

Trong chiến lược Bayes, không phải là dữ liệu được sử dụng một cách chắc chắn mà là dữ liệu được sử dụng một cách có xác suất để liên tục cập nhật tình hình thị trường. Đó không phải là sự chắc chắn, mà là sự tương đối – với tư duy cởi mở với dữ liệu, bạn có chủ động cập nhật những sự thay đổi của dữ liệu.

“Ra quyết định dựa trên thực tế” là một thuật ngữ ngày càng phổ biến. Tôi vẫn thận trọng rằng “sự thật” là một thứ rất mơ hồ, đặc biệt là khi bạn đi từ “cái gì” đến lý do “tại sao”. Tất cả các ý kiến ​​có thể được ngụy trang quá dễ dàng bằng dữ liệu để trông giống như sự thật.

Một việc ra quyết định dựa trên dữ liệu thực tế sẽ tốt hơn nếu như dữ liệu đã được xác nhận.

Bài viết gốc: Why data-driven marketers shouldn’t trust the data fully – Chief Marketing Technologist (chiefmartec.com)

Người dịch: Hoàng Bách

Facebook
Twitter
LinkedIn
Cuộn lên trên cùng