6. TECNICHE STATISTICHE PER LA RACCOLTA E L'ANALISI DEI DATI E LA FORMULAZIONE DI IPOTESI PREVISIONALI
L'analisi dei dati è un processo di ispezione, pulizia, trasformazione e modellazione dei dati con l'obiettivo di scoprire informazioni utili, informare le conclusioni e sostenere il processo decisionale. L'analisi dei dati ha molteplici aspetti e approcci, che comprendono diverse tecniche sotto una varietà di nomi, ed è utilizzato in diversi settori di business, scienza e scienze sociali. Nel mondo degli affari di oggi, l'analisi dei dati svolge un ruolo nel rendere le decisioni più scientifiche e aiutare le imprese a operare in modo più efficace. Due metodi statistici principali sono utilizzati nell'analisi dei dati: la statistica descrittiva, che riassume i dati utilizzando indici come la media e la mediana e un'altra è la statistica inferenziale, che trae conclusioni dai dati utilizzando test statistici come il test t dello studente. Il data mining è una particolare tecnica di analisi dei dati che si concentra sulla modellazione statistica e sulla scoperta delle conoscenze per scopi predittivi piuttosto che puramente descrittivi, mentre la business intelligence copre l'analisi dei dati che si basa fortemente sull'aggregazione, concentrandosi principalmente sulle informazioni di business. Fasi dell’analisi dei dati: 1: Definisci i tuoi obiettivi. 2: Decidere come misurare gli obiettivi. 3: Raccogli i tuoi dati. 4: Analizza i tuoi dati. 5: Visualizzare e interpretare i risultati. Primo step: Definire i tuoi obiettivi Prima di passare all'analisi dei dati, assicurati di definire una serie chiara di obiettivi. Cosa vuoi ottenere dai dati? Qual è il problema o la situazione che stai cercando di risolvere o capire? Saperlo ti aiuterà a identificare quali dati è necessario raccogliere (e che tipo di analisi è necessario eseguire). Elabora le tue domande intorno a un problema specifico e alle possibili soluzioni. Ad esempio, se si vede un picco improvviso di punteggi CSAT bassi che sono legati a una domanda che hai posto sull'assistenza clienti, si potrebbero chiedere le seguenti domande per risolvere il problema. Obiettivo: migliorare l'assistenza clienti - Perché i clienti non sono soddisfatti del nostro team di supporto? - Come migliorare il servizio clienti? Secondo step: Decidere come misurare gli obiettivi Una volta definiti i tuoi obiettivi, dovrai decidere come misurarli. Ad esempio, se si desidera misurare le prestazioni dei singoli agenti di supporto, si potrebbe scavare nei dati numerici per scoprire quanto tempo impiega ogni agente in media per rispondere a un cliente. Quindi, si possono misurare le prestazioni di ciascun agente rispetto alla media complessiva. Se vuoi sapere perché i clienti non sono soddisfatti del livello del tuo servizio clienti, tuttavia, dovrai guardare i tuoi dati qualitativi. Forse un particolare operatore dell’assistenza clienti è menzionato più spesso di altri - ma è menzionato in modo positivo o negativo? Si potrebbe anche voler guardare degli argomenti specifici menzionati, per esempio i tempi di risposta o se i clienti erano felici riguardo il modo in cui è stato risolto il loro problema. Terzo step: Raccogliere i dati Ora che sai quali sono i tuoi obiettivi e come vuoi misurarli, puoi iniziare a raccogliere la tipologia corretta di dati. Sebbene sia buona prassi raccogliere dati sia quantitativi che qualitativi, dovrai anche raccogliere dati pertinenti alle domande a cui stai cercando di rispondere. Dati quantitativi: dati strutturati che possono essere quantificati e misurati. Ad esempio, tag e dati numerici; Dati qualitativi: dati non strutturati che devono essere strutturati prima di essere estratti per approfondimenti. Ad esempio, testo, voce, immagini, video. I dati quantitativi sono spesso memorizzati in database o fogli Excel, pronti per l'analisi. Ma dove si possono trovare i dati qualitativi? Ecco alcuni esempi di dati qualitativi: - E-mail dei vostri clienti - Ticket di assistenza clienti - Conversazioni in chat - Recensioni di prodotti online - Dati sui social media - Risposte aperte ai sondaggi. La maggior parte di questi dati verranno memorizzati negli strumenti che utilizzi quotidianamente, come Zendesk, Gmail e le piattaforme di gestione dei social media. Alcuni di essi potrebbe essere necessario raccoglierli utilizzando strumenti di web scraping (se i dati vive su siti web, blog, o forum). Quarto step: Analizzare i dati Strumenti di analisi dei dati, come Excel, Fogli Google, e Airtable, e strumenti di business intelligence, come Tableau e Google Data Studio, sono eccellenti per i calcoli complicati. Essi consentono di collegare i dati quantitativi e creare visualizzazioni complete, tabelle e grafici. Questi strumenti sono ottimi per iniziare ad analizzare i dati, ma ci sono metodi di analisi dei dati più complessi che è possibile utilizzare per andare ancora più in profondità con l'analisi. Scegli il tuo metodo di analisi dei dati: - Analisi inferenziale - Analisi di dati statistici per scoprire modelli e tendenze; - Analisi del testo - Analisi dei dati qualitativi in tempo reale; - Analisi diagnostica - Analisi esplorativa quantitativa e qualitativa dei dati; - Analisi predittiva - Analisi storica dei dati quantitativi e qualitativi; - Analisi prescrittiva - Analisi quantitativa e qualitativa dei dati basata su scenari. Alcuni di questi metodi di analisi dei dati utilizzano l'intelligenza artificiale e l'apprendimento automatico per aiutarti ad analizzare automaticamente grandi serie di dati non strutturati. Ma non farti scoraggiare. Ci sono molti strumenti pronti all’uso che hanno modelli pre-impostati di apprendimento automatico in modo da poter ottenere potenti intuizioni in pochi minuti, senza scrivere una sola riga di codice. Un estrattore di parole chiave pre-impostato, ad esempio, può riassumere rapidamente i tuoi dati estraendo le parole più frequenti. L'analisi del sentiment, d'altra parte, classifica automaticamente i dati in positivo, negativo e neutro. Una volta combinati, puoi iniziare a ottenere informazioni approfondite dai tuoi dati, come argomenti di tendenza negativi e positivi. Prova questo modello di analisi del sentiment pre-impostato per vedere quanto sia facile estrarre informazioni dai dati qualitativi: Se i tuoi dati richiedono un approccio più personalizzato, puoi creare i tuoi strumenti di analisi del testo senza codice, utilizzando uno strumento intuitivo come MonkeyLearn. Una volta addestrato il tuo modello utilizzando i tuoi dati e parametri aziendali, puoi collegarlo agli strumenti che ami attraverso il MonkeyLearn API o le integrazioni (come Excel, Fogli Google e Zendesk) e iniziare a estrarre valore dai dati in tempo reale. Quinto step: Visualizzare e interpretare i risultati E ora la parte divertente. Trasforma l'analisi dei dati in impressionanti visualizzazioni dei dati utilizzando strumenti di visualizzazione dei dati, che aiutano a riassumere i dati in modo da poter individuare facilmente tendenze, modelli e relazioni nei dati. Sono anche un ottimo modo per eseguire il backup delle decisioni aziendali e presentare le tue conclusioni al resto del team. Strumenti di visualizzazione dei dati - MonkeyLearn Studio: combina la visualizzazione dei dati in-app con strumenti di analisi del testo, creando una potente soluzione di analisi dei dati “tutto-in-uno”. - Dai un'occhiata al dashboard, che mostra le opinioni su diversi argomenti. - Tableau: software di analisi visiva con un'interfaccia “trascina” facile da usare. - Google Data Studio: per utilizzare uno strumento semplice e gratuito di visualizzazione dei dati. - Una volta visualizzati i dati, inizia a prendere decisioni che ti aiutino a raggiungere i tuoi obiettivi aziendali. Iniziare con l'analisi dei dati L'analisi dei dati consente alle aziende di imparare cosa funziona bene per loro e cosa migliorare per crescere. Le aziende sfruttano i dati quantitativi da molto tempo, ma ci sono così tante informazioni che puoi ottenere dai dati qualitativi. Mentre è necessario dedicare più tempo alla preparazione di questo tipo di dati, i passaggi coinvolti nell'analisi dei dati qualitativi sono gli stessi.