誤解を招くデータ分析にビジネスを賭けないでください

公開: 2023-05-04

ゴミが入って、ゴミが出る。 それがデータ分析の黄金律です。 ただし、世の中にはあらゆる種類のゴミが存在しており、データはあなたが思っているよりもゴミである可能性があります。

データを希望通りに動作させるには、データを創造的に扱う (または、既にそうされているリアルタイム分析プラットフォームを使用する) 必要があります。 有用な分析とは、形式、鮮度、標準化だけではなく、コンテキストも重要です。

重要なポイント:

    • データはデータベース内の単なる情報ではなく、常に流れるリソースです。
    • 新しいツールを使用すると、ビッグ データを標準化および処理して、リアルタイムの QoE メトリクスを取得できます。
    • 優れたデータは、業務、意思決定能力、さらには M&A を効率的に処理する能力など、多くのことを向上させます。

何が問題になっているのでしょうか? データ品質が組織に与える影響を理解する

雑草に入る前に、それが自分にとって何になるのかを知りたいと思うでしょう。 分析を改善するとどのような違いが生まれますか?

データ品質は、提供するサービスの収益とコストに影響を与えます。 これは、より多くの購読者を獲得し、より多くの広告を表示し、技術的な問題を解決する最も効率的な方法を選択する能力などに影響します。

データはストレージ内の資産以上のものです。 これは、あらゆるレベルで重要な決定を下すために利用できる、絶えず成長し、常に流れるリソースです。

最大限の効果を得るためにデータを保存、アクセス、処理する方法

おそらく、業務のあらゆる側面に関するデータを収集しているでしょう。 売掛金から、特定のメディアのストリーム中の起動失敗イベントの数まで、領収書が手元にあります。

この情報を保持したりアクセスしたりするには、さまざまな方法があります。 運用の側面は依然としてデータ ウェアハウスや従来の SQL クエリに依存する可能性がありますが、最も注目すべきは、リアルタイムのビッグ データ分析プラットフォームを通じて処理およびアクセスできるストリーミング データです。

これらのプラットフォームは比較的最近開発されたものです。 彼らは特に、ビッグデータ ストリームで何が起こっているのかについて有益な洞察を得ることに重点を置いています。

コンテキストが重要: 全体像を把握するために分析の穴を埋める

あなたのストリームには何が入っていますか? この質問は、ほとんどの組織が認識しているよりも重要かつ複雑です。

ストリーミング分析を時間インデックス付きのステートフル データ ストリームに適用することは、別のことです。 これは、現代の VoD または放送分析の 3 つの要素を実現するための基本的な前提条件です。

    • カスタムのリアルタイムメトリクス (非常に複雑な関数であっても 60 秒未満の遅延)
    • 低オーバーヘッドの専用フレームワーク抽象化によるスケーラビリティ (クエリ時にデータ ウェアハウス上で動作する手作りの SQL クエリではありません)
    • 継続的な国勢調査アプローチによるすべてのセッションの洞察

この組み合わせは、地上で何が起こっているかを示しています。 何百万もの同時ストリームを処理するにつれて、組織の成長に合わせて成長していきます。

この時点で、ズームアウトする必要があります。 ほとんどの分析スタックは、視聴者のエクスペリエンスの全体を捉えていません。 この見落としは、最適化プロセス中に大きな盲点を引き起こす可能性があり、実際に生じることがよくあります。

たとえば、チームが視聴者のエクスペリエンスを最適化し、再生の失敗をターゲットにしている場合、その動作がビデオ プレーヤー自体から来ているわけではない可能性があります。 読み込みに失敗したプレロール広告が原因である可能性があります。 特定のエンドユーザー デバイスに影響を及ぼすアプリのバグである可能性もあります。

QoE の低下は、エンコーディングから CDN までのあらゆる要因によって発生する可能性があります。 視聴者の行動全体を示すデータ ストリームを取得することは、適切なビジネス上の意思決定を行うための前提条件です。

データ分析の品質とデータ標準化の間のつながり

コンテキストを持つことが重要です。 自分が何を見ているのかを理解することも同様に重要です。 そこでデータの標準化とクリーニングが登場します。

データの標準化は、データベースを使用する際の古典的な要素です。 それでも、多くの組織はそれを実現できていないようです。

この点を強調するために、古い決まり文句に戻る時期が来ました。 リンゴとリンゴを比較する必要があります。 これは、他の組織のデータを使用している場合に最も顕著です。 考慮すべき点は次のとおりです。

    • 基本的なインフラストラクチャは似ていますか? ネットワークの設定はどうなるのでしょうか?
    • ニッチな懸念事項は何ですか? スポーツのライブ放送では、モバイルに特化した VoD よりも全体的に高いビデオ品質が求められる場合があります。
    • どのような標準化または正規化手法が使用されていますか? すべてのデータで同じですか?
    • どのくらい前の情報ですか? 基準はどれくらい変わりましたか?
    • データはビデオ出版分野からのものですか?

また、独自の運用を検討し、最適化プロセスで目標とすることを決定したすべての指標をベンチマークすることも重要です。 これらのベンチマークを目標設定に使用しない場合でも、ベンチマークを使用して各決定の有効性を測定し、それに応じてロードマップを調整できます。

組織レベルでデータを標準化することのさらなる利点。

高品質で標準化された生データが業務、執行機能、および高レベルの戦略をサポート

ここまで、組織のさまざまな側面においてデータ品質が重要であることを読みました。 ここでは、実際に行われている詳細をいくつか紹介します。

運用効率

データ品質は、チームが迅速かつ的確な意思決定を下すのに役立つため、運用中に重要です。 たとえば、適切な情報があれば、視聴者の大規模なセクションを切り替えることなく、必要な場所に正確にネットワークの小さな調整を行うことができる可能性があります。 これによりコストが削減され、複雑な問題が回避されます。

経営陣の意思決定

CTO と VP は分析を使用して会社の方向性を導き、複雑な戦略を実行します。 データがより詳細で完全であればあるほど、これらのリーダーシップの行動の結果をより正確に追跡および予測できます。

高度な戦略

ビジネス目標の追求に加えて、優れたデータと優れたデータ実践により、戦略レベルでの成長が可能になります。 たとえば、標準化ポリシーが整備されていれば、古典的な合併・買収によるデータベース移行の悪夢はそれほど問題ではなくなります。

データ分析の真の力を探る

ここまで読んだので、ぜひ試してみてはいかがでしょうか。 あらゆるデバイス、毎分の分析をチェックするか、ここをクリックしてデモをスケジュールしてください。