Практика: Ключевые данные
ключевые показатели эффективности (KPI)
Добро пожаловать на занятие! Сегодня мы разберём три ключевые темы, без которых невозможен грамотный анализ данных в бизнесе: типы данных, источники информации и ключевые показатели эффективности (KPI). Эти знания составляют фундамент аналитической работы и позволяют принимать обоснованные управленческие решения.
Занятие построено по принципу «от простого к сложному». Сначала мы поймём, какие бывают данные и откуда они берутся. Затем научимся отличать по-настоящему важные метрики от второстепенных. И, наконец, применим всё это на практике, разбирая реальный кейс EdTech-стартапа.
Ключевые показатели эффективности (KPI)
KPI (Key Performance Indicator) — это измеримый показатель, который отражает прогресс в достижении стратегических целей бизнеса. KPI — это не просто числа, это компас, который указывает, движется ли компания в правильном направлении.
Зачем нужны KPI?
Фокус — KPI помогают сконцентрироваться на самом важном. Из сотен возможных метрик выбираются 5–7, которые действительно влияют на успех.
Измеримость — объективная оценка результатов вместо субъективных ощущений. Не «кажется, что продажи растут», а «выручка выросла на 12% за квартал».
Подотчётность — у каждого KPI есть ответственный. Маркетинг отвечает за CAC (Customer Acquisition Cost), продажи — за конверсию, поддержка — за CSAT (Customer Satisfaction Score).
Принятие решений — KPI дают данные для корректировки курса.
Количественные данные:
Дискретные — это целые числа, которые нельзя дробить. Например, количество заказов (5 430), число клиентов или сотрудников. Невозможно иметь 2,7 заказа — заказ либо есть, либо нет.
Непрерывные — это значения, которые могут принимать любое число на шкале, включая дробные. Примеры: выручка ($1.2M), средний чек ($85), конверсия (4.7%). Такие данные можно измерять с любой степенью точности.
Качественные (категориальные) данные описывают характеристики, свойства и мнения. Они не выражаются числами, но могут быть закодированы для анализа.
Номинальные — категории без естественного порядка. Примеры: город (Бишкек, Ош, Москва), категория товара (электроника, одежда), бренд (Apple, Samsung), причина возврата (дефект, не подошёл размер). Порядок перечисления не имеет значения — Москва не «больше» Бишкека в контексте категории.
Порядковые — категории с естественным порядком. Примеры: рейтинг (1–5 звёзд), размер одежды (S, M, L, XL), уровень удовлетворённости (низкая/средняя/высокая), приоритет задачи (низкий → критический). Здесь порядок важен, хотя интервалы между категориями не обязательно одинаковы.
Структурированные данные организованы в таблицы со строками и столбцами. Это самый удобный для анализа тип данных. Каждая строка — запись (заказ, клиент, транзакция), каждый столбец — атрибут (ID, имя клиента, сумма, дата).
Типичные источники структурированных данных: CRM-системы (Salesforce, HubSpot), ERP и бухгалтерские системы (SAP, 1C), реляционные базы данных (SQL). Именно с такими данными мы чаще всего работаем при построении отчётов и дашбордов.
Неструктурированные данные не имеют фиксированной структуры и требуют специальных методов обработки. К ним относятся:
Текст — электронная почта, отзывы клиентов, чаты поддержки, посты в социальных сетях.
Изображения — фотографии товаров, сканы документов, чеков.
Видео и аудио — записи звонков клиентов, видеообзоры, подкасты.
Важный факт: около 80% всех данных в мире являются неструктурированными. Это огромный и зачастую неиспользованный потенциал для анализа. Современные технологии (NLP, компьютерное зрение, распознавание речи) позволяют извлекать из них ценные бизнес-инсайты.