보고서를 신뢰할 수 있는(또는 신뢰할 수 없는) 이유

Harvard Business Review에 따르면 비즈니스 리더의 90%는 데이터 활용 능력이 회사의 성공에 중요하다고 생각합니다. 그러나 마케터의 84%는 데이터와 통찰력에 액세스하는 데 어려움을 겪고 있습니다. 대시보드 및 보고서는 실제 상황을 표시하지 않으며 맹목적으로 신뢰할 수 없습니다.

왜 이런 일이 발생합니까? 열악한 데이터 품질과 데이터 오류는 마케팅 보고서를 신뢰할 수 없는 가장 큰 이유입니다. Gartner 설문 조사에 따르면 "낮은 데이터 품질이 조직에 미치는 평균 재정적 영향은 연간 1,500만 달러로 추산됩니다."

대시보드와 대시보드가 ​​구축된 데이터를 신뢰하지 않으면 실제 수치를 기반으로 관리 결정이 내려지지 않습니다. 기업 입장에서는 끔찍합니다.

이 기사에서는 가능한 모든 데이터 오류와 이러한 오류가 발생할 수 있는 단계에 대해 설명합니다. 그런 다음 이를 피하는 방법에 대한 구체적인 조언을 제공합니다. 나쁜 데이터 품질을 거부하기 위한 체크리스트는 다음과 같습니다.

회사가 성공하려면 고품질 데이터 통찰력으로 비즈니스 사용자에게 권한을 부여해야 합니다. 사용 가능한 모든 정보를 통해 마케터는 결정이 성공한 이유, 광고 캠페인의 성공 또는 실패에 영향을 미친 요소, 더 잘할 수 있는 방법 등을 쉽게 설명할 수 있습니다.

또한 빠르게 성장하는 디지털 미디어 환경에서 고객은 점점 더 많은 미디어 채널을 사용하고 있으며 정확한 추천을 받을 수 있도록 데이터를 기반으로 하는 개인화된 접근 방식을 기대하고 있습니다. 특히 마케팅 예산의 80% 이상이 고객 유치를 위해 디지털 채널에 의존한다는 점을 고려할 때 마케팅 분석의 기능을 무시하는 것은 비합리적입니다. 마치 당신의 차고에 강력한 페라리가 있고 그것을 운전하는 것을 두려워하는 것과 같습니다!

그러나 이 논리적이고 직접적인 접근 방식을 구현하는 것은 복잡합니다. 경영진과 마케팅 전문가 가 수집한 데이터를 적용하려면 데이터를 신뢰해야 합니다 . 그리고 거기에 모든 문제의 근원이 있습니다.

마케터가 작업하는 모든 채널에서 수집한 데이터의 품질을 개선하고 데이터 결과의 신뢰도를 높이려면 어떻게 해야 합니까? 실수가 나타나지 않도록!

일반적으로 데이터 오류가 발생하는 세 단계가 있습니다.

1. 측정 계획
2. 데이터 수집 및 준비(정규화)
3. 보고서 작성

메모! 이러한 각 단계에서 데이터는 인적 요인으로 인해 잘못 처리될 수 있습니다.

오류가 표시되지 않도록 하려면 어떻게 해야 하는지 살펴보겠습니다. 결국 전체 보고 시스템에서 오류와 데이터 불일치를 찾는 것보다 실수를 방지하는 것이 훨씬 쉽습니다.

데이터 작업의 첫 번째 단계는 매우 쉬워 보입니다. 필요한 모든 마케팅 데이터의 수집을 계획해야 합니다. 그러나 데이터 수집은 특정 작업에 대해서만 계획되는 경우가 많으므로 수행하는 새 작업이나 시작하는 새 프로젝트에 대한 데이터가 충분하지 않을 수 있습니다. 따라서 계획 단계를 건너뛰는 것은 비합리적입니다. OWOX 팀은 항상 프로젝트 작업을 시작하기 전에 신속한 분석을 수행합니다. 왜요? 데이터 수집에서 가능한 병목 현상을 식별합니다. 때때로 팀은 전체 메트릭 시스템을 개발하고 가능한 모든 매개변수를 열거하기도 합니다.

문제는 모든 데이터 소스(다른 광고 플랫폼 및 함께 작업하는 서비스)에서 조각난 모든 데이터 를 수집하고 이 데이터가 귀하에게 적합하도록 만드는 것입니다.

이 계획 단계가 없거나 구조화되지 않은 접근 방식이 없으면 기록 데이터를 사용할 수 없는 동안 식별자 전송을 재구성해야 합니다. 모든 데이터가 없는 경우 귀하의 결정과 조치는 정확하지 않거나 불완전한 정보를 기반으로 합니다. 이를 방지하려면 다음을 수집하여 모든 고객 접점을 고려해야 합니다.

• 웹사이트 및/또는 애플리케이션의 사용자 행동 데이터
• 광고 플랫폼의 비용 데이터
• 통화 추적, 챗봇 및 이메일 데이터
• CRM/ERP 시스템 등의 실제 판매 데이터

이 단계에서 나타날 수 있는 주요 오류는 다음과 같은 결과입니다.

• 집계되고 샘플링된 데이터 가져 오기 . 샘플링 데이터는 데이터의 일부만 분석하여 보고할 때 발생하는 일반화된 데이터입니다. 당신에게 1kg의 사과가 있고 당신의 임무는 이 사과가 좋은지 썩은지를 결정하는 것이라고 가정해 봅시다. 샘플링된 데이터(전체 사과 2~3개)를 사용하는 경우 샘플링하지 않은 다른 모든 사과가 실제로 썩은 경우 이 킬로가 우수한 품질임을 결정할 수 있습니다.

왜 이런 일이 발생합니까? 가능한 한 최단 시간에 방대한 데이터 어레이를 처리하는 것은 복잡하고 리소스 집약적인 작업이므로 시스템은 가능한 한 빨리 보고서를 생성하기 위해 데이터 샘플링, 집계 및 필터링을 사용하여 데이터를 빠르게 처리합니다.

데이터 및 보고서 품질에 어떤 영향을 미칩니까? 분명히, 나쁘게. 작은 데이터 샘플만으로는 현명한 결정을 내릴 수 없습니다. 예를 들어, 수익성 있는 광고 캠페인을 볼 수 없고 보고서의 왜곡된 데이터로 인해 광고 캠페인을 끌 수 있습니다.

이 문제를 어떻게 식별할 수 있습니까? Google 웹로그 분석 인터페이스의 보고서 상단에 이 보고서는 N%의 세션을 기반으로 한다는 메시지가 표시됩니다.

신뢰할 수 있는 보고서를 갖고 싶다면 샘플링되지 않은 원시 데이터를 가져와야 합니다. 따라서 모든 데이터 소스를 결정한 후에는 원시 데이터를 자동으로 수집하고 데이터 완전성을 정기적으로 확인하는 커넥터를 사용하는 것이 좋습니다.

• 광고 서비스의 API에서 불완전하고 잘못된 데이터 가져 오기 왜 이런 일이 발생합니까? 광고 서비스는 사용자와 행동에 대한 많은 데이터를 수집합니다. 그러나 데이터를 전송하는 동안 데이터 이중화, 데이터 손실 또는 소급 업데이트 중 불일치와 같은 오류가 나타날 수 있습니다. 이것이 데이터 및 보고서의 품질에 어떤 영향을 미칩니까? 이러한 오류는 보고서로 전송되며 결과적으로 부정확한 보고로 인해 올바른 결정을 내리는 것이 불가능합니다.

이 문제를 해결하는 방법은 무엇입니까? API로 작업할 때 코드를 직접 제어할 수 없기 때문에 서비스와 상호 작용하기 어려울 수 있습니다. API 변경을 지원하는 데이터 가져오기 도구를 사용하는 것이 좋습니다. 데이터를 사용할 수 없는 경우 이러한 도구는 기존 데이터 격차를 표시하고 나중에 데이터를 다운로드할 수 있습니다.

이 모든 정보를 어디에 저장합니까?

데이터의 모든 바이트를 자체 서버에 저장하려면 막대한 비용이 듭니다. 리소스를 절약하고 전 세계적으로 데이터에 대한 액세스를 제공하므로 클라우드 솔루션을 사용하는 것이 좋습니다. 의심의 여지 없이 마케터의 요구를 고려하는 시장에서 가장 좋은 옵션은 Google BigQuery입니다. 이 클라우드 서비스를 사용하여 웹사이트, CRM 시스템, 광고 플랫폼 등의 원시 데이터를 저장할 수 있습니다.

기본적으로 데이터 수집 오류를 방지하는 가장 좋은 방법은 데이터를 수동으로 수집하지 않는 것입니다. 오늘날 다양한 서비스와 웹사이트에서 데이터를 자동으로 데이터 웨어하우스(또는 데이터 레이크)로 수집하는 OWOX BI와 같은 수많은 마케팅 소프트웨어 솔루션이 있습니다.

수년 동안 마케팅은 타사 데이터에 의존했습니다. 그러나 이제 Google 및 Apple과 같은 영향력 있는 대기업이 개인 데이터를 사용하는 방식을 바꾸고 있습니다. 머지 않아 세상은 제3자 쿠키를 포기할 것입니다. 마케터에게 이는 복잡한 데이터 수집과 다양한 접점에서의 사용자 활동에 대한 수많은 귀중한 데이터 손실을 의미합니다. 실적을 유지하기 위해 무엇을 할 수 있습니까? 무엇보다 먼저 자사 및 타사 데이터 수집에 집중해야 합니다. 둘째, 데이터 레이크에 저장된 데이터만 귀하가 소유하고 제어하므로(광고 플랫폼이 아닌) 데이터 레이크를 사용할 준비가 되어 있어야 합니다. Google 제품의 업데이트(Google Analytics 4, 개인정보 보호 샌드박스 이니셔티브)로 인해 Google Analytics의 새 버전은 GBQ와 기본적으로 통합되고 전체 데이터 내보내기를 제공하므로 Google BigQuery를 사용하는 것이 좋습니다.

모든 데이터를 수집한 후 두 번째 단계는 이를 활용하는 것입니다. 그러나 즉시 그렇게 할 수는 없습니다. 데이터는 준비(정규화)될 때까지 작업할 수 없습니다. 왜 이렇게이다? 다른 광고 플랫폼/서비스의 데이터는 구조가 다르고 형식과 통화가 다릅니다. 보고서를 작성하려면 데이터가 구조화되고 업데이트되고 완전해야 합니다.

데이터를 정규화하는 동안 다음과 관련된 문제에 직면할 수 있습니다.

• 다양한 데이터 형식, 구조 및 세부 수준. 왜 이런 일이 발생합니까? 서비스마다 데이터 업로드에 다른 체계를 사용합니다. 예를 들어, 한 광고 서비스에는 Product name 이라는 열이 있는 반면 다른 광고 서비스에는 Product category 라는 열이 있을 수 있습니다.

이것이 데이터 및 보고서의 품질에 어떤 영향을 미칩니까? 데이터가 다른 구조로 되어 있으면 보고서를 작성하는 것이 불가능합니다.

이 문제를 해결하는 방법은 무엇입니까? 데이터를 분석하기 전에 단일 형식으로 변환해야 합니다. 그렇지 않으면 분석에서 좋은 결과가 나오지 않습니다. 예를 들어, 사용자 세션 데이터를 광고 비용 데이터와 병합하여 각 특정 트래픽 소스 또는 마케팅 채널의 영향을 측정하고 더 많은 수익을 가져다 주는 광고 캠페인을 확인해야 합니다.

• 다른 통화. 광고 서비스마다 다른 통화를 사용하며 보고서에서 정확한 수치를 얻으려면 항상 어떤 통화가 사용되는지 확인하고 모든 통화를 단일 기본 통화로 변환해야 합니다.
• 삽입, 업데이트 및 삭제 종속성. 비정형 데이터를 제거하여 모든 레코드와 필드에서 완벽하게 균일하게 하는 동안 다양한 바람직하지 않은 부작용이 나타날 수 있습니다.

이러한 종속성은 데이터 및 보고서의 품질에 어떤 영향을 미칩니까? 이러한 오류의 가장 일반적인 결과는 시스템에서 데이터를 삭제하고 보고서를 생성할 때 고려되지 않아 보고서 자체에 오류가 발생한다는 것입니다. 예를 들어 세션 개체와 광고 개체가 있다고 가정합니다. 세션 에는 10일부터 20일까지의 데이터가 있고 광고 에는 10일부터 15일까지의 데이터가 있습니다(어떤 이유로 16일부터 20일까지는 비용 데이터가 없습니다). 따라서 16~20일 동안 광고 데이터가 손실되거나 세션 데이터는 10~15일 동안만 사용할 수 있습니다.

이 문제를 해결하는 방법은 무엇입니까? 사용자가 데이터 병합의 특성을 모르고 작업 데이터를 확인하지 않으면 오류가 발생할 확률이 매우 높습니다. 따라서 솔루션은 데이터를 사용하기 전에 확인하는 것입니다.

메모! 데이터 정규화는 그다지 고무적이지 않고 분석가가 통찰력을 추출하는 것을 방해하는 수동적이고 일상적인 "원숭이 작업"입니다. 정규화의 어려움은 일반적으로 분석가 작업 시간의 최대 50%를 차지합니다. 솔직히 말해서 매우 실망스럽습니다. 이를 방지하려면 자동화 도구를 사용하십시오!

완벽한 탈출구는 데이터의 품질을 수집, 정리, 정규화 및 모니터링하여 비즈니스에 사용할 수 있도록 자동화된 솔루션을 적용하는 것입니다. 더 나은 변형은 일체형 OWOX BI 플랫폼이 하는 것처럼 선택한 데이터 커넥터가 모든 작업을 수행할 수 있는 경우입니다. OWOX BI의 도움으로 마케터와 분석가를 기다리는 모든 문제에 쉽게 대처하고 신뢰할 수 있는 비즈니스용 데이터를 얻을 수 있습니다.

데이터 수집 및 정규화 오류는 OWOX BI를 사용하는 데 방해가 되지 않습니다. 이 서비스는 귀하의 소중한 시간을 확보하고 다음을 처리합니다.

• 데이터 수집. Google Analytics, 광고 서비스, 웹사이트, 오프라인 매장, 통화 추적 서비스, CRM 시스템에서 필요한 모든 데이터를 Google BigQuery로 가져옵니다. OWOX BI를 사용하면 사용 가능한 매개변수에 대한 샘플링 없이 보고서를 얻을 수 있습니다. 이 서비스는 원시 데이터를 수집하고 API의 데이터 전송에 실수가 있는 경우 경고합니다. 데이터 소스에 대한 액세스를 제공하고 수집하려는 데이터를 선택하기만 하면 됩니다.
• 데이터 모니터링. OWOX BI를 사용하여 데이터 불일치가 발생한 위치, 기간 및 심각도를 항상 확인할 수 있습니다. 조회수, 세션, 사용자 및 트랜잭션별로 BigQuery 프로젝트의 데이터 양을 Google 애널리틱스와 비교하고 상당한 불일치를 나타냅니다.
• 데이터 정규화. OWOX BI는 데이터 정리, 중복 제거 및 업데이트는 물론 비용을 하나의 기본 통화로 변환하고 데이터 관련성을 모니터링하는 데 도움이 됩니다. 또한 OWOX BI는 지원되지 않는 동적 매개변수, 구문 오류 또는 필수 UTM 태그의 완전한 부족과 같은 UTM 태그의 실수를 정의할 수 있습니다.

OWOX BI를 사용하면 마케팅 요구 사항에 가장 적합한 Google의 보안 BigQuery 클라우드 스토리지에서 복잡성 보고서에 대한 마케팅 데이터를 수집할 수 있습니다.

설문 조사에 따르면 마케터의 84%는 데이터와 통찰력에 액세스하는 데 어려움을 겪는 반면 86%는 데이터와 통찰력을 얻기 위해 더 나은 도구가 필요하다고 생각합니다. 간단히 말해서 마케터는 보고서에 대해 생각하는 즉시 보고서를 받고 싶어합니다. 마케팅 팀이 인사이트를 구현하는 반면 분석 팀은 인사이트를 추출할 때 비즈니스 이점이 있습니다. 그리고 마케터가 수집하는 사용자 행동 데이터가 점점 늘어남에 따라 유용한 통찰력을 쉽게 얻을 수 있습니다. 그러나 실제로는 상황이 정반대로 작동하는 경우가 많습니다.

데이터 수집 및 데이터 준비 수준에서 장애물에 대처한 후에도 보고서 생성에는 다음과 같은 몇 가지 다른 어려움이 있습니다.

• 결정사용할 기여 모델입니다. 다른 작업에는 다른 모델이 필요하기 때문에 정답은 없습니다. 또한 비즈니스의 특성을 염두에 두어야 합니다. 시장에 나와 있는 모든 기여 모델에 대한 자세한 개요는 가장 적합한 모델을 선택하는 데 도움이 될 수 있습니다.
• 결정사용할 보고서 작성 서비스입니다. 이해하기 쉬운 데이터 시각화를 쉽게 제공하고 보고서를 자동으로 업데이트할 수 있는 서비스를 선택하십시오. Google 데이터 스튜디오와 같은 데이터 시각화 서비스는 둘 이상의 데이터 소스와 함께 작동할 수 있지만 데이터 병합 및 변환에 사용할 수는 없습니다. 많은 데이터 소스를 기반으로 보고서를 만들려면 먼저 필요한 모든 데이터를 데이터 레이크(예: Google BigQuery)에 수집해야 합니다.

전체 보고 생태계가 복잡해지고(특히 엔터프라이즈 비즈니스의 경우) 더 많은 보고서와 SQL 쿼리가 작성될수록 시스템이 더 쉽게 중단됩니다. 실제 데이터 오류 외에도 더 많은 오류, 깨진 SQL 쿼리 또는 수집된 데이터의 오해 및 오용으로 이어질 수 있는 다양한 어려움이 나타날 수 있습니다.

• 짧은 시간에 보고서(및/또는 SQL 쿼리)에 대한 편집이 너무 많습니다. 왜 이런 일이 발생합니까? 기존 보고 아키텍처에서는 SQL 쿼리를 사용하여 작성된 각 보고서 아래에 데이터 세트가 있었고 변경된 사항은 없었습니다. 그러나 오늘날 이러한 SQL 쿼리는 수시로 변경되고 편집됩니다. 이것이 데이터 및 보고서의 품질에 어떤 영향을 미칩니까? 변경 사항이 너무 많아서 언제 변경했는지 잊어버리기 쉽습니다. 즉, 한 데이터세트 수준의 편집 내용이 다른 데이터세트에 적용되지 않습니다.
• 요구 사항은 지속적으로 변경됩니다(Google 애널리틱스 4의 새 버전으로의 전환 및 데이터 사용 제한으로 인해 더 쉬워지지 않음). 왜 이런 일이 발생합니까? 다양한 보고서에 대한 요구가 증가하는 반면 분석가는 데이터 세트를 생성하고 데이터를 정규화하고 각 보고서에 대한 SQL 쿼리를 작성해야 합니다. 데이터 및 보고서의 품질에 어떤 영향을 미칩니까? 개체의 의미가 변경되면(예: 전환으로 이해되는 항목이 주문 대신 웹사이트 방문으로 변경됨) 모든 보고서에서 데이터가 정확하고 정확한 상태로 유지되도록 변경해야 하는 항목을 기억하는 것은 어려운 일입니다.
• 긴 보고 프로세스. 왜 이런 일이 발생합니까? 분석가는 항상 과부하가 걸리며 마케터는 보고서를 기다려야 합니다. 또한 연구에 따르면 단일 대시보드를 만드는 데도 평균 4.5일이 소요되며 최소 3번의 반복이 필요하며 가장 중요한 것은 약 $18,000입니다. 이것이 데이터 및 보고서의 품질에 어떤 영향을 미칩니까? 마케터는 무엇 을, 왜 , 언제 , 어디서 질문이 발생하는 순간 모든 종류의 질문에 대한 즉각적인 답변을 찾을 기회가 없습니다. 결과적으로 직관이나 불완전하고 잘못된 데이터를 기반으로 결정이 내려집니다.
• 데이터를 이해하는 데 어려움이 있습니다. 왜 이런 일이 발생합니까? 다른 사람들이 동일한 보고서로 작업하며 특정 측정항목과 특정 매개변수 뒤에 항상 같은 의미가 있는 것은 아닙니다. 예를 들어, 다양한 보고서 내에서 사용자 메트릭은 구매가 없는 등록된 사용자 또는 재방문 고객을 의미할 수 있습니다. 이것이 데이터 및 보고서의 품질에 어떤 영향을 미칩니까? 결정을 내릴 때 사용자를 한 가지 방식으로 정의하지만 참조하는 보고서가 동일한 방식으로 사용자를 정의한다는 보장은 없습니다.

이러한 모든 요소는 한 가지 예로 설명할 수 있습니다. 레인 아래로 속삭이는 게임 하기 . 입력 데이터가 정확하고 관련성이 있는 것 같지만 결과는 여전히 원래 의도한 것과 완전히 다릅니다.

데이터와 보고서를 신뢰할 수 있고 적용할 수 있게 만드는 것은 상당한 작업입니다. 이 목표를 달성하는 데 있어 가장 큰 어려움과 장애물은 다음과 같습니다.

• 최신의 완전한 고품질 비즈니스 준비 데이터에 액세스하여 분석가가 위험 및 성장 영역을 찾고 데이터 작업에 대한 새로운 접근 방식을 찾는 데 시간을 할애할 수 있습니다.
• 마케터가 가설을 빠르게 테스트하고 통찰력을 검색할 수 있도록 몇 분 안에 마케팅 보고서를 생성할 수 있습니다.

다행히도 최신 클라우드 분석 솔루션은 마케터와 분석가가 신뢰할 수 있는 보고서와 데이터를 제공합니다. 깨지지 않고 준비하는 데 며칠이 걸리지 않는 신뢰할 수 있는 보고서를 만들고 싶다면 OWOX BI를 사용해 보세요. 완벽한 고품질 데이터를 기반으로 한 마케팅 보고 요구 사항을 위해 특별히 설계된 서비스입니다. 사려 깊은 접근 방식을 통해 분석가는 가설을 테스트하고 통찰력을 5배 더 빠르게 찾을 수 있습니다.

OWOX BI는 기술적 배경에 관계없이 모든 사용자의 데이터 액세스를 민주화합니다. 이 서비스는 비즈니스용 데이터 수집 및 준비를 위한 자동화된 프로세스를 제공하므로 몇 분 안에 보고서를 만들고 편집할 수 있습니다. 또한 OWOX BI를 사용하면 보고서가 깨지지 않기 때문에 변경 시 보고서 오류에 대한 걱정을 멈출 수 있습니다!

OWOX BI를 사용하면 데이터에 갇힌 통찰력을 그 어느 때보다 쉽게 ​​풀고 신뢰할 수 있는 보고서를 작성할 수 있습니다. 무료 데모를 예약하여 OWOX BI가 데이터 품질을 보장하는 방법과 완전히 자동화된 데이터 관리의 이점을 지금 확인하십시오!

회사는 데이터의 품질이 높고 의사 결정자가 데이터 결과에 따라 신속하게 조치를 취할 수 있을 때 데이터에서 최고의 가치를 얻습니다.

분석가는 비즈니스용 데이터로 작업하고 데이터를 통해 비즈니스 질문에 신속하게 답변하고 실행 가능한 통찰력을 가져올 때 가장 가치가 있습니다. 분석가의 작업은 더 이상 데이터를 수집, 준비 및 조화하고 SQL 쿼리를 작성하는 데 시간을 소비하는 것이 아닙니다.

회사는 마케팅 통찰력을 사용하여 경쟁자보다 빠르게 성장하기 위해 모델링된 비즈니스 준비 데이터와 함께 자동화 도구를 사용해야 합니다. 고품질 데이터는 모든 보고 및 관리 결정의 기초가 되어야 합니다. 데이터 수집 단계에서 시작하여 보고서 작성 단계에 이르기까지 신뢰할 수 있는 고품질 데이터를 얻는 데 많은 장애물이 있을 수 있지만 여전히 가능합니다.

이러한 문제를 극복하기 위해 무엇을 할 수 있습니까?

• 데이터 수집 시 오류 방지
• 워크플로에서 최대한 많은 자동화를 사용하여 오류 가능성을 방지합니다. 수동 및 반복 가능한 작업을 자동화하면 전문가가 실행 가능한 데이터 통찰력 개발과 같은 보다 부가가치가 높은 활동에 집중할 수 있다는 점은 말할 것도 없습니다.