デジタル分析におけるデータガバナンスの重要性

公開: 2023-04-17

デジタル分析では、組織はデータの収集、解釈、およびレポート作成にかなりの時間を費やしています。包括的な目標は、競争上の優位性としてデータを活用することです。データを使用して、デジタル広告の効果を改善したり、デジタル製品を改善したりできます。ただし、データを活用する前に、正しいデータがあることを確認する必要があります。不正確なデータに基づいて意思決定を行うことは、データに基づいて意思決定を行うことよりも優れているとは言えません。優れたデータガバナンスの重要性を無視するのは簡単です。データガバナンスは、優先順位を下げることができる骨の折れる作業と見なされることがよくありますが、それは間違いです。この投稿では、デジタル分析で長期的な成功を収めるために不可欠なデータガバナンス機能の概要を説明します。

データガバナンスは初期実装を超えています

優れたデジタル分析データを取得する最善の方法は、優れた実装を行うことです。組織がデジタル分析イベントとプロパティの計画と実装に費やす時間は、信頼できるデータを得るために不可欠です。多くの場合、データ品質を検証するために、最初の実装中にいくつかの品質保証およびテストレベルが発生します。しかし、最初の実装の後、多くの組織は、デジタル分析データの品質が低下していることに気付きます。多くの場合、データ品質の低下は、より多くのデータガバナンスの必要性が原因です。初期導入は組織内で注目を集める可能性がありますが、データガバナンスは魅力的ではありません。実装とデータガバナンスには、優れたデータ品質という同じ目標がありますが、多くの組織は後者よりも前者に重点を置いています。

組織がデータガバナンスでうまく機能しない理由の 1 つは、組織が使用するデジタル分析製品がデータガバナンス機能に十分に投資されていないことです。市場に出回っている主要なデジタル分析製品の多くには、基本的なデータガバナンス機能が欠けています。データガバナンスはデジタル分析プログラムに関連するすべてを支えているため、このようなガバナンス機能の欠如は残念です。

実装ソリューションの設計

デジタル分析の実装で収集するデータを理解することは不可欠です。組織が収集することを選択したイベントとプロパティを特定して伝達するだけで、テーブルステークスが得られます。残念ながら、多くのデジタル分析ベンダーはスプレッドシートを使用して、分析ソリューションの内容を共有しています。スプレッドシートでの実装ソリューションの追跡には、次の欠点があります。

情報は、デジタル分析製品およびレポートから分離されています
ソリューション設計の複数のバージョンが組織全体に広がる可能性があり、どれが現在のバージョンであるかを知るのが難しくなります
スプレッドシートでは、各ソリューション設計要素のステータスを知ることはできません (たとえば、現在データを収集していますか?)

常に最新の情報を表示できるように、すべてのソリューション情報をデジタル分析製品のインターフェイスに直接表示することをお勧めします。

また、複数の担当者がソリューションの設計を、できれば同時に繰り返すことができれば、それも有益です。理想的には、GitHub を使用する場合と同様に、「ブランチ」を介してソリューション設計の反復を管理できます。

データスキーマの検証

データガバナンスのもう 1 つの重要な側面は、データスキーマの検証です。スキーマ検証の 1 つのコンポーネントは、収集されるデータが期待どおりであることを保証する自動検証です。デジタル分析チームのメンバーはしばしば忙しく、新しいイベントやプロパティがいつ実装に送信されるかを積極的に監視する時間がないため、これは重要です。予期しないイベントの追跡は、ソリューションの設計を認識しているデジタル分析製品によって適切に処理されます。自動化により、デジタル分析製品は、予期しないイベントやプロパティが見つかった場合にチームに警告することができます。これらの予期しないアイテムは、レビューされるまで隔離されるため、本番データが汚染されることはありません。

データスキーマ検証のもう 1 つの機能は、収集されたデータ値が期待される形式と一致することを検証する機能です。たとえば、数値であることを意図しているが、テキスト文字列が渡されているデータプロパティがある場合は、自動的にフラグを立てる必要があります。従わなければならない特定の郵便番号形式がある場合は、データが一貫しているように各値を検証する必要があります。データスキーマの検証に関して、「1 オンスの予防は 1 ポンドの治療に値する!」

オブジェクトの権限

組織内の人々がデジタル分析製品を使用している場合、どの分析コンポーネントが正しく、どれが正しくないかを判断するのは難しい場合があります。多くの場合、ユーザーは新しいコホートやメトリックなどを作成して試してみますが、実装の所有者はそれらを検証していません。

オブジェクトの公式化は、実装内でデジタル分析オブジェクトを「公式」としてマークするプロセスです。以下に示すように、適切な資格情報を持つ誰かがオブジェクトを承認したことを示すために、オブジェクトに何らかのインジケーター (青いチェックなど) を割り当てることができます。公式オブジェクトは信頼でき、正しいと見なすことができます。

オブジェクトの公式化により、デジタル分析コンポーネントを選択する際の当て推量がなくなり、さまざまなユーザーが非公式のオブジェクトをレポートやダッシュボードに広めるのを防ぐことができます。

オブジェクト重複排除

オブジェクトの重複排除は、オブジェクトの役割と接線的に関連しています。デジタル分析の最も厄介な側面の 1 つは、同じ分析オブジェクトの複数のバージョンが急増することです。これらのオブジェクトは、計算されたメトリック、コホートなどである可能性があります。オブジェクトの権限はこれを最小限に抑えるのに役立ちますが、分析ユーザーが多数のバージョンの分析オブジェクトを作成することは依然として可能です。これらの異なるバージョンは、複数のレポートまたはダッシュボードに関連付けることができます。この問題は、分析オブジェクトの定義または式に欠陥が見つかった場合に悪化します。組織は 1 か所で修正するのではなく、すべての異なるバージョンを見つけてそれぞれを個別に修正する必要があり、これはガバナンスの悪夢になる可能性があります。

高度な分析製品 (Amplitude など) は、この重複排除の問題に直接対処しています。重複排除を回避する最善の方法は、ユーザーが重複オブジェクトを作成できないようにすることです。以下に示すように、ユーザーが完全な複製を作成しようとすると、デジタル分析製品はその保存を禁止します。

オブジェクトの使用

デジタル分析を実装する組織は、多くの場合、さまざまなイベントやプロパティを実装します。どのチームにも、収集したい追加のデータがあります。多くのデータポイントがある場合、どのデータ要素が最も使用されているか、または最も使用されていないかを理解するのは非常に困難な場合があります。多くのデジタル分析製品は、オブジェクトの使用法を難読化することで状況を悪化させています。一部のデジタル分析製品では、どのオブジェクトが、どこで、誰によって使用されているかを理解するために、管理者が CSV を介して使用状況データをダウンロードし、レポートを作成する必要があります。

以下に示すように、最新のデジタル分析製品を使用すると、すべてのデジタル分析イベントまたはプロパティがどこで使用されているかを簡単に理解できます。

この情報は、イベントまたはプロパティを使用して特定の人や物を表示するために、より詳細なレベルでも表示される必要があります。

この情報を自由に使用できるようにすることで、実装管理者および管理者は次のことを行うことができます。

分析ユーザーが関与しているイベントとプロパティを表示する
一部のイベントやプロパティが使用されていないために追加のトレーニングが必要かどうかを判断する
不要になったイベントとプロパティを削除することを検討してください

分析イベントについて

デジタル分析の実装における一般的な問題は、一般的なエンドユーザーが各分析イベントの意味を完全には理解していないことです。開発者は、理解できないイベント名 (form_reaction など) を作成することで有名です。多くの分析ユーザーは、実装プロセスに関与しておらず、分析イベントがどのように、なぜ命名されたかについての裏話を持っていません。したがって、管理者またはマネージャーがエンドユーザーが分析に正しいイベントを確実に使用できるようにするためにできることは、非常に高く評価されます。

これに対処する 1 つの方法は、データディクショナリを作成することです。これは、ユーザーが各分析イベントについて学び、それが Web サイトまたはモバイルアプリのどこにあるかを確認できる場所です。データディクショナリは、ドキュメントまたは Confluence や Miro などの共有スペースに保存できます。

Amplitude では、実装とそのイベントおよびプロパティに関する情報を伝達するための 2 つの興味深い方法を提供しています。 1 つはノートブック機能によるものです。 Amplitude ノートブックは、テキスト、画像、ビデオ、分析レポートなどを追加できる自由形式のキャンバスです。ノートブックは、実装を文書化し、分析イベントやプロパティに関するコンテキストを共有するのに最適な場所です。

管理者が実装イベントに関する情報を共有するのに Amplitude が役立つもう 1 つの方法は、イベントのスクリーンショットです。管理者は、Amplitude のデータモジュールのイベントにスクリーンショットを添付できます。分析イベントが設定されている場所のスクリーンショットを各イベントに添付すると、エンドユーザーは、レポートの作成中にさまざまなイベントをスクロールしながら、そのスクリーンショットを見ることができます。これらのスクリーンショットは、エンドユーザーが分析に正しいイベントを使用する自信を築くのに役立ちます。

データ変換

どんなに頑張っても、誤ったデータがデジタル分析製品に送信される場合があります。開発者は、誤ったデータの送信をトリガーする Web サイトまたはアプリを変更する場合があります。顧客がフォームフィールドに誤った情報を入力する可能性があります。ユーザーはページを更新して重複データを作成することができました。どのように発生するかに関係なく、不正確なデータが収集されます。前述のスキーマ検証項目の一部は、不正なデータを軽減するのに役立ちます。それでも、デジタル分析製品は、必要に応じてデータを変更/更新/変換できる必要があります。

一部のデジタル分析製品では、データを変換する方法が提供されず、データウェアハウスを変更する必要があります。エンドユーザーは、データが正しくないデジタル分析製品インターフェースを使用する可能性があるため、これは役に立ちません。管理者には、必要に応じてデータを変換するオプションが必要です。デジタル分析プロバイダーで次のデータ変換機能を探す必要があります。

値の変更

管理者は、必要に応じて特定のプロパティ値を変更できる必要があります。たとえば、必要な命名規則なしで分析製品に送信されたマーケティングキャンペーンコードを想像してみてください。管理者はこれらの値を変更して、エンドユーザーがレポートやダッシュボードを使用するときに正しい値を表示できるようにする必要があります。

1 回限りの値の変更に加えて、管理者は多くの値を一度に変更するルールを作成できる必要があります。これらのルールでは、式または関数を使用して、影響を受けるすべてのプロパティ値に変更を適用できます。

データの難読化

もう 1 つの望ましいデータ変換機能は、誤ったデータを非表示または難読化する機能です。データの一部を修正する必要があり、それらをユーザーから隠したい場合があります。例として、誤って本番環境に送信されたテストデータが考えられます。このデータは削除されませんが、すべてのユーザーから隠されています。

データの削除

極端な場合、完全に削除したい分析データが存在することになります。したがって、デジタル分析製品では、データの特定の部分を選択して削除できる必要があります。

自動データテスト

もう 1 つの重要なデータガバナンスツールは、自動テストです。ウェブサイトやアプリをチェックして、分析コードが適切に機能していることを確認する製品が市販されています。これらの製品は、顧客のように振る舞い、分析追跡が設計どおりに機能することを確認するように構成することもできます。この分野で人気のある製品には、Observepoint と QA2L があります。これらの製品の高度な機能を説明するには、ブログ投稿全体が必要になるため、それらをチェックして、デジタル分析スタックに追加することを検討することをお勧めします.

ユーザーデータのプライバシーコンプライアンス

データガバナンスのもう 1 つの側面は、ユーザーのプライバシー削除要求を尊重することです。 GDPR や CCPA などのプライバシー規制により、消費者は、消費者について収集されたデータを要求に応じて削除するよう要求することができます。したがって、デジタル分析チームは、地方自治体の規制に従って、これらの要求に対応し、行動を起こすことが重要です。

まとめ

ご覧のとおり、データガバナンスに関しては、見た目以上のものがあります。デジタル分析データが正確であることを確認するには、膨大な量の積極的な作業が必要です。さまざまなデジタル分析プロバイダーが、データガバナンスにおいてさまざまなレベルの支援を提供しています。すべての分析は高品質のデータに依存するため、ベンダーが提供するデータガバナンス機能を考慮する必要があります。

デジタル分析におけるデータ ガバナンスの重要性