ความสำคัญของการกำกับดูแลข้อมูลใน Digital Analytics

ในการวิเคราะห์ดิจิทัล องค์กรต่างๆ ใช้เวลาอย่างมากในการรวบรวม ตีความ และรายงานข้อมูล เป้าหมายที่ครอบคลุมคือการใช้ประโยชน์จากข้อมูลเป็นข้อได้เปรียบในการแข่งขัน คุณสามารถใช้ข้อมูลเพื่อปรับปรุงประสิทธิภาพการโฆษณาดิจิทัลหรือปรับปรุงผลิตภัณฑ์ดิจิทัล แต่ก่อนที่คุณจะใช้ประโยชน์จากข้อมูลของคุณ คุณต้องแน่ใจว่าคุณมีข้อมูลที่ถูกต้อง การตัดสินใจโดยอิงจากข้อมูลที่ไม่ถูกต้องไม่ได้ดีไปกว่าการตัดสินใจโดยปราศจากข้อมูล เป็นเรื่องง่ายที่จะเพิกเฉยต่อความสำคัญของการกำกับดูแลข้อมูลที่ดี การกำกับดูแลข้อมูลมักถูกมองว่าเป็นงานหนักที่สามารถลดลำดับความสำคัญได้ แต่นั่นเป็นความผิดพลาด ในโพสต์นี้ ฉันจะร่างคุณลักษณะการกำกับดูแลข้อมูลที่จำเป็นต่อความสำเร็จระยะยาวในการวิเคราะห์ดิจิทัล

การกำกับดูแลข้อมูลนอกเหนือไปจากการใช้งานครั้งแรก

วิธีที่ดีที่สุดในการมีข้อมูลการวิเคราะห์ดิจิทัลที่ดีคือการมีการใช้งานที่ดี จำนวนชั่วโมงที่องค์กรใช้ในการวางแผนและดำเนินการกิจกรรมและคุณสมบัติของการวิเคราะห์ดิจิทัลเป็นสิ่งสำคัญในการมีข้อมูลที่เชื่อถือได้ การประกันคุณภาพและการทดสอบหลายระดับมักเกิดขึ้นระหว่างการใช้งานครั้งแรกเพื่อตรวจสอบคุณภาพของข้อมูล แต่หลังจากการใช้งานครั้งแรก หลายๆ องค์กรพบว่าคุณภาพข้อมูลการวิเคราะห์ดิจิทัลของพวกเขาแย่ลง การลดคุณภาพข้อมูลมักเกิดจากความจำเป็นในการกำกับดูแลข้อมูลมากขึ้น แม้ว่าการปรับใช้ครั้งแรกอาจมีความสำคัญสูงภายในองค์กร แต่การกำกับดูแลข้อมูลนั้นดูมีเสน่ห์น้อยกว่า แม้ว่าการนำไปใช้งานและการกำกับดูแลข้อมูลจะมีเป้าหมายเดียวกันคือคุณภาพของข้อมูลที่ดี แต่หลายองค์กรให้ความสำคัญกับสิ่งแรกมากกว่าอย่างหลัง

สาเหตุหนึ่งที่องค์กรต่างๆ ทำงานได้ไม่ดีนักกับการกำกับดูแลข้อมูลก็คือผลิตภัณฑ์การวิเคราะห์ดิจิทัลที่พวกเขาใช้นั้นไม่ได้ลงทุนอย่างเพียงพอในฟีเจอร์การกำกับดูแลข้อมูล ผลิตภัณฑ์วิเคราะห์ข้อมูลดิจิทัลชั้นนำจำนวนมากในตลาดยังขาดคุณสมบัติการกำกับดูแลข้อมูลขั้นพื้นฐาน การขาดคุณสมบัติการกำกับดูแลนี้เป็นเรื่องน่าเสียดายเนื่องจากการกำกับดูแลข้อมูลสนับสนุนทุกอย่างที่เกี่ยวข้องกับโปรแกรมการวิเคราะห์ดิจิทัล

การออกแบบโซลูชันการใช้งาน

การทำความเข้าใจว่าข้อมูลใดที่คุณรวบรวมในการดำเนินการวิเคราะห์ดิจิทัลเป็นสิ่งสำคัญ เพียงแค่ระบุและสื่อสารเหตุการณ์และคุณสมบัติที่องค์กรของคุณเลือกที่จะรวบรวมคือเงินเดิมพัน น่าเสียดายที่ผู้ให้บริการวิเคราะห์ดิจิทัลหลายรายใช้สเปรดชีตเพื่อแชร์สิ่งที่อยู่ในโซลูชันการวิเคราะห์ โซลูชันการติดตามการใช้งานในสเปรดชีตมีข้อเสียดังต่อไปนี้:

• ข้อมูลถูกแยกออกจากผลิตภัณฑ์การวิเคราะห์ดิจิทัลและรายงาน
• การออกแบบโซลูชันหลายเวอร์ชันอาจกระจายไปทั่วองค์กร ทำให้ยากที่จะทราบว่าเวอร์ชันใดเป็นเวอร์ชันปัจจุบัน
• สเปรดชีตไม่สามารถบอกคุณถึงสถานะขององค์ประกอบการออกแบบโซลูชันแต่ละรายการได้ (เช่น กำลังรวบรวมข้อมูลอยู่หรือไม่)

แนะนำให้มีข้อมูลโซลูชันทั้งหมดโดยตรงในอินเทอร์เฟซผลิตภัณฑ์การวิเคราะห์ดิจิทัล เพื่อให้คุณดูข้อมูลล่าสุดได้เสมอ:

นอกจากนี้ยังเป็นประโยชน์หากหลายคนสามารถทำซ้ำในการออกแบบโซลูชันได้ หรือแม้กระทั่งพร้อมกัน ตามหลักการแล้ว คุณสามารถจัดการการออกแบบโซลูชันซ้ำๆ ผ่าน “สาขา” ได้เหมือนกับที่คุณทำหากใช้ GitHub:

การตรวจสอบสคีมาข้อมูล

ลักษณะที่สำคัญอีกประการหนึ่งของการกำกับดูแลข้อมูลคือการตรวจสอบความถูกต้องของสคีมาข้อมูล องค์ประกอบหนึ่งของการตรวจสอบความถูกต้องของสคีมาคือการตรวจสอบอัตโนมัติ ซึ่งช่วยให้มั่นใจว่าข้อมูลที่รวบรวมเป็นไปตามที่คาดไว้ นี่เป็นสิ่งสำคัญเนื่องจากสมาชิกในทีมวิเคราะห์ดิจิทัลมักจะยุ่งและไม่มีเวลาตรวจสอบเชิงรุกเมื่อมีการส่งเหตุการณ์หรือคุณสมบัติใหม่ไปยังการใช้งาน การติดตามเหตุการณ์ที่ไม่คาดคิดได้รับการจัดการที่ดีขึ้นโดยผลิตภัณฑ์การวิเคราะห์ดิจิทัล ซึ่งตระหนักถึงการออกแบบโซลูชัน ระบบอัตโนมัติช่วยให้ผลิตภัณฑ์วิเคราะห์ข้อมูลดิจิทัลแจ้งเตือนทีมหากพบเหตุการณ์หรือคุณสมบัติที่ไม่คาดคิด รายการที่ไม่คาดคิดเหล่านี้จะถูกกักกันจนกว่าจะได้รับการตรวจสอบ เพื่อไม่ให้ข้อมูลการผลิตเสียหาย:

คุณลักษณะอื่นของการตรวจสอบสคีมาข้อมูลคือความสามารถในการตรวจสอบว่าค่าข้อมูลที่รวบรวมได้ตรงกับรูปแบบที่คาดไว้ ตัวอย่างเช่น หากคุณมีคุณสมบัติข้อมูลที่ควรจะเป็นตัวเลขแต่กำลังส่งผ่านสตริงข้อความ คุณสมบัตินั้นควรถูกตั้งค่าสถานะโดยอัตโนมัติ หากคุณมีรูปแบบรหัสไปรษณีย์เฉพาะที่ต้องปฏิบัติตาม แต่ละค่าควรได้รับการตรวจสอบเพื่อให้ข้อมูลสอดคล้องกัน เกี่ยวกับการตรวจสอบสคีมาข้อมูล “การป้องกันเพียงหนึ่งออนซ์ก็คุ้มค่ากับการรักษาหนึ่งปอนด์!”

วัตถุประสงค์ของวัตถุ

เมื่อคนในองค์กรของคุณใช้ผลิตภัณฑ์การวิเคราะห์ทางดิจิทัล อาจเป็นเรื่องยากที่จะทราบว่าองค์ประกอบการวิเคราะห์ใดถูกต้องและไม่ถูกต้อง บ่อยครั้งที่ผู้ใช้สร้างกลุ่มประชากรตามรุ่น เมตริก ฯลฯ ใหม่เพื่อทดลองใช้งาน แต่เจ้าของการใช้งานยังไม่ได้ยืนยัน

Object offication คือกระบวนการทำเครื่องหมายอ็อบเจกต์การวิเคราะห์ดิจิทัลว่าเป็น "ทางการ" ภายในการดำเนินการ ดังที่แสดงด้านล่าง วัตถุสามารถกำหนดตัวบ่งชี้บางอย่าง (เช่น เครื่องหมายถูกสีน้ำเงิน) เพื่อแสดงว่าบุคคลที่มีข้อมูลรับรองที่เหมาะสมได้รับรองวัตถุนั้น วัตถุที่เป็นทางการสามารถเชื่อถือได้และถือว่าถูกต้อง

การทำหน้าที่ของวัตถุทำให้ไม่ต้องคาดเดาในการเลือกส่วนประกอบการวิเคราะห์ดิจิทัล และช่วยหลีกเลี่ยงผู้ใช้ที่แตกต่างกันในการแพร่กระจายวัตถุที่ไม่เป็นทางการในรายงานและแดชบอร์ด

การขจัดความซ้ำซ้อนของวัตถุ

การขจัดความซ้ำซ้อนของออบเจกต์นั้นเกี่ยวข้องกับการทำหน้าที่ออบเจกต์ หนึ่งในแง่มุมที่น่ารำคาญที่สุดของการวิเคราะห์ดิจิทัลคือการเพิ่มจำนวนของอ็อบเจ็กต์การวิเคราะห์เดียวกันหลายเวอร์ชัน ออบเจ็กต์เหล่านี้อาจเป็นเมตริกจากการคำนวณ กลุ่มประชากรตามรุ่น ฯลฯ ในขณะที่การทำหน้าที่ออบเจ็กต์สามารถช่วยลดสิ่งนี้ได้ แต่ผู้ใช้การวิเคราะห์มักจะยังคงสามารถสร้างออบเจ็กต์การวิเคราะห์หลายเวอร์ชันได้ เวอร์ชันต่างๆ เหล่านี้สามารถเชื่อมโยงกับรายงานหรือแดชบอร์ดหลายรายการได้ ปัญหานี้รุนแรงขึ้นเมื่อพบข้อบกพร่องในคำจำกัดความหรือสูตรของวัตถุวิเคราะห์ แทนที่จะแก้ไขในที่เดียว องค์กรต้องหาเวอร์ชันต่างๆ ทั้งหมดและแก้ไขทีละเวอร์ชัน ซึ่งอาจเป็นฝันร้ายของการกำกับดูแล!

ผลิตภัณฑ์การวิเคราะห์ขั้นสูง (เช่น Amplitude!) ได้แก้ไขปัญหาการขจัดข้อมูลซ้ำซ้อนนี้โดยตรง วิธีที่ดีที่สุดในการหลีกเลี่ยงการขจัดความซ้ำซ้อนคือการป้องกันไม่ให้ผู้ใช้สร้างวัตถุที่ซ้ำกัน ดังที่แสดงด้านล่าง หากผู้ใช้พยายามสร้างข้อมูลที่ซ้ำกัน ผลิตภัณฑ์วิเคราะห์ดิจิทัลจะห้ามผู้ใช้ไม่ให้บันทึก

การใช้วัตถุ

องค์กรที่ใช้การวิเคราะห์ทางดิจิทัลมักจะใช้เหตุการณ์และคุณสมบัติต่างๆ มากมาย ทุกทีมมีข้อมูลเพิ่มเติมที่ต้องการรวบรวม เมื่อคุณมีจุดข้อมูลจำนวนมาก การทำความเข้าใจว่าองค์ประกอบข้อมูลใดถูกใช้มากที่สุดหรือน้อยที่สุดอาจเป็นเรื่องยาก ผลิตภัณฑ์การวิเคราะห์ดิจิทัลจำนวนมากทำให้สถานการณ์แย่ลงโดยทำให้การใช้อ็อบเจกต์สับสน ในผลิตภัณฑ์การวิเคราะห์ดิจิทัลบางอย่าง การทำความเข้าใจว่าอ็อบเจ็กต์ใดถูกใช้ ที่ไหน และโดยใคร ผู้ดูแลระบบจำเป็นต้องดาวน์โหลดข้อมูลการใช้งานผ่าน CSV และสร้างรายงาน

ผลิตภัณฑ์การวิเคราะห์ดิจิทัลสมัยใหม่ช่วยให้เข้าใจได้ง่ายว่าเหตุการณ์หรือคุณสมบัติการวิเคราะห์ดิจิทัลทั้งหมดถูกใช้ที่ไหน ดังที่แสดงไว้ที่นี่:

ข้อมูลนี้ควรมองเห็นได้ในระดับที่ละเอียดยิ่งขึ้น เพื่อดูบุคคลและวัตถุเฉพาะโดยใช้เหตุการณ์หรือพร็อพเพอร์ตี้:

การมีข้อมูลนี้อยู่ในมือของคุณจะช่วยให้ผู้ดูแลระบบและผู้จัดการการใช้งานสามารถ:

• ดูว่าผู้ใช้วิเคราะห์เหตุการณ์และคุณสมบัติใดมีส่วนร่วม
• พิจารณาว่าเหตุการณ์และคุณสมบัติบางอย่างอาจต้องการการฝึกอบรมเพิ่มเติมเนื่องจากขาดการใช้งานหรือไม่
• พิจารณาลบกิจกรรมและพร็อพเพอร์ตี้ที่ไม่จำเป็นอีกต่อไป

ทำความเข้าใจเหตุการณ์การวิเคราะห์

ปัญหาทั่วไปในการใช้งานการวิเคราะห์ดิจิทัลคือผู้ใช้ปลายทางทั่วไปไม่แน่ใจว่าเหตุการณ์การวิเคราะห์แต่ละรายการหมายถึงอะไร นักพัฒนามีชื่อเสียงในด้านการสร้างชื่อเหตุการณ์ที่ไม่เข้าใจ (เช่น form_reaction) ผู้ใช้การวิเคราะห์จำนวนมากไม่มีส่วนเกี่ยวข้องกับกระบวนการนำไปใช้งาน และไม่มีเบื้องหลังเกี่ยวกับวิธีการและเหตุใดจึงตั้งชื่อกิจกรรมการวิเคราะห์ ดังนั้น สิ่งใดที่ผู้ดูแลระบบหรือผู้จัดการสามารถทำได้เพื่อช่วยให้ผู้ใช้มั่นใจว่าพวกเขาใช้เหตุการณ์ที่ถูกต้องสำหรับการวิเคราะห์ของพวกเขา จะได้รับการชื่นชมอย่างมาก

วิธีหนึ่งในการแก้ไขปัญหานี้คือการสร้างพจนานุกรมข้อมูล นี่คือที่ที่ผู้ใช้สามารถเรียนรู้เกี่ยวกับเหตุการณ์การวิเคราะห์แต่ละรายการและดูว่าเหตุการณ์นั้นอยู่ที่ไหนบนเว็บไซต์หรือแอปบนอุปกรณ์เคลื่อนที่ พจนานุกรมข้อมูลสามารถจัดเก็บไว้ในเอกสารหรือพื้นที่ที่ใช้ร่วมกัน เช่น Confluence หรือ Miro

ที่ Amplitude เราเสนอวิธีที่น่าสนใจสองวิธีในการสื่อสารข้อมูลเกี่ยวกับการใช้งานของคุณและเหตุการณ์และคุณสมบัติของมัน หนึ่งคือผ่านคุณสมบัติโน๊ตบุ๊คของเรา Amplitude Notebooks เป็นผืนผ้าใบรูปแบบอิสระที่คุณสามารถเพิ่มข้อความ รูปภาพ วิดีโอ รายงานการวิเคราะห์ ฯลฯ สมุดบันทึกเป็นสถานที่ที่ดีเยี่ยมในการบันทึกการใช้งานของคุณและแบ่งปันบริบทเกี่ยวกับเหตุการณ์และคุณสมบัติของการวิเคราะห์

อีกวิธีหนึ่งที่แอมพลิจูดช่วยให้ผู้ดูแลระบบแชร์ข้อมูลเกี่ยวกับเหตุการณ์การใช้งานคือผ่านภาพหน้าจอเหตุการณ์ ผู้ดูแลระบบสามารถแนบภาพหน้าจอกับเหตุการณ์ในโมดูลข้อมูลของ Amplitude การแนบภาพหน้าจอของตำแหน่งที่เหตุการณ์การวิเคราะห์ถูกตั้งค่าไว้ในแต่ละเหตุการณ์จะช่วยให้ผู้ใช้ปลายทางเห็นภาพหน้าจอนั้นเมื่อพวกเขาเลื่อนดูเหตุการณ์ต่างๆ ในระหว่างการสร้างรายงาน ภาพหน้าจอเหล่านี้ช่วยให้ผู้ใช้สร้างความมั่นใจในการใช้เหตุการณ์ที่ถูกต้องสำหรับการวิเคราะห์ของตน

การแปลงข้อมูล

ไม่ว่าคุณจะพยายามมากแค่ไหน อาจมีบางครั้งที่ข้อมูลที่ไม่ถูกต้องถูกส่งไปยังผลิตภัณฑ์วิเคราะห์ดิจิทัลของคุณ นักพัฒนาซอฟต์แวร์อาจเปลี่ยนเว็บไซต์หรือแอปที่ทำให้ส่งข้อมูลผิด ลูกค้าสามารถป้อนข้อมูลที่ไม่ถูกต้องในช่องแบบฟอร์ม ผู้ใช้สามารถรีเฟรชหน้าและสร้างข้อมูลที่ซ้ำกัน ไม่ว่าจะเกิดขึ้นอย่างไร ข้อมูลที่ไม่ถูกต้องจะถูกรวบรวม รายการตรวจสอบสคีมาก่อนหน้านี้บางรายการสามารถช่วยบรรเทาข้อมูลที่ไม่ถูกต้อง ถึงกระนั้น ผลิตภัณฑ์วิเคราะห์ดิจิทัลของคุณควรสามารถแก้ไข/อัปเดต/แปลงข้อมูลได้หากจำเป็น

ผลิตภัณฑ์การวิเคราะห์ทางดิจิทัลบางอย่างไม่มีวิธีในการแปลงข้อมูลและกำหนดให้คุณทำการเปลี่ยนแปลงในคลังข้อมูล สิ่งนี้ไม่มีประโยชน์เนื่องจากผู้ใช้ปลายทางอาจใช้อินเทอร์เฟซผลิตภัณฑ์การวิเคราะห์ดิจิทัลในที่ซึ่งข้อมูลไม่ถูกต้อง ผู้ดูแลระบบควรมีตัวเลือกในการแปลงข้อมูลหากจำเป็น คุณควรมองหาคุณลักษณะการแปลงข้อมูลต่อไปนี้ในผู้ให้บริการวิเคราะห์ดิจิทัลของคุณ

การปรับเปลี่ยนมูลค่า

ผู้ดูแลระบบควรมีความสามารถในการเปลี่ยนค่าคุณสมบัติเฉพาะ หากจำเป็น ตัวอย่างเช่น ลองนึกภาพรหัสแคมเปญการตลาดที่ส่งไปยังผลิตภัณฑ์การวิเคราะห์โดยไม่มีหลักการตั้งชื่อที่ต้องการ ผู้ดูแลระบบควรสามารถแก้ไขค่าเหล่านี้เพื่อให้ผู้ใช้เห็นค่าที่ถูกต้องเมื่อใช้รายงานและแดชบอร์ด

นอกจากการเปลี่ยนแปลงค่าแบบครั้งเดียวแล้ว ผู้ดูแลระบบควรสามารถสร้างกฎที่แก้ไขค่าหลายค่าพร้อมกันได้ กฎเหล่านี้อาจใช้สูตรหรือฟังก์ชันเพื่อใช้การเปลี่ยนแปลงกับค่าคุณสมบัติที่ได้รับผลกระทบทั้งหมด

การทำให้งงงวยของข้อมูล

คุณสมบัติการแปลงข้อมูลที่ต้องการอีกประการหนึ่งคือความสามารถในการซ่อนหรือทำให้ข้อมูลที่ไม่ถูกต้องสับสน บางครั้งจำเป็นต้องแก้ไขข้อมูลบางส่วน และคุณต้องการซ่อนไม่ให้ผู้ใช้เห็น ตัวอย่างอาจเป็นข้อมูลทดสอบที่ถูกส่งไปยังการผลิตโดยไม่ตั้งใจ ข้อมูลนี้จะไม่ถูกลบแต่ถูกซ่อนจากผู้ใช้ทั้งหมด

การลบข้อมูล

ในกรณีที่รุนแรง คุณจะมีข้อมูลการวิเคราะห์ที่คุณต้องการลบออกทั้งหมด ดังนั้น ผลิตภัณฑ์วิเคราะห์ดิจิทัลของคุณควรทำให้คุณสามารถเลือกข้อมูลบางส่วนและลบออกได้

การทดสอบข้อมูลอัตโนมัติ

เครื่องมือกำกับดูแลข้อมูลที่สำคัญอีกอย่างหนึ่งคือการทดสอบอัตโนมัติ มีผลิตภัณฑ์ในตลาดที่จะตรวจสอบเว็บไซต์หรือแอปของคุณเพื่อให้แน่ใจว่ารหัสการวิเคราะห์ทำงานได้อย่างถูกต้อง ผลิตภัณฑ์เหล่านี้สามารถกำหนดค่าให้ทำงานเหมือนลูกค้าและตรวจสอบว่าการติดตามการวิเคราะห์ของคุณทำงานตามที่ออกแบบไว้ ผลิตภัณฑ์ยอดนิยมในพื้นที่นี้ ได้แก่ Observpoint และ QA2L อาจต้องใช้บล็อกโพสต์ทั้งหมดเพื่ออธิบายฟังก์ชันการทำงานขั้นสูงของผลิตภัณฑ์เหล่านี้ ดังนั้นฉันขอแนะนำให้คุณตรวจสอบและพิจารณาเพิ่มลงในสแต็คการวิเคราะห์ดิจิทัลของคุณ

การปฏิบัติตามความเป็นส่วนตัวของข้อมูลผู้ใช้

อีกแง่มุมหนึ่งของการกำกับดูแลข้อมูลคือการปฏิบัติตามคำขอลบข้อมูลส่วนบุคคลของผู้ใช้ กฎระเบียบด้านความเป็นส่วนตัว เช่น GDPR และ CCPA ช่วยให้ผู้บริโภคสามารถร้องขอให้ลบข้อมูลที่รวบรวมเกี่ยวกับพวกเขาได้เมื่อมีการร้องขอ ดังนั้นจึงจำเป็นอย่างยิ่งที่ทีมวิเคราะห์ข้อมูลดิจิทัลจะต้องตอบสนองและดำเนินการตามคำขอเหล่านี้ตามที่กำหนดโดยกฎระเบียบในท้องถิ่น

สรุป

อย่างที่คุณเห็น มีมากกว่าที่เห็นเกี่ยวกับการกำกับดูแลข้อมูล การตรวจสอบให้แน่ใจว่าข้อมูลการวิเคราะห์ดิจิทัลของคุณมีความแม่นยำนั้นต้องใช้การทำงานเชิงรุกจำนวนมหาศาล ผู้ให้บริการวิเคราะห์ดิจิทัลแต่ละรายเสนอระดับความช่วยเหลือที่แตกต่างกันในการกำกับดูแลข้อมูล เนื่องจากการวิเคราะห์ทั้งหมดขึ้นอยู่กับข้อมูลที่มีคุณภาพ ความสามารถในการกำกับดูแลข้อมูลที่ได้รับจากผู้ขายของคุณจึงเป็นสิ่งที่ควรพิจารณา