В управленческом консалтинге – структуризация данных является часто используемым инструментом.
Предположим мы выделили несколько признаков, по которым хотим структурировать данные, и понять какие объёмы приходятся на ту или иную категорию. Например, хотим понять, какой объем приходится на каждый канал продаж, какие наши продукты пользуются спросом у каких категорий покупателей, какой объём производства приходится, на какое подразделение и т.д.
Понятно, что такая точная аналитика помогает принимать правильные управленческие решения. Консультанты постоянно делают подобную аналитику, но как сделать её правильно?
Выделение признаков это творческий процесс - не существует «единственно верной структуризации», т.к. для одних и тех же данных всегда можно выделить несколько верных, но совершенно разных разрезов. Например: клиентов можно поделить на оптовых и розничных, а можно на разные регионы, можно поделить по среднему чеку и т.д., таких признаков может быть очень много. В свою очередь, внутри одной категории можно выделить подкатегории, и т.д. вся аналитика может быть довольно таки сложной.
На практике, мне довольно часто приходится делать разного рода аналитику. Понятно, что неверно произведённая аналитика, может привести в неправильным решениям. Как проверить, не допущена ли ошибка в выделении категорий?
В этом помогает принцип MECE (mutually exclusive and collectively exhaustive), по-русски получается ВИСИ – взаимно исключающий, совместно исчерпывающий.
Самой понятный короткий ярлычок для этого принципа по-английски звучит как «No gaps, no overlaps» (нет пропусков, нет пересечений).
Что это означает, что на каждом уровне категорий не должно быть данных, которые не попадают в одну из выделенных категорий этого уровня (нет пропусков, по-английски «gap»), и не должно быть данных, которые (на одном и том же уровне структуризации) попадают в более, чем одну категорию.
Такой простой в применении принцип, позволяет быстро проверить себя и не допустить ошибок.
Оставить коментарий