Dataanalyse i en rapport
En analyse må være forståelig og relevant for en mottaker. Om en analyse kun leses som remser av kode, eller som kompliserte tallrekker, er det ikke sikkert vi kan nyttiggjøre oss av de dataene vi har analysert.
Vi har tidligere sett på hvordan vi ser etter sammenhenger og innsikter i data. La oss her se på hvordan disse kan presenteres.
Rapporter
De aller fleste analyser presenteres i en eller annen slags form for rapport.
En databasert rapport er, når det gjøres riktig, en troverdig kilde til informasjon. I gamle dager var kanskje erfaring, «sunt bondevett», gudegitte åpenbaringer og magefølelser plausible rettesnorer for avgjørelser. I dag er det data som gjelder.
Verken en masteroppgave, en utredning for politiske tiltak, en undersøkelse utført av en komité eller en forretningsanalyse har særlig gjennomslagskraft uten databegrunnede argumenter.
Hva kan vi si med en rapport?
La oss si at du har fått i oppgave å utforme en rapport om hvordan isbreer i Norge har endret seg siden 60-tallet. Dataene er hentet inn, bearbeidet, kvalitetssjekket og analysert. Hvordan går du frem? La oss dele det inn i et par enkle steg.
Dette er ikke en oppskrift på hvordan en vitenskapelig rapport skrives, men et enkelt og overordnet eksempel på hvordan vi kunne brukt data og dataanalyse for å formulere et budskap.
Analyse av forretningsinnsikt
Programvarer for analyseverktøy, ofte kalt for Business Intelligence (BI) hjelper oss med å analysere data. Slike programvarer kan også brukes til å presentere analyser i visuelle fremstillinger: som enkeltstående grafer, tabeller, diagrammer – eller som sammenstilte dashbord.
Det finnes flere ulike verktøy, som Tableau og Microsoft Power BI, som nevnt tidligere i dette kapittelet. La oss se på et eksempel for hvordan man ville jobbet med analyse og visualisering av forretningsdata i praksis.
La oss si at du jobber i økonomiavdelingen til en dagligvarebutikk med flere hundre butikker rundt omkring i landet. Dere bruker et verktøy som Power BI for å monitorere ulike KPI-er og inntektsstrømmer i et dashbord.
Fakta
KPI-er
En KPI (Key Performance Indicator) er nøkkeltall for prestasjonsmåling i en bedrift. KPI-er brukes for å måle og vurdere virksomhetens ytelse mot definerte mål. De kan brukes om forskjellige områder, som salg, produktivitet, kvalitet, kundetilfredshet og lønnsomhet. I en dagligvare kan eksempler på KPI-er være:
- Salgsinntekter per kvadratmeter butikkareal
- Salg av frossenmat sammenlignet med forrige kvartal
- Andel av omsetning fra varer på tilbud
- Andel av omsetning fra lokale produsenter
I Power BI har man forhåndsdefinert disse KPI-ene, og inntektsstrømmer oppdateres i sanntid. Slik kan man se, rent visuelt, hvordan en ligger an i forhold til KPI-ene, for eksempel hvilke ting som gir mest lønnsomhet.
Der viser grafer at salg av frossenmat har steget de siste månedene. Det samme har tilbudsvarer, men de tjener ikke inn nok til å dekke innkjøpsprisen.
Så vet du at leieprisen til neste år vil stige for bynære lokaler, og inntektene ikke lenger vil overstige leieutgiftene i 14 av butikkene du har ansvar for. Samtidig er det disse som som står for mest salg av frossenmat. Det er opp til deg å ta videre avgjørelser: Skal du legge ned butikkene i byen? Eller bør du undersøke om det er andre grep du kan ta for å øke lønnsomheten i byen?
Å ta i slike, databaserte avgjørelser – med hjelp av analyseverktøy og dashbord – er en stor del av hverdagen til mange som jobber med data. Men for mange av oss er det vanskelig å forholde seg til bare tall og tabeller. Derfor er det lurt å også kunne litt om visualisering.