Educirane pretpostavke i intuicija pružaju najbolje rezultate ako su potkrijepljene i utemeljene stvarnim i provjerenim podatcima. Temelj data-driven pristupa su realni, mjerljivi podatci. Tvrtke koje funkcioniraju na takav način svoje strateške odluke, kao i cjelokupno planiranje i donošenje odluka, temelje na dubinskoj analizi podataka i interpretaciji dobivenih informacija kako bi maksimizirale svoj učinak.

Data-driven pristup omogućava tvrtkama da pregledaju, istraže i organiziraju uvide dobivene iz podataka kako bi na najbolji mogući način optimizirali svaki dio svoga poslovanja – od odnosa s korisnicima i potrošačima, razvoj novih komunikacijskih i poslovnih strategija, načina poslovanja, postavljanja protokola pa sve do razvoja novih proizvoda i usluga, kao i ključnih poruka koje komuniciraju u javnosti. Korištenje podataka kao pokretača postupaka i akcija, tvrtkama i organizacijama omogućava kontekstualiziranje i preciziranje interne i eksterne komunikacije, ali i svih poslovnih procesa, kako bi zaista postigli pristup koji stavlja njihovog korisnika u središte.

Dr. sc. Carl Anderson, jedan od svjetskih vodećih Data Scientist-a, navodi da se data-driven pristup tvrtke sastoji od pet elemenata:

1) Prikupljanje podataka

Podatci su temelj ovog pristupa. Ti podatci ne uključuju sve i bilo koje podatke – podatci koje tvrtka ili organizacija moraju biti relevantni za njezino poslovanje. Ti podatci moraju biti vremenski precizni, točni, jasni, nepristrani i vjerodostojni. Samo prikupljanje i akumulacija podataka ne čine neku tvrtku ili organizaciju data-driven – Vaši zaposlenici, ponajviše stručnjaci za obradu podataka (Data Scientists),  u tome su aspektu ključni. Njihova usmjerenost, temeljitost i kreativnost pri istraživanju, organizaciji i prezentaciji uvida iz podataka daju novu, empirijski dokazanu i valjanu perspektivu.

Garbage in, garbage out.

~George Fuechsel, IBM

2) Pristup podatcima

Vaši podaci moraju biti pristupačni i moraju imati mogućnost pretraživanja. Pri tome se ističu tri svojstva koja podaci moraju objediniti kako bi bili u data-driven duhu: pridruživost, djeljivost i mogućnost pretraživanja. Pridruživost podrazumijeva  svojstvo podataka koje omogućava da se u bilo kojem trenutku, bez obzira na potrebe Vas ili Vaših klijenata, podatci koje koristite za provođenje određenih usluga mogu pridružiti podatcima drugih izvora. Kratko rečeno, Vaši podaci moraju biti obrađeni na univerzalno kompatibilan način, ili barem tako da ih se vrlo lako može preraditi kako bi funkcionirali kada se primjene u nekoj drugoj platformi ili kada se spoje s podatcima drugog odjela.

Djeljivost podrazumijeva da podatci koje koristite moraju biti izrađeni univerzalno i prilagodljivo, kako bi, ako dođe do potrebe za kombiniranjem podataka Vaših klijenata, mogu dijeliti među odjelima, ali i da ih svaki član svakog tima može interpretirati. Mogućnost pretraživanja podrazumijeva svojstvo podataka da se mogu „secirati“; podatci moraju biti organizirani na jasan i precizan način te moraju biti obradivi. To uključuje mogućnosti filtriranja, grupiranje, prenamjene i preraspodjele kako bi se od velikih, „sirovih“ baza podataka došlo do specifičnih, manjih setova podataka koji daju precizne uvide.

3) Izvještavanje

Izvještavanje o podatcima mora biti zanimljivo i kontekstualizirano; podatke treba predstaviti unutar konteksta koji je za njih relevantan. Rast od 4,1% neke varijable ne govori mnogo, no kada to prikažemo u npr. „Rast profita od prodaje određenog proizvoda u posljednjih 15 dana bio je 4,1%“, to je podatak koji je zanimljiv. Naravno, treba biti potpuno jasno kako i zašto je došlo do pojavljivanja tog određenog podatka – u tom je srž izvještavanja na data-driven način.

4) Obavještavanje

Obavijesti su u svojoj suštini izvještaji onoga što se zbiva u ovome trenutku. Uobičajeno uključuju vrlo specifične podatke prikazane preciznim metrikama, no, isto kao i izvještaji, ne daju kontekst. Kauzalna kontekstualizacija i objašnjenja ključ su rješavanja tih izazova – podatke je potrebno detaljno pregledati, analizirati više puta, doći do srži izazova te se s njim adekvatno nositi.

5) Kombiniranje izvještavanja i obavještavanja u analizu

Kombiniranjem izvještavanja i obavještavanja dolazite do analize – potpunog pregleda podataka određene tematike. Izvještavanje Vam daje osnovicu i pregled podataka iz prošlosti. No, data-driven pristup ne staje na tome – data-driven pristup analizi uključuje dubinsku obradu i razumijevanje podataka – zašto je svaki aspekt podatka upravo takvi, koji su uzroci tome, na što točno ukazuju te kako se mogu izraditi prediktivni modeli, mogu li se donijeti eksperimentalne poslovne odluke te kako iste testirati u realnom vremenu.