数据的话题为我们的行业提供了动力, 以及我们对什么是好的概念的迷恋, 糟糕和丑陋的数据, 促使我们的数据分析委员会收集案例研究，说明行业如何将糟糕/丑陋的数据转化为好的数据.
让最精明的数据专家都感到惊讶的是，一致的主题成为了良好数据的最重要组成部分:命名约定.
要到达那里, 我们认识到，丑陋的数据并不比欺诈更糟糕，所以不要对欺诈数据视而不见.
另外, 我们需要问自己是否应该更新分组, 在问更复杂的问题时:
- 什么 is 社会是一个范畴? 是不是太模糊了?
- 也许我们需要开始将这个“类别”分解成更细粒度的组件
- 勘探或重定向获得相同的权重，还是应该得到不同的权重?
- 你是在推动一个新的消费者，还是仅仅通过搜索操作进入一个网站?
- 并非所有的印象都是一样的. 有可见的印象吗? 它们被送到目标地点了吗?
当你深入研究这些问题时(是的, 您可以开始构建自定义集群以获得更丰富的见解. 但总的来说，基本上剩下的是适当的命名约定.’
共享所有案例研究, 最重要的是布置得当, 健壮和一致的命名约定, 因为它有助于数据的粒度-这, 反过来又提高了输出. 通过适当的命名约定，您可以:
- 更多的模型/模型曲线
- 更好地了解最好的，最有效的多媒体使用和购买
- 与合作伙伴更一致
如何建立正确的命名约定?
浏览业界专家及数据分析委员会参加者所提供的个案研究例子, 以下是所采取步骤的示例:
- 开始时，提前要求所需的时间，以便在长期内领先!
- 清理数据可能需要长达三个月的时间才能有效地完成. 但是，无论这个过程何时发生，从长远来看都可以节省时间
- 必须具备工程师的心态(创造或改变当前的流程或产品，以获得更好的结果)
- 组建一个团队，了解每个部门的需求和需求.e.: planners want brand safety, fraud protection; another team might want direct response metrics etc.) -协作，以便清楚了解每个部门的总体目标和目的
- 一旦建立了框架，就通过它提供数据
- 剔除任何不符合步骤1和/或框架中建立的特定标准的内容, 在此过程中进行必要的修改
最后，您剩下的是一个更细粒度的框架，可以将数据点插入到基于更好命名约定的框架中, 允许在整个组织和 所有 数据合作伙伴!
希望了解更多?
同时，加入我们的 MIXX事件 因此，我们通过数据窗口揭示了新的直接面向消费者经济对我们行业的影响, 其次是我们的 数字化商业:指标报告 了解更多PG电子官方平台注册加拿大消费者和媒体受众市场的信息.