विश्लेषण साफ करा. Rabota.ru सेवेद्वारे झांकी उपाय लागू करण्याचा अनुभव

प्रत्येक व्यवसायाला उच्च-गुणवत्तेचे डेटा विश्लेषण आणि त्याचे व्हिज्युअलायझेशन आवश्यक आहे. विचारात घेण्याजोगा आणखी एक महत्त्वाचा घटक म्हणजे व्यवसाय वापरकर्त्यासाठी वापरण्यास सुलभता. प्रारंभिक टप्प्यावर कर्मचारी प्रशिक्षणासाठी साधनास अतिरिक्त खर्चाची आवश्यकता नसावी. असाच एक उपाय म्हणजे झांकी.

Rabota.ru सेवेने मल्टीव्हेरिएट डेटा अॅनालिसिससाठी टॅबलो निवडले. आम्ही Rabota.ru सेवेतील विश्लेषण संचालक अलेना आर्टेमयेवा यांच्याशी बोललो आणि BI GlowByte टीमने लागू केलेल्या सोल्यूशननंतर विश्लेषण कसे बदलले आहे हे जाणून घेतले.

प्रश्न: BI सोल्यूशनची गरज कशी निर्माण झाली?

Alena Artemyeva: गेल्या वर्षाच्या शेवटी, Rabota.ru सेवा संघ वेगाने वाढू लागला. तेव्हाच विविध विभाग आणि कंपनी व्यवस्थापनाकडून उच्च-गुणवत्तेच्या आणि समजण्यायोग्य विश्लेषणाची गरज वाढली. विश्लेषणात्मक साहित्यासाठी (तदर्थ संशोधन आणि नियमित अहवाल) एकच आणि सोयीस्कर जागा तयार करण्याची गरज आम्हाला जाणवली आणि आम्ही या दिशेने सक्रियपणे वाटचाल करू लागलो.

प्रश्न: BI उपाय शोधण्यासाठी कोणते निकष वापरले गेले आणि मूल्यांकनात कोणी भाग घेतला?

AA: आमच्यासाठी सर्वात महत्त्वाचे निकष खालीलप्रमाणे होते:

• डेटा स्टोरेजसाठी स्वायत्त सर्व्हरची उपलब्धता;
• परवान्यांची किंमत;
• Windows/iOS डेस्कटॉप क्लायंटची उपलब्धता;
• Android/iOS मोबाईल क्लायंटची उपलब्धता;
• वेब क्लायंटची उपलब्धता;
• अनुप्रयोग/पोर्टलमध्ये एकत्रीकरणाची शक्यता;
• स्क्रिप्ट वापरण्याची क्षमता;
• पायाभूत सुविधांची साधेपणा/जटिलता आणि यासाठी तज्ञ शोधण्याची गरज/गरज नाही;
• वापरकर्त्यांमध्ये BI सोल्यूशन्सचा प्रसार;
• BI सोल्यूशन्सच्या वापरकर्त्यांकडून पुनरावलोकने.

प्रश्न: मूल्यांकनात कोणी भाग घेतला:

AA: हे विश्लेषक आणि ML Raboty.ru च्या टीमचे संयुक्त कार्य होते.

प्रश्न: समाधान कोणत्या कार्यात्मक क्षेत्राशी संबंधित आहे?

AA: संपूर्ण कंपनीसाठी एक सोपी आणि समजण्याजोगी विश्लेषणात्मक अहवाल प्रणाली तयार करण्याचे काम आमच्याकडे असल्याने, समाधानाचा संबंध असलेल्या कार्यात्मक क्षेत्रांचा संच खूप विस्तृत आहे. हे विक्री, वित्त, विपणन, उत्पादन आणि सेवा आहेत.

प्रश्न: तुम्ही कोणती समस्या सोडवत आहात?

AA: झांकीने आम्हाला अनेक प्रमुख समस्या सोडविण्यास मदत केली:

• डेटा प्रोसेसिंग गती वाढवा.
• “मॅन्युअल” तयार करणे आणि अहवाल अपडेट करणे यापासून दूर जा.
• डेटा पारदर्शकता वाढवा.
• सर्व प्रमुख कर्मचाऱ्यांसाठी डेटाची उपलब्धता वाढवा.
• बदलांना त्वरित प्रतिसाद देण्याची आणि डेटावर आधारित निर्णय घेण्याची क्षमता मिळवा.
• उत्पादनाचे अधिक तपशीलवार विश्लेषण करण्याची आणि वाढीची क्षेत्रे पाहण्याची संधी मिळवा.

प्रश्न: झांकीपूर्वी काय आले? कोणते तंत्रज्ञान वापरले गेले?

AA: पूर्वी, आम्ही, अनेक कंपन्यांप्रमाणे, मुख्य निर्देशकांची कल्पना करण्यासाठी Google Sheets आणि Excel, तसेच आमच्या स्वतःच्या घडामोडींचा सक्रियपणे वापर करायचो. पण हळूहळू लक्षात आलं की हे स्वरूप आपल्याला शोभत नाही. मुख्यतः डेटा प्रोसेसिंगच्या कमी गतीमुळे, परंतु मर्यादित व्हिज्युअलायझेशन क्षमता, सुरक्षा समस्या, सतत मोठ्या प्रमाणात डेटाची व्यक्तिचलितपणे प्रक्रिया करण्याची आवश्यकता आणि कर्मचार्‍यांच्या वेळेचा अपव्यय, त्रुटीची उच्च संभाव्यता आणि अहवालांमध्ये सार्वजनिक प्रवेश प्रदान करण्यात समस्या. (एक्सेलमधील अहवालांसाठी नंतरचे सर्वात संबंधित). त्यांच्यामध्ये मोठ्या प्रमाणात डेटावर प्रक्रिया करणे देखील अशक्य आहे.

प्रश्न: उपाय कसा अंमलात आणला गेला?

AA: आम्ही सर्व्हरचा भाग स्वतः रोल आउट करून सुरुवात केली आणि पोस्टग्रेएसक्यूएल वरील तयार केलेल्या डेटासह स्टोअरफ्रंटमधील डेटा कनेक्ट करून अहवाल तयार करण्यास सुरुवात केली. काही महिन्यांनंतर, सर्व्हरला समर्थनासाठी पायाभूत सुविधांमध्ये हस्तांतरित करण्यात आले.

प्रश्न: प्रकल्पात सर्वप्रथम कोणते विभाग सामील झाले, ते अवघड होते का?

AA: बहुसंख्य अहवाल सुरुवातीपासूनच विश्लेषण विभागाच्या कर्मचार्‍यांकडून तयार केले जातात; त्यानंतर, वित्त विभाग झांकी वापरण्यास सामील झाला.
कोणतीही गंभीर अडचण नव्हती, कारण डॅशबोर्ड तयार करताना, कार्य तीन मुख्य टप्प्यात विघटित केले जाते: डेटाबेसचे संशोधन करणे आणि निर्देशकांची गणना करण्यासाठी एक पद्धत तयार करणे, अहवाल लेआउट तयार करणे आणि ग्राहकांशी सहमत होणे, डेटा मार्ट तयार करणे आणि स्वयंचलित करणे आणि एक तयार करणे. मार्ट्सवर आधारित डॅशबोर्ड व्हिज्युअलायझेशन. आम्ही तिसर्‍या टप्प्यात झांकी वापरतो.

प्रश्न: अंमलबजावणी संघात कोण होते?

AA: तो प्रामुख्याने ML संघ होता.

प्रश्न: कर्मचारी प्रशिक्षण आवश्यक होते?

AA: नाही, आमच्या टीमकडे सार्वजनिकरीत्या उपलब्ध असलेली पुरेशी सामग्री होती, ज्यात टॅबॅल्यूमधील मॅरेथॉन डेटा आणि टेबलायू वापरकर्ता समुदायांमधील माहितीचा समावेश आहे. प्लॅटफॉर्मच्या साधेपणामुळे आणि कर्मचार्‍यांचा पूर्वीचा अनुभव यामुळे कोणत्याही कर्मचार्‍यांना अतिरिक्त प्रशिक्षण देण्याची गरज नव्हती. आता विश्लेषकांच्या टीमने टॅबॅल्यूमध्ये प्रभुत्व मिळवण्यात लक्षणीय प्रगती केली आहे, जी व्यवसायातील मनोरंजक कार्ये आणि समस्या सोडवण्याच्या प्रक्रियेत सापडलेल्या टेबलाओची वैशिष्ट्ये आणि क्षमतांवरील कार्यसंघामध्ये सक्रिय संवाद या दोन्हींद्वारे सुलभ होते.

प्रश्न: मास्टर करणे किती कठीण आहे?

AA: आमच्यासाठी सर्व काही तुलनेने सहज झाले आणि प्लॅटफॉर्म प्रत्येकासाठी अंतर्ज्ञानी बनला.

प्रश्न: तुम्हाला पहिला निकाल किती लवकर मिळाला?

AA: अंमलबजावणीनंतर काही दिवसांत, ग्राहकांच्या इच्छेनुसार व्हिज्युअलायझेशनला "पॉलिश" करण्यासाठी काही वेळ आवश्यक होता हे लक्षात घेऊन.

प्रश्न: प्रकल्पाच्या निकालांवर आधारित तुमच्याकडे आधीपासूनच कोणते संकेतक आहेत?

AA: आम्ही आधीच विविध क्षेत्रांमध्ये 130 हून अधिक अहवाल लागू केले आहेत आणि डेटा तयार करण्याची गती अनेक वेळा वाढवली आहे. आमच्या जनसंपर्क विभागाच्या तज्ञांसाठी हे महत्त्वपूर्ण ठरले, कारण आता आम्ही मीडियाच्या बर्‍याच वर्तमान विनंत्यांना त्वरीत प्रतिसाद देऊ शकतो, सर्वसाधारणपणे आणि वैयक्तिक उद्योगांमध्ये श्रमिक बाजारावर विपुल अभ्यास प्रकाशित करू शकतो आणि परिस्थितीजन्य विश्लेषणे देखील तयार करू शकतो.

प्रश्न: प्रणाली विकसित करण्याची तुमची योजना कशी आहे? प्रकल्पात कोणत्या विभागांचा सहभाग असेल?

AA: आम्ही सर्व प्रमुख क्षेत्रांमध्ये अहवाल प्रणाली विकसित करण्याची योजना आखत आहोत. विश्लेषण विभाग आणि वित्त विभागातील तज्ञांद्वारे अहवालांची अंमलबजावणी करणे सुरू राहील, परंतु आम्ही इतर विभागातील सहकाऱ्यांना त्यांच्या स्वत: च्या हेतूंसाठी टॅबलेट वापरू इच्छित असल्यास त्यांना समाविष्ट करण्यास तयार आहोत.

स्त्रोत: www.habr.com