Hver virksomhet har behov for dataanalyse av høy kvalitet og visualisering av den. En annen viktig faktor å vurdere er brukervennlighet for bedriftsbrukeren. Verktøyet skal ikke kreve ekstra kostnader for opplæring av ansatte i det innledende stadiet. En slik løsning er Tableau.
Rabota.ru-tjenesten valgte Tableau for multivariat dataanalyse. Vi snakket med Alena Artemyeva, analysedirektør ved Rabota.ru-tjenesten, og fant ut hvordan analyse har endret seg etter løsningen implementert av BI GlowByte-teamet.
Spørsmål: Hvordan oppsto behovet for en BI-løsning?
Alena Artemyeva: På slutten av fjoråret begynte Rabota.ru-serviceteamet å vokse raskt. Det var da behovet for høykvalitets og forståelige analyser fra en rekke avdelinger og bedriftsledelse økte. Vi innså behovet for å skape et enkelt og praktisk rom for analytisk materiale (ad hoc-forskning og regelmessige rapporter) og begynte aktivt å bevege oss i denne retningen.
Spørsmål: Hvilke kriterier ble brukt for å søke etter en BI-løsning og hvem deltok i evalueringen?
AA: De viktigste kriteriene for oss var følgende:
- tilgjengeligheten av en autonom server for datalagring;
- kostnadene for lisenser;
- tilgjengeligheten av en Windows/iOS-skrivebordsklient;
- tilgjengeligheten av Android/iOS mobilklient;
- tilgjengeligheten av en nettklient;
- mulighet for integrering i en applikasjon/portal;
- evnen til å bruke skript;
- enkelhet/kompleksitet av infrastrukturstøtte og behov/ikke behov for å finne spesialister for dette;
- utbredelse av BI-løsninger blant brukere;
- anmeldelser fra brukere av BI-løsninger.
Spørsmål: Hvem deltok i vurderingen:
AA: Dette var et felles arbeid av team av analytikere og ML Raboty.ru.
Spørsmål: Hvilket funksjonsområde tilhører løsningen?
AA: Siden vi sto overfor oppgaven med å bygge et enkelt og forståelig analytisk rapporteringssystem for hele selskapet, er settet av funksjonsområder som løsningen gjelder ganske bredt. Disse er salg, økonomi, markedsføring, produkt og service.
Spørsmål: Hvilke problemer løste du?
AA: Tableau hjalp oss med å løse flere nøkkelproblemer:
- Øk databehandlingshastigheten.
- Gå bort fra "manuell" opprettelse og oppdatering av rapporter.
- Øk datatransparens.
- Øk datatilgjengeligheten for alle nøkkelmedarbeidere.
- Få muligheten til å reagere raskt på endringer og ta beslutninger basert på data.
- Få muligheten til å analysere produktet mer detaljert og se etter vekstområder.
Spørsmål: Hva kom før Tableau? Hvilke teknologier ble brukt?
AA: Tidligere brukte vi, som mange selskaper, aktivt Google Sheets og Excel, samt vår egen utvikling, for å visualisere nøkkelindikatorer. Men etter hvert innså vi at dette formatet ikke passet oss. Primært på grunn av lav hastighet på databehandlingen, men også på grunn av begrensede visualiseringsmuligheter, sikkerhetsproblemer, behovet for konstant å behandle store mengder data manuelt og sløsing med ansattes tid, høy sannsynlighet for feil og problemer med å gi offentlig tilgang til rapporter (sistnevnte mest relevant for rapporter i Excel). Det er også umulig å behandle store datamengder i dem.
Spørsmål: Hvordan ble løsningen implementert?
AA: Vi startet med å rulle ut serverdelen selv og begynte å lage rapporter, koble data fra butikkfronter med forberedte data på PostgreSQL. Noen måneder senere ble serveren overført til infrastrukturen for støtte.
Spørsmål: Hvilke avdelinger var de første som ble med på prosjektet, var det vanskelig?
AA: De aller fleste rapportene er utarbeidet helt fra begynnelsen av ansatte i analyseavdelingen; deretter ble finansavdelingen med i bruken av Tableau.
Det var ingen kritiske vanskeligheter, siden når du utarbeider dashboard, er oppgaven dekomponert i tre hovedtrinn: å undersøke databasen og lage en metodikk for å beregne indikatorer, utarbeide et rapportoppsett og avtale det med kunden, opprette og automatisere datamars og lage en dashbordvisualisering basert på mars. Vi bruker Tableau i tredje trinn.
Spørsmål: Hvem var med i implementeringsteamet?
AA: Det var hovedsakelig ML-laget.
Spørsmål: Var det nødvendig med opplæring av personalet?
AA: Nei, teamet vårt hadde nok av offentlig tilgjengelig materiale, inkludert maratondata fra Tableau og informasjon i Tableau-brukermiljøer. Det var ikke nødvendig å trene noen av de ansatte i tillegg, takket være plattformens enkelhet og de ansattes tidligere erfaring. Nå har teamet av analytikere gjort betydelige fremskritt med å mestre Tableau, noe som tilrettelegges av både interessante oppgaver fra virksomheten og aktiv kommunikasjon i teamet om funksjonene og egenskapene til Tableau som finnes i prosessen med å løse problemer.
Spørsmål: Hvor vanskelig er det å mestre?
AA: Alt gikk relativt enkelt for oss, og plattformen viste seg å være intuitiv for alle.
Spørsmål: Hvor raskt fikk du det første resultatet?
AA: Innen noen få dager etter implementering, tatt i betraktning det faktum at det tok en viss tid for å "polere" visualiseringen i samsvar med kundenes ønsker.
Spørsmål: Hvilke indikatorer har du allerede basert på resultatene fra prosjektet?
AA: Vi har allerede implementert mer enn 130 rapporter på ulike områder og har økt hastigheten på dataforberedelsen flere ganger. Dette viste seg å være viktig for spesialistene i vår PR-avdeling, siden vi nå raskt kan svare på de fleste aktuelle forespørsler fra media, publisere omfangsrike studier om arbeidsmarkedet generelt og i individuelle bransjer, og også utarbeide situasjonsanalyser.
Spørsmål: Hvordan planlegger du å utvikle systemet? Hvilke avdelinger vil være involvert i prosjektet?
AA: Vi planlegger å videreutvikle rapporteringssystemet på alle nøkkelområder. Rapporter vil fortsatt implementeres av spesialister fra analyseavdelingen og økonomiavdelingen, men vi er klare til å involvere kolleger fra andre avdelinger dersom de ønsker å bruke Tableau til egne formål.
Kilde: www.habr.com