Ang bawat negosyo ay nangangailangan ng mataas na kalidad na data analytics at ang visualization nito. Ang isa pang mahalagang kadahilanan na dapat isaalang-alang ay ang kadalian ng paggamit para sa gumagamit ng negosyo. Ang tool ay hindi dapat mangailangan ng mga karagdagang gastos para sa pagsasanay ng empleyado sa paunang yugto. Ang isang ganoong solusyon ay ang Tableau.
Pinili ng serbisyo ng Rabota.ru ang Tableau para sa multivariate na pagsusuri ng data. Nakipag-usap kami kay Alena Artemyeva, direktor ng analytics sa serbisyo ng Rabota.ru, at nalaman namin kung paano nagbago ang analytics pagkatapos ng solusyon na ipinatupad ng BI GlowByte team.
Q: Paano lumitaw ang pangangailangan para sa isang solusyon sa BI?
Alena Artemyeva: Sa pagtatapos ng nakaraang taon, ang pangkat ng serbisyo ng Rabota.ru ay nagsimulang lumago nang mabilis. Noon ay tumaas ang pangangailangan para sa mataas na kalidad at mauunawaang analytics mula sa iba't ibang departamento at pamamahala ng kumpanya. Napagtanto namin ang pangangailangan na lumikha ng isang solong at maginhawang espasyo para sa analytical na materyales (ad hoc research at regular na mga ulat) at nagsimulang aktibong lumipat sa direksyong ito.
Q: Anong pamantayan ang ginamit upang maghanap ng solusyon sa BI at sino ang nakibahagi sa pagsusuri?
AA: Ang pinakamahalagang pamantayan para sa amin ay ang mga sumusunod:
- pagkakaroon ng isang autonomous na server para sa pag-iimbak ng data;
- gastos ng mga lisensya;
- pagkakaroon ng Windows/iOS desktop client;
- pagkakaroon ng Android/iOS mobile client;
- pagkakaroon ng isang web client;
- posibilidad ng pagsasama sa isang application/portal;
- ang kakayahang gumamit ng mga script;
- pagiging simple/kumplikado ng suporta sa imprastraktura at ang pangangailangan/hindi na kailangang maghanap ng mga espesyalista para dito;
- pagkalat ng mga solusyon sa BI sa mga gumagamit;
- mga review mula sa mga gumagamit ng mga solusyon sa BI.
T: Sino ang nakibahagi sa pagtatasa:
AA: Ito ay pinagsamang gawain ng mga pangkat ng mga analyst at ML Rabota.ru.
Q: Anong functional area ang kinabibilangan ng solusyon?
AA: Dahil kami ay nahaharap sa gawain ng pagbuo ng isang simple at naiintindihan na analytical na sistema ng pag-uulat para sa buong kumpanya, ang hanay ng mga functional na lugar kung saan nauugnay ang solusyon ay medyo malawak. Ito ay mga benta, pananalapi, marketing, produkto at serbisyo.
Q: Anong (mga) problema ang nilutas mo?
AA: Tinulungan kami ng Tableau na malutas ang ilang pangunahing problema:
- Dagdagan ang bilis ng pagproseso ng data.
- Lumayo sa "manual" na paggawa at pag-update ng mga ulat.
- Dagdagan ang transparency ng data.
- Dagdagan ang availability ng data para sa lahat ng pangunahing empleyado.
- Magkaroon ng kakayahang mabilis na tumugon sa mga pagbabago at gumawa ng mga pagpapasya batay sa data.
- Kumuha ng pagkakataong pag-aralan ang produkto nang mas detalyado at hanapin ang mga lugar ng paglago.
Q: Ano ang dumating bago ang Tableau? Anong mga teknolohiya ang ginamit?
AA: Dati, kami, tulad ng maraming kumpanya, ay aktibong gumamit ng Google Sheets at Excel, pati na rin ang sarili naming mga development, upang mailarawan ang mga pangunahing tagapagpahiwatig. Ngunit unti-unti naming napagtanto na ang format na ito ay hindi angkop sa amin. Pangunahin dahil sa mababang bilis ng pagproseso ng data, ngunit dahil din sa limitadong mga kakayahan sa visualization, mga problema sa seguridad, ang pangangailangan na patuloy na magproseso ng malalaking halaga ng data nang manu-mano at pag-aaksaya ng oras ng empleyado, isang mataas na posibilidad ng pagkakamali at mga problema sa pagbibigay ng pampublikong access sa mga ulat (ang huling pinaka-may-katuturan para sa mga ulat sa Excel). Imposible ring iproseso ang malalaking halaga ng data sa kanila.
Q: Paano ipinatupad ang solusyon?
AA: Nagsimula kami sa pamamagitan ng paglulunsad ng bahagi ng server sa aming sarili at nagsimulang gumawa ng mga ulat, pagkonekta ng data mula sa mga storefront na may inihandang data sa PostgreSQL. Pagkalipas ng ilang buwan, inilipat ang server sa imprastraktura para sa suporta.
Q: Aling mga departamento ang unang sumali sa proyekto, mahirap ba?
AA: Ang karamihan sa mga ulat ay inihanda mula pa sa simula ng mga empleyado ng departamento ng analytics; pagkatapos, ang departamento ng pananalapi ay sumali sa paggamit ng Tableau.
Walang mga kritikal na paghihirap, dahil kapag naghahanda ng mga dashboard, ang gawain ay nabubulok sa tatlong pangunahing yugto: pagsasaliksik sa database at paglikha ng isang pamamaraan para sa pagkalkula ng mga tagapagpahiwatig, paghahanda ng isang layout ng ulat at pagsang-ayon dito sa customer, paglikha at pag-automate ng data marts at paglikha ng isang visualization ng dashboard batay sa marts. Ginagamit namin ang Tableau sa ikatlong yugto.
Q: Sino ang kasama sa pangkat ng pagpapatupad?
AA: Ito ay higit sa lahat ang koponan ng ML.
Q: Kinakailangan ba ang pagsasanay ng kawani?
AA: Hindi, ang aming koponan ay may sapat na mga materyal na magagamit sa publiko, kabilang ang data ng marathon mula sa Tableau at impormasyon sa mga komunidad ng gumagamit ng Tableau. Hindi na kailangang sanayin ang alinman sa mga empleyado, salamat sa pagiging simple ng platform at sa nakaraang karanasan ng mga empleyado. Ngayon ang pangkat ng mga analyst ay gumawa ng makabuluhang pag-unlad sa pag-master ng Tableau, na pinadali ng parehong mga kagiliw-giliw na gawain mula sa negosyo at aktibong komunikasyon sa loob ng koponan sa mga tampok at kakayahan ng Tableau na natagpuan sa proseso ng paglutas ng mga problema.
Q: Gaano kahirap ang master?
AA: Naging madali ang lahat para sa amin, at naging intuitive ang platform para sa lahat.
Q: Gaano mo kabilis nakuha ang unang resulta?
AA: Sa loob ng ilang araw pagkatapos ng pagpapatupad, na isinasaalang-alang ang katotohanan na ang isang tiyak na tagal ng oras ay kinakailangan upang "polish" ang visualization alinsunod sa mga kagustuhan ng mga customer.
Q: Anong mga indicator ang mayroon ka na batay sa mga resulta ng proyekto?
AA: Naipatupad na namin ang higit sa 130 mga ulat sa iba't ibang mga lugar at pinataas ang bilis ng paghahanda ng data ng ilang beses. Ito ay naging mahalaga para sa mga espesyalista ng aming departamento ng PR, dahil ngayon ay maaari na kaming mabilis na tumugon sa karamihan sa mga kasalukuyang kahilingan mula sa media, mag-publish ng maraming pag-aaral sa merkado ng paggawa sa pangkalahatan at sa mga indibidwal na industriya, at maghanda din ng situational analytics.
Q: Paano mo pinaplano na bumuo ng sistema? Aling mga departamento ang kasangkot sa proyekto?
AA: Plano naming paunlarin pa ang sistema ng pag-uulat sa lahat ng pangunahing lugar. Ang mga ulat ay patuloy na ipapatupad ng mga espesyalista mula sa departamento ng analytics at departamento ng pananalapi, ngunit handa kaming isangkot ang mga kasamahan mula sa ibang mga departamento kung gusto nilang gamitin ang Tableau para sa kanilang sariling mga layunin.
Pinagmulan: www.habr.com