تأثير واجهات تقارير التحليلات على برامج التحليلات

في عالم التحليلات ، يقضي المحللون الكثير من الوقت في تشغيل التقارير في منتجات التحليلات. كل منتج تحليلي له نهج مختلف قليلاً في إعداد التقارير. تبدأ بعض منتجات التحليلات بقطعة قماش فارغة وتتطلب من المحلل سحب عناصر البيانات لإجراء التحليل. يسمح البعض الآخر للمحللين باستيراد البيانات إلى جداول البيانات. يتطلب البعض استخدام SQL. يوفر البعض قوالب تقارير تسمح للمحللين بملء الفراغ بالأحداث والخصائص. على الرغم من عدم وجود واجهة تقارير تحليلية أفضل بالضرورة من واجهة أخرى ، فمن المهم أن تختار المؤسسات أفضل واجهة تناسب مؤسستها ومستهلكي بياناتها. يمكن أن يكون لواجهة التقارير تأثيرات تبعية على برنامج التحليلات ككل. في هذا المنشور ، سأوجز بعض واجهات تقارير التحليلات التي رأيتها وكيف يمكن أن تؤثر على نماذج وبرامج تقديم التحليلات.

تقرير حر

واحدة من أشهر واجهات تقارير التحليلات هي ما أسميه التقارير الحرة. في واجهة التقارير هذه ، يتم تقديم المحللين بلوحة فارغة ويمكنهم سحب أو تحديد المقاييس والأبعاد. عند إضافة عناصر البيانات إلى اللوحة ، تأخذ البيانات شكل جدول به أعمدة وصفوف. تم تعميم هذا النهج بواسطة أدوات ذكاء الأعمال مثل Tableau ومنتجات التحليلات الرقمية مثل Adobe و Google Analytics.

تتمثل فائدة واجهات إعداد التقارير الحرة في أن لديك تحكمًا كاملاً في بنية البيانات التي تريد تحليلها. يمكنك إنشاء مستويات متعددة من التفصيل ويمكن في كثير من الأحيان إضافة عوامل تصفية لتضييق نطاق البيانات حسب قيم الأبعاد. يحب محللو القوة هذا النموذج لأنه يوفر قدرًا كبيرًا من الحرية والقدرة على القيام ببعض الاستعلامات المتقدمة دون الحاجة إلى معرفة SQL.

التقارير الإلزامية

واجهة أخرى لتحليل التقارير هي التقارير الإرشادية. يوفر هذا النموذج إطارًا لنوع التحليل الذي يتم إجراؤه ويسمح للمحللين بإدخال العناصر اللازمة لتشغيل التقرير. أحب أن أفكر في هذا النموذج على أنه نهج "ملء الفراغ" لإعداد التقارير. يعرف كل نوع تقرير نوع المقاييس أو الأحداث أو الأبعاد / الخصائص المطلوبة ويسمح للمحللين بالاختيار من بين الخيارات المؤهلة لإنشاء التقرير.

يمكن أن يكون هذا النهج مقيدًا من بعض النواحي ، لكنه يمنع المحللين أيضًا من ارتكاب الكثير من الأخطاء بسبب هيكله.

واردات جدول البيانات

بغض النظر عن مدى تقدم مجال التحليلات ، سيكون هناك دائمًا أولئك الذين يريدون ببساطة إجراء تحليلهم في جداول البيانات. توفر العديد من منتجات التحليلات طرقًا يمكن من خلالها تنزيل البيانات أو تصديرها إلى جداول البيانات حتى يتمكن المحللون من معالجة البيانات هناك حسب الحاجة. تميل جداول البيانات ، وخاصة Microsoft Excel ، إلى أن تكون القاسم المشترك الأدنى للمحللين. ومع ذلك ، فإن أحد الجوانب السلبية لاستخدام جداول البيانات هو أنه من الصعب مشاركتها والتعاون فيها ويمكن أن يكون لها مشكلات في التحكم في الإصدار.

SQL / R / Python

غالبًا ما يفضل أولئك الذين يتوهمون أنفسهم "علماء بيانات" تحليل البيانات عبر SQL أو عبر لغات إعداد التقارير مثل R أو Python. توفر واجهات البرمجة واللغات هذه قدرًا كبيرًا من المرونة ويمكن استخدامها لإجراء تحليل مخصص ومتقدم. بينما يتعلم المزيد من مستهلكي البيانات هذه اللغات هذه الأيام ، لا يزال من الصعب توسيع نطاقها ، خاصة في المؤسسات الكبيرة.

آثار واجهات التقارير

إذن ، مع كل الخيارات المتاحة لإجراء التحليل ، كيف ينبغي للمنظمات اختيار الخيار المناسب لها؟ كالعادة ، لا توجد إجابة واحدة صحيحة ، ولكن ما يلي سيوفر لك بعض الأشياء التي يجب مراعاتها عند اتخاذ القرار. أيضًا ، من المهم أن تضع في اعتبارك أن العديد من المؤسسات ستحتاج إلى استخدام أكثر من مؤسسة لجماهير داخلية مختلفة.

أنواع مستهلكي البيانات

لدى معظم المؤسسات أنواع مختلفة من مستهلكي البيانات. غالبًا ما يكون هناك فريق تحليلات أساسي يقوم بالتحليل يوميًا وهناك آخرون يستخدمون البيانات بشكل غير رسمي. قد يشمل مستخدمو البيانات غير الرسمية المديرين التنفيذيين أو أولئك داخل الشركة الذين يحتاجون أحيانًا إلى رؤية البيانات لإبلاغ قراراتهم. قد يكون أحد الأمثلة على هذا الأخير هو مالك المنتج الذي يريد أن يرى مشاهدات أسبوعية أو شهرية لموقع الويب للمنتجات التي يديرها.

ستكون احتياجات إعداد التقارير لفريق التحليلات الأساسي أكثر تقدمًا من احتياجات المستخدمين العاديين. من المحتمل أن يرغب فريق التحليلات الأساسي في إجراء العديد من تقسيمات البيانات وتصفية البيانات حسب أبعاد / خصائص متعددة. بالنسبة لهم ، قد يكون امتلاك واجهة تقارير حرة أو استخدام لغة برمجة هو الأنسب. لكن واجهات التقارير المتقدمة هذه غالبًا ما تكون مخيفة أو مربكة للأشخاص الذين يجرون التحليل في بعض الأحيان فقط. قد يرغب المسؤولون التنفيذيون فقط في رؤية لوحات المعلومات عالية المستوى من أداة ذكاء الأعمال.

من المهم فهم مستوى المهارة لكل مستهلك بيانات داخلي والتأكد من تزويد كل منهم بواجهة إبلاغ تساعد على تلبية احتياجاتهم وكفاءتهم. لقد رأيت العديد من المؤسسات تفشل من خلال محاولة استخدام نهج "مقاس واحد يناسب الجميع" وإجبار جميع مستهلكي البيانات على استخدام نفس واجهة تقارير التحليلات. في هذه الحالات ، من الشائع أن يفترض فريق التحليلات الأساسي ، الذي يتحول إلى أكثر تقدمًا ، أن جميع مستهلكي البيانات يمكنهم إتقان واجهات إعداد التقارير التي تكون إما معقدة للغاية أو مربكة للغاية بالنسبة لمستهلكي البيانات العاديين. حتى عندما يتم تنسيق واجهات إعداد التقارير الأكثر تقدمًا لمزيد من مستهلكي البيانات المبتدئين ، يجد الأخير صعوبة في البحث في البيانات والعثور على الإجابات التي يحتاجون إليها دون الحاجة إلى المساعدة. لقد حاولت بنفسي تدريب مستهلكي البيانات غير الرسميين على واجهات إعداد التقارير المتقدمة فقط لأراهم يكافحون من أجل تعلمها. في هذه الحالات ، وجدت أنه من المفيد جدًا توفير واجهات تقارير تحليلات متعددة مصممة خصيصًا لجمهور مستهلك البيانات.

نماذج تسليم التحليلات

في عالم التحليلات ، هناك العديد من النماذج المتاحة لإجراء التحليل. تستخدم بعض المؤسسات نموذجًا مركزيًا يقدم فيه مستهلكو البيانات طلبات للتحليل ويتم التحليل بواسطة فريق مركزي. تحاول المنظمات الأخرى استخدام نهج لامركزي يُتوقع من كل شخص فيه إجراء تحليله الخاص (غالبًا ما يطلق عليه إضفاء الطابع الديمقراطي على البيانات). هناك أيضًا مناهج هجينة تستفيد من النموذج المركزي لبعض أنواع التحليل والنهج اللامركزي للآخرين (يمكنك سماع حديث حول هذا الموضوع هنا). هناك إيجابيات وسلبيات لكل نهج وهذه حالة أخرى حيث تكون الأساليب المختلفة أفضل أو أسوأ بالنسبة للمنظمات المختلفة.

لكن هناك شيء واحد رأيته هو أن الأخطاء التي ارتكبت في نموذج التقارير يمكن أن تؤثر سلبًا على نموذج تقديم التحليلات. على سبيل المثال ، دعنا نتخيل أن شركة Acme Corp ، كمنظمة ، تختار استخدام نموذج لامركزي للتحليل. لكن في الوقت نفسه ، قرروا التوحيد القياسي على واجهة تقارير التحليلات ذات الشكل الحر. بمرور الوقت ، وجدوا أن العديد من مستهلكي البيانات غير الرسميين يكافحون لفهم البيانات في تنفيذها وكيفية الإبلاغ عنها. ببطء ، يبدأ فريق التحليلات الأساسي في تلقي رسائل البريد الإلكتروني وطلبات المساعدة. في البداية يمكنهم المواكبة ومحاولة إجراء تدريب إضافي ، لكنهم سرعان ما يدركون أن مستهلكي البيانات غير قادرين على الخدمة الذاتية وأن عدد الطلبات يصبح هائلاً. في هذه الحالة ، التي رأيتها عدة مرات ، كان هناك عدم تطابق واضح بين واجهة التقارير ومستهلكي البيانات ، وقد أدى عدم التطابق هذا إلى كسر نموذج تسليم التحليلات الإجمالي. لهذا السبب أعتقد أن هناك علاقة مباشرة ومهمة بين واجهة تقارير التحليلات ونموذج تسليم التحليلات.

العثور على المكان الجميل

خلال عشرين عامًا من مساعدة المؤسسات في التحليلات ، نادرًا ما وجدت أن واجهة واحدة ستعمل مع جميع أنواع مستهلكي البيانات وجميع نماذج تسليم التحليلات. لقد رأيت نجاحًا محدودًا في التدريب على منتجات التحليلات لمستهلكي البيانات العاديين ، لأنه إذا لم تكن تستخدم أداة في كثير من الأحيان ، فمن الصعب أن تتعلم. أعتقد أن أفضل المؤسسات تأخذ الوقت الكافي لفهم ثقافة الشركة ومهارات الأنواع المختلفة من مستهلكي البيانات واستخدامها لاختيار واجهة تقارير التحليلات ونموذج تسليم التحليلات. لقد قمت بالعديد من ورش العمل والدورات التدريبية مع المنظمات لمساعدتهم على اكتشاف الواجهات والنماذج التي ستعمل بشكل أفضل بالنسبة لهم. كما أنني أشجع المؤسسات على تجربة واجهات تقارير جديدة بشكل دوري لأنواع مختلفة من مستهلكي البيانات لمعرفة ما إذا كان الشخص "ينقر" معهم أكثر من الذي يستخدمونه حاليًا. في Amplitude ، حاولنا إنشاء واجهة إعداد تقارير تكون سهلة لمستخدمي البيانات العاديين ونحن فخورون بحقيقة أن مئات الأشخاص في بعض المؤسسات يخدمون أنفسهم بأنفسهم على أساس يومي. هذا هو السبب في أننا أنشأنا طرقًا سهلة لفرق التحليلات للاستفادة من العمل المنجز في موردي التحليلات الآخرين (Google و Adobe) لإرسال البيانات إلى Amplitude حتى يروا ما إذا كانت واجهة التقارير الخاصة بنا يمكن أن تكمل ما يستخدمه فريق التحليلات الأساسي.

في نهاية اليوم ، ترغب جميع المؤسسات في استخدام البيانات بشكل فعال وتقليل المدة التي تستغرقها لتحويل البيانات إلى رؤية. يعد اختيار واجهة تقارير التحليلات الصحيحة لمستهلكي البيانات المختلفين خطوة رائعة في تحسين القيمة الإجمالية لبرنامج التحليلات.