Impactos de las interfaces de informes de análisis en los programas de análisis

En el mundo de la analítica, los analistas pasan mucho tiempo en productos analíticos ejecutando informes. Cada producto analítico tiene un enfoque ligeramente diferente para la generación de informes. Algunos productos de análisis comienzan con un lienzo en blanco y requieren que el analista arrastre elementos de datos para realizar el análisis. Otros permiten a los analistas importar datos a hojas de cálculo. Algunos requieren el uso de SQL. Algunos proporcionan plantillas de informes que permiten a los analistas completar los espacios en blanco con eventos y propiedades. Si bien ninguna interfaz de informes analíticos es necesariamente mejor que otra, es importante que las organizaciones elijan la que mejor se adapte a su organización y a sus consumidores de datos. La interfaz de informes puede tener impactos consecuentes en el programa de análisis en su conjunto. En esta publicación, describiré algunas de las interfaces de informes analíticos que he visto y cómo pueden afectar los modelos y programas de entrega de análisis.

Informes de forma libre

Una de las interfaces de informes analíticos más populares es lo que yo llamo informes de formato libre. En esta interfaz de informes, a los analistas se les presenta un lienzo en blanco y pueden arrastrar o seleccionar métricas y dimensiones. A medida que se agregan elementos de datos al lienzo, los datos toman la forma de una tabla con columnas y filas. Este enfoque fue popularizado por herramientas de BI como Tableau y productos de análisis digital como Adobe y Google Analytics.

El beneficio de las interfaces de informes de forma libre es que tiene control total sobre la estructura de los datos que desea analizar. Puede crear varios niveles de desglose y, a menudo, puede agregar filtros para restringir los datos por valores de dimensión. A los analistas avanzados les gusta este modelo porque brinda mucha libertad y la capacidad de realizar algunas consultas avanzadas sin tener que saber SQL.

Informes prescriptivos

Otra interfaz de informes analíticos es el informe prescriptivo. Este modelo proporciona un marco para el tipo de análisis que se realiza y permite a los analistas ingresar los elementos necesarios para que se ejecute el informe. Me gusta pensar en este modelo como un enfoque de "llenar los espacios en blanco" para informar. Cada tipo de informe sabe qué tipo de métricas, eventos o dimensiones/propiedades se necesitan y permite a los analistas elegir entre las opciones elegibles para crear el informe.

Este enfoque puede ser limitante en algunos aspectos, pero también evita que los analistas cometan demasiados errores debido a su estructura.

Importaciones de hojas de cálculo

No importa qué tan avanzado se vuelva el campo de análisis, siempre habrá quienes simplemente quieran hacer su análisis en hojas de cálculo. Muchos productos de análisis brindan formas de descargar o exportar datos a hojas de cálculo para que los analistas puedan manipular los datos allí según sea necesario. Las hojas de cálculo, especialmente Microsoft Excel, tienden a ser el mínimo común denominador para los analistas. Sin embargo, una de las desventajas de usar hojas de cálculo es que son más difíciles de compartir, colaborar y pueden tener problemas de control de versiones.

SQL/R/Python

Aquellos que se consideran a sí mismos "científicos de datos" a menudo prefieren analizar datos a través de SQL o mediante lenguajes de informes como R o Python. Estas interfaces y lenguajes de programación brindan mucha flexibilidad y se pueden usar para realizar análisis personalizados y avanzados. Si bien más consumidores de datos están aprendiendo estos idiomas en estos días, aún son difíciles de escalar, especialmente en las grandes empresas.

Impactos de las interfaces de informes

Entonces, con todas las opciones disponibles para hacer análisis, ¿cómo deberían las organizaciones elegir la adecuada para ellas? Como de costumbre, no hay una sola respuesta correcta, pero lo siguiente le proporcionará algunas cosas que debe tener en cuenta al tomar una decisión. Además, es importante tener en cuenta que muchas organizaciones necesitarán usar más de uno para diferentes audiencias internas.

Tipos de consumidores de datos

La mayoría de las organizaciones tienen diferentes tipos de consumidores de datos. A menudo, hay un equipo central de análisis que realiza análisis a diario y hay otros que son usuarios de datos más ocasionales. Los usuarios ocasionales de datos pueden incluir ejecutivos o personas dentro de la empresa que ocasionalmente necesitan ver datos para informar sus decisiones. Un ejemplo de esto último podría ser el propietario de un producto que desea ver vistas semanales o mensuales del sitio web de los productos que administra.

Las necesidades de generación de informes del equipo central de análisis serán mucho más avanzadas que las de los usuarios ocasionales. Es probable que el equipo central de análisis desee realizar múltiples desgloses de datos y filtrar datos por múltiples dimensiones/propiedades. Para ellos, tener una interfaz de informes de forma libre o usar un lenguaje de programación podría ser lo mejor. Pero estas interfaces de generación de informes avanzadas a menudo pueden resultar intimidantes o abrumadoras para las personas que solo realizan análisis ocasionalmente. Es posible que los ejecutivos solo deseen ver tableros de alto nivel de una herramienta de BI.

Es importante comprender el nivel de habilidad de cada consumidor interno de datos y asegurarse de que a cada uno se le proporcione una interfaz de informes que se adapte a sus necesidades y aptitudes. He visto fallar a muchas organizaciones al intentar usar un enfoque de "talla única" y obligar a todos los consumidores de datos a usar la misma interfaz de informes analíticos. En estas situaciones, es común que el equipo central de análisis, que es más avanzado, asuma que todos los consumidores de datos pueden dominar las interfaces de generación de informes que son demasiado complejas o demasiado confusas para los consumidores ocasionales de datos. Incluso cuando las interfaces de informes más avanzadas están seleccionadas para los consumidores de datos más novatos, a estos últimos les resulta difícil profundizar en los datos y encontrar las respuestas que necesitan sin necesidad de asistencia. Yo mismo he intentado capacitar a los consumidores ocasionales de datos en las interfaces de informes avanzadas solo para ver que tienen dificultades para aprenderlas. En estos casos, me ha resultado más útil proporcionar múltiples interfaces de informes analíticos adaptadas a la audiencia de consumidores de datos.

Modelos de entrega de análisis

En el mundo analítico, hay varios modelos disponibles para realizar análisis. Algunas organizaciones utilizan un modelo centralizado en el que los consumidores de datos envían solicitudes de análisis y el análisis lo realiza un equipo centralizado. Otras organizaciones intentan utilizar un enfoque descentralizado en el que se espera que todos realicen su propio análisis (a menudo llamado democratización de datos). También hay enfoques híbridos que aprovechan el modelo centralizado para algunos tipos de análisis y un enfoque descentralizado para otros (puede escuchar una charla sobre este tema aquí). Hay pros y contras de cada enfoque y esta es otra situación en la que diferentes enfoques serán mejores o peores para diferentes organizaciones.

Pero una cosa que he visto es que los errores cometidos en el modelo de informes pueden afectar negativamente el modelo de entrega de análisis. Por ejemplo, imaginemos que Acme Corp, como organización, elige usar un modelo descentralizado para el análisis. Pero al mismo tiempo, deciden estandarizar la interfaz de informes de análisis de forma libre. Con el tiempo, descubren que muchos consumidores ocasionales de datos luchan por comprender los datos en su implementación y cómo informar sobre ellos. Lentamente, el equipo central de análisis comienza a recibir correos electrónicos y solicitudes de ayuda. Al principio, pueden mantenerse al día e intentar realizar capacitación adicional, pero pronto se dan cuenta de que los consumidores de datos no pueden autoservicio y la cantidad de solicitudes se vuelve abrumadora. En esta situación, que he visto muchas veces, claramente había una discrepancia entre la interfaz de informes y los consumidores de datos y esta discrepancia rompió el modelo general de entrega de análisis. Es por eso que creo que existe una relación directa e importante entre la interfaz de informes analíticos y el modelo de entrega de análisis.

Encontrar el punto dulce

En mis veinte años de ayudar a las organizaciones con análisis, rara vez he encontrado que una interfaz funcione para todos los tipos de consumidores de datos y todos los modelos de entrega de análisis. He visto un éxito limitado con la capacitación de productos analíticos para consumidores ocasionales de datos, ya que si no está en una herramienta con mucha frecuencia, es difícil aprender. Creo que las mejores organizaciones se toman el tiempo para comprender su cultura corporativa, las habilidades de los diferentes tipos de consumidores de datos y usan ambos para elegir su interfaz de informes analíticos y el modelo de entrega de análisis. He realizado muchos talleres y capacitaciones con organizaciones para ayudarlas a descubrir qué interfaces y modelos funcionarán mejor para ellas. También animo a las organizaciones a probar periódicamente nuevas interfaces de informes para diferentes tipos de consumidores de datos para ver si uno hace más clic con ellos que el que están usando actualmente. En Amplitude, hemos intentado crear una interfaz de generación de informes que sea fácil para los consumidores ocasionales de datos y estamos orgullosos del hecho de que en algunas organizaciones, cientos de personas se atienden a sí mismas a diario. Es por eso que hemos creado formas fáciles para que los equipos de análisis aprovechen el trabajo realizado en otros proveedores de análisis (Google y Adobe) para enviar datos a Amplitude para que vean si nuestra interfaz de informes puede complementar lo que usa el equipo central de análisis.

Al final del día, todas las organizaciones quieren usar los datos de manera efectiva y reducir el tiempo que les lleva convertir los datos en información. Elegir la interfaz de informes de análisis adecuada para sus diferentes consumidores de datos es un gran paso para mejorar el valor general del programa de análisis.