Impatti delle interfacce di reportistica di analisi sui programmi di analisi

Nel mondo dell'analisi, gli analisti trascorrono molto tempo in prodotti di analisi che eseguono report. Ogni prodotto di analisi ha un approccio leggermente diverso alla creazione di report. Alcuni prodotti di analisi iniziano con più di una tela bianca e richiedono all'analista di trascinare gli elementi dei dati per condurre l'analisi. Altri consentono agli analisti di importare dati in fogli di calcolo. Alcuni richiedono l'uso di SQL. Alcuni forniscono modelli di report che consentono agli analisti di riempire lo spazio vuoto con eventi e proprietà. Sebbene nessuna interfaccia di reporting analitico sia necessariamente migliore di un'altra, è importante che le organizzazioni scelgano quella più adatta alla loro organizzazione e ai suoi consumatori di dati. L'interfaccia di reporting può avere un impatto consequenziale sul programma di analisi nel suo insieme. In questo post, illustrerò alcune delle interfacce di reportistica analitica che ho visto e come possono influenzare i modelli e i programmi di consegna delle analisi.

Reportistica a mano libera

Una delle interfacce di reporting analitiche più popolari è quella che chiamo reporting a forma libera. In questa interfaccia di reporting, agli analisti viene presentata una tela vuota e possono trascinare o selezionare metriche e dimensioni. Quando gli elementi di dati vengono aggiunti all'area di disegno, i dati assumono la forma di una tabella con colonne e righe. Questo approccio è stato reso popolare da strumenti di BI come Tableau e prodotti di analisi digitale come Adobe e Google Analytics.

Il vantaggio delle interfacce di reporting a mano libera è che hai il controllo completo sulla struttura dei dati che desideri analizzare. È possibile creare più livelli di scomposizione e spesso aggiungere filtri per restringere i dati in base ai valori delle dimensioni. Agli analisti di potere piace questo modello perché offre molta libertà e la possibilità di eseguire alcune query avanzate senza dover conoscere SQL.

Reportistica Prescrittiva

Un'altra interfaccia di reporting analitico è il reporting prescrittivo. Questo modello fornisce un framework per il tipo di analisi in corso e consente agli analisti di inserire gli elementi necessari per l'esecuzione del report. Mi piace pensare a questo modello come a un approccio di "riempire gli spazi vuoti" alla rendicontazione. Ciascun tipo di rapporto conosce il tipo di metriche, eventi o dimensioni/proprietà necessarie e consente agli analisti di scegliere tra le opzioni idonee per creare il rapporto.

Questo approccio può essere in qualche modo limitante, ma impedisce anche agli analisti di commettere troppi errori a causa della sua struttura.

Importazioni di fogli di calcolo

Non importa quanto sia avanzato il campo dell'analisi, ci saranno sempre quelli che vogliono semplicemente fare le loro analisi nei fogli di calcolo. Molti prodotti di analisi forniscono modi in cui i dati possono essere scaricati o esportati su fogli di calcolo in modo che gli analisti possano manipolarli secondo necessità. I fogli di calcolo, in particolare Microsoft Excel, tendono ad essere il minimo comune denominatore per gli analisti. Tuttavia, uno degli aspetti negativi dell'utilizzo dei fogli di calcolo è che sono più difficili da condividere, collaborare e possono avere problemi di controllo della versione.

SQL/R/Python

Coloro che si considerano "data scientist" spesso preferiscono analizzare i dati tramite SQL o tramite linguaggi di reporting come R o Python. Queste interfacce e linguaggi di programmazione offrono molta flessibilità e possono essere utilizzati per eseguire analisi personalizzate e avanzate. Sebbene al giorno d'oggi sempre più consumatori di dati stiano imparando queste lingue, sono ancora difficili da scalare, soprattutto nelle grandi imprese.

Impatti delle interfacce di reporting

Quindi, con tutte le scelte disponibili per fare analisi, come dovrebbero le organizzazioni scegliere quella giusta per loro? Come al solito, non esiste una risposta giusta, ma quanto segue ti fornirà alcune cose da considerare quando fai una scelta. Inoltre, è importante tenere presente che molte organizzazioni dovranno utilizzarne più di una per diversi destinatari interni.

Tipi di consumatori di dati

La maggior parte delle organizzazioni ha diversi tipi di consumatori di dati. C'è spesso un team di analisi principale che esegue analisi quotidianamente e ce ne sono altri che sono utenti di dati più casuali. Gli utenti occasionali di dati possono includere dirigenti o persone all'interno dell'azienda che occasionalmente hanno bisogno di vedere i dati per prendere decisioni. Un esempio di quest'ultimo potrebbe essere un proprietario di prodotto che desidera vedere visualizzazioni settimanali o mensili del sito Web dei prodotti che gestisce.

Le esigenze di reporting del team di analisi principale saranno molto più avanzate di quelle degli utenti occasionali. Il team di analisi principale probabilmente vorrà eseguire più analisi dei dati e filtrare i dati in base a più dimensioni/proprietà. Per loro, avere un'interfaccia di reporting a mano libera o utilizzare un linguaggio di programmazione potrebbe essere la soluzione migliore. Ma queste interfacce di reporting avanzate possono spesso essere intimidatorie o opprimenti per le persone che solo occasionalmente conducono analisi. I dirigenti potrebbero voler vedere solo dashboard di alto livello da uno strumento di BI.

È importante comprendere il livello di competenza di ciascun consumatore interno di dati e garantire che a ciascuno venga fornita un'interfaccia di reporting che soddisfi le proprie esigenze e attitudini. Ho visto molte organizzazioni fallire tentando di utilizzare un approccio "taglia unica" e costringendo tutti i consumatori di dati a utilizzare la stessa interfaccia di reporting analitico. In queste situazioni, è comune per il team di analisi principale, che è più avanzato, presumere che tutti i consumatori di dati possano padroneggiare interfacce di reporting troppo complesse o troppo confuse per i consumatori di dati casuali. Anche quando le interfacce di reporting più avanzate sono curate per i consumatori di dati più inesperti, questi ultimi trovano difficile approfondire i dati e trovare le risposte di cui hanno bisogno senza richiedere assistenza. Io stesso ho tentato di addestrare consumatori di dati casuali su interfacce di reporting avanzate solo per vederli faticare ad impararli. In questi casi, ho trovato più utile fornire più interfacce di report di analisi su misura per il pubblico dei consumatori di dati.

Modelli di consegna di analisi

Nel mondo dell'analisi sono disponibili diversi modelli per condurre analisi. Alcune organizzazioni utilizzano un modello centralizzato in cui i consumatori di dati inviano richieste di analisi e l'analisi viene eseguita da un team centralizzato. Altre organizzazioni tentano di utilizzare un approccio decentralizzato in cui ci si aspetta che tutti conducano la propria analisi (spesso chiamata democratizzazione dei dati). Esistono anche approcci ibridi che sfruttano il modello centralizzato per alcuni tipi di analisi e un approccio decentralizzato per altri (puoi ascoltare un discorso su questo argomento qui). Ci sono pro e contro di ogni approccio e questa è un'altra situazione in cui approcci diversi saranno migliori o peggiori per le diverse organizzazioni.

Ma una cosa che ho visto è che gli errori commessi nel modello di reporting possono avere un impatto negativo sul modello di consegna dell'analisi. Immaginiamo ad esempio che Acme Corp, come organizzazione, scelga di utilizzare un modello decentralizzato per l'analisi. Ma allo stesso tempo, decidono di standardizzare l'interfaccia di reportistica analitica a forma libera. Nel tempo, scoprono che molti consumatori casuali di dati faticano a comprendere i dati nella loro implementazione e come segnalarli. Lentamente, il team di analisi principale inizia a ricevere e-mail e richieste di aiuto. All'inizio possono tenere il passo e tentare di fare formazione aggiuntiva, ma presto si rendono conto che i consumatori di dati non sono in grado di servirsi autonomamente e il numero di richieste diventa schiacciante. In questa situazione, che ho visto molte volte, c'era chiaramente una discrepanza tra l'interfaccia di reporting e i consumatori di dati e questa discrepanza ha rotto il modello generale di consegna dell'analisi. Questo è il motivo per cui ritengo che esista una relazione diretta e importante tra l'interfaccia di reporting analitico e il modello di erogazione dell'analisi.

Trovare il punto dolce

Nei miei vent'anni di assistenza alle organizzazioni con l'analisi, raramente ho scoperto che un'interfaccia funziona per tutti i tipi di consumatori di dati e tutti i modelli di distribuzione dell'analisi. Ho riscontrato un successo limitato con la formazione sui prodotti di analisi per i consumatori di dati casuali, poiché se non si utilizza uno strumento molto spesso, è difficile da imparare. Ritengo che le migliori organizzazioni si prendano il tempo necessario per comprendere la propria cultura aziendale, le competenze dei diversi tipi di consumatori di dati e le utilizzino entrambe per scegliere la propria interfaccia di reporting analitico e il modello di distribuzione dell'analisi. Ho svolto molti workshop e corsi di formazione con le organizzazioni per aiutarle a scoprire quali interfacce e modelli funzioneranno meglio per loro. Incoraggio inoltre le organizzazioni a provare periodicamente nuove interfacce di reporting per diversi tipi di consumatori di dati per vedere se uno "clic" con loro più di quello che stanno attualmente utilizzando. In Amplitude, abbiamo tentato di creare un'interfaccia di reporting che sia facile per i consumatori occasionali di dati e siamo orgogliosi del fatto che in alcune organizzazioni centinaia di persone si autoservano quotidianamente. Questo è il motivo per cui abbiamo creato modi semplici per consentire ai team di analisi di sfruttare il lavoro svolto in altri fornitori di analisi (Google e Adobe) per inviare dati ad Amplitude in modo che possano vedere se la nostra interfaccia di reporting può integrarsi con ciò che utilizza il team di analisi principale.

Alla fine della giornata, tutte le organizzazioni vogliono utilizzare i dati in modo efficace e ridurre il tempo necessario per trasformare i dati in informazioni dettagliate. La scelta dell'interfaccia di reportistica analitica giusta per i diversi consumatori di dati è un grande passo avanti per migliorare il valore complessivo del programma di analisi.