AnalyticsレポートインターフェイスがAnalyticsプログラムに与える影響

公開: 2021-11-30

分析の世界では、アナリストはレポートを実行する分析製品に多くの時間を費やしています。各分析製品には、レポートに対するわずかに異なるアプローチがあります。一部の分析製品は、空白のキャンバスから始まり、分析を行うためにアナリストがデータ要素をドラッグする必要があります。また、アナリストがデータをスプレッドシートにインポートできるようにするものもあります。 SQLを使用する必要があるものもあります。アナリストがイベントとプロパティを空欄に記入できるレポートテンプレートを提供するものもあります。分析レポートのインターフェースが必ずしも他のインターフェースより優れているわけではありませんが、組織が組織とそのデータ消費者に最適なインターフェースを選択することが重要です。レポートインターフェイスは、分析プログラム全体に結果的な影響を与える可能性があります。この投稿では、私が見た分析レポートインターフェイスのいくつかと、それらが分析配信モデルとプログラムにどのように影響するかについて概説します。

自由形式のレポート

最も人気のある分析レポートインターフェイスの1つは、私がフリーフォームレポートと呼んでいるものです。このレポートインターフェイスでは、アナリストに空白のキャンバスが表示され、メトリックとディメンションをドラッグまたは選択できます。データ要素がキャンバスに追加されると、データは列と行を持つテーブルの形式になります。このアプローチは、TableauなどのBIツールや、AdobeやGoogleAnalyticsなどのデジタル分析製品によって普及しました。

自由形式のレポートインターフェイスの利点は、分析するデータの構造を完全に制御できることです。複数のレベルの内訳を作成でき、多くの場合、ディメンション値でデータを絞り込むためのフィルターを追加できます。このモデルは、SQLを知らなくても多くの自由度と高度なクエリを実行できるため、パワーアナリストはこのモデルを気に入っています。

規範的報告

もう1つの分析レポートインターフェイスは、規範的なレポートです。このモデルは、実行される分析のタイプのフレームワークを提供し、アナリストがレポートの実行に必要な項目を入力できるようにします。私は、このモデルをレポートへの「空白を埋める」アプローチと考えるのが好きです。各レポートタイプは、必要なメトリック、イベント、またはディメンション/プロパティのタイプを認識しており、アナリストがレポートを作成するための適格なオプションから選択できるようにします。

このアプローチは、いくつかの点で制限される可能性がありますが、その構造のためにアナリストが多くの間違いを犯すことも防ぎます。

スプレッドシートのインポート

分析分野がどれほど進んだとしても、単にスプレッドシートで分析をしたいという人は必ずいるでしょう。多くの分析製品は、データをスプレッドシートにダウンロードまたはエクスポートできる方法を提供しているため、アナリストは必要に応じてそこでデータを操作できます。スプレッドシート、特にMicrosoft Excelは、アナリストにとって最小公分母になる傾向があります。ただし、スプレッドシートを使用することの欠点の1つは、スプレッドシートを共有したり、共同作業したりすることがより困難であり、バージョン管理の問題が発生する可能性があることです。

SQL / R / Python

「データサイエンティスト」が好きな人は、SQLまたはRやPythonなどのレポート言語を介してデータを分析することを好むことがよくあります。これらのプログラミングインターフェイスと言語は多くの柔軟性を提供し、カスタムおよび高度な分析を行うために使用できます。最近、より多くのデータ消費者がこれらの言語を学習していますが、特に大企業では、それらを拡張することは依然として困難です。

レポートインターフェイスの影響

では、分析を行うために利用できるすべての選択肢があるので、組織はどのようにしてそれらに適したものを選択する必要がありますか？いつものように、正しい答えは1つではありませんが、以下は、選択を行う際に考慮すべきいくつかのことを提供します。また、多くの組織は、さまざまな内部オーディエンスに対して複数を使用する必要があることを覚えておくことが重要です。

データコンシューマータイプ

ほとんどの組織には、さまざまなタイプのデータコンシューマーがあります。多くの場合、毎日分析を行うコア分析チームがあり、よりカジュアルなデータユーザーである他のチームもいます。カジュアルなデータユーザーには、経営幹部や、意思決定を通知するためにデータを確認する必要があるビジネス内のユーザーが含まれる場合があります。後者の例としては、管理している製品の週次または月次のWebサイトビューを表示したい製品所有者があります。

コア分析チームのレポートニーズは、カジュアルユーザーのレポートニーズよりもはるかに高度になります。コア分析チームは、複数のデータ内訳を実行し、複数のディメンション/プロパティでデータをフィルタリングする可能性があります。彼らにとっては、自由形式のレポートインターフェイスを使用するか、プログラミング言語を使用するのが最適かもしれません。しかし、これらの高度なレポートインターフェイスは、分析をたまにしか行わない人々にとって、しばしば威圧的または圧倒的なものになる可能性があります。エグゼクティブは、BIツールからの高レベルのダッシュボードのみを表示したい場合があります。

各内部データコンシューマーのスキルレベルを理解し、それぞれにニーズと適性を助長するレポートインターフェイスが提供されていることを確認することが重要です。多くの組織が「1つのサイズですべてに対応」アプローチを使用しようとし、すべてのデータコンシューマーに同じ分析レポートインターフェイスを使用するように強制することで失敗するのを見てきました。このような状況では、より高度に歪曲しているコア分析チームは、すべてのデータコンシューマーが、カジュアルなデータコンシューマーにとって複雑すぎるか、混乱しすぎるレポートインターフェイスをマスターできると想定するのが一般的です。より高度なレポートインターフェイスがより初心者のデータ消費者向けにキュレートされている場合でも、後者は、支援を必要とせずにデータを掘り下げて必要な答えを見つけることが難しいと感じています。私自身、高度なレポートインターフェイスでカジュアルなデータコンシューマーをトレーニングしようとしましたが、それらを学ぶのに苦労しているのを見るだけでした。このような場合、データ消費者の対象者に合わせて調整された複数の分析レポートインターフェイスを提供する方が便利であることがわかりました。

アナリティクス配信モデル

分析の世界では、分析を行うために利用できるいくつかのモデルがあります。一部の組織では、データコンシューマーが分析要求を送信し、分析が一元化されたチームによって行われる一元化されたモデルを使用しています。他の組織は、すべての人が独自の分析を行うことが期待される分散型アプローチ（データの民主化と呼ばれることが多い）を使用しようとしています。一部のタイプの分析には集中型モデルを活用し、他のタイプには分散型アプローチを活用するハイブリッドアプローチもあります（このトピックに関する講演はここで聞くことができます）。それぞれのアプローチには長所と短所があり、これは、さまざまなアプローチがさまざまな組織にとって良いか悪いかという別の状況です。

しかし、私が見た1つのことは、レポートモデルで行われた間違いが、分析配信モデルに悪影響を与える可能性があるということです。たとえば、組織としてAcmeCorpが分析に分散型モデルを使用することを選択したとします。しかし同時に、彼らは自由形式の分析レポートインターフェイスを標準化することを決定しました。時間が経つにつれて、彼らは多くのカジュアルなデータ消費者が彼らの実装におけるデータとそれを報告する方法を理解するのに苦労していることに気づきます。ゆっくりと、コア分析チームは電子メールとヘルプの要求を受け取り始めます。最初は、追いついて追加のトレーニングを試みることができますが、すぐに、データコンシューマーがセルフサービスを提供できず、リクエストの数が圧倒的になることに気付きます。この状況では、私が何度も見たことがありますが、レポートインターフェイスとデータコンシューマーの間に明らかに不一致があり、この不一致が分析配信モデル全体を壊しました。これが、分析レポートインターフェイスと分析配信モデルの間に直接かつ重要な関係があると私が信じる理由です。

スイートスポットを見つける

組織の分析を支援してきた20年間、1つのインターフェイスがすべてのデータコンシューマータイプとすべての分析配信モデルで機能することはめったにありません。カジュアルなデータ消費者向けの分析製品トレーニングでは、限られた成功しか見ていません。ツールを頻繁に使用しないと、習得するのが難しいためです。最高の組織は、時間をかけて企業文化、さまざまなタイプのデータコンシューマーのスキルを理解し、両方を使用して分析レポートインターフェイスと分析配信モデルを選択すると思います。私は組織と多くのワークショップやトレーニングを行い、組織がどのインターフェイスとモデルが最適に機能するかを明らかにするのに役立てています。また、組織がさまざまなデータコンシューマータイプの新しいレポートインターフェイスを定期的に試して、現在使用しているものよりも「クリック」するかどうかを確認することをお勧めします。 Amplitudeでは、カジュアルなデータ消費者にとって使いやすいレポートインターフェイスの作成を試みました。一部の組織では、毎日何百人もの人々がセルフサービスを提供していることを誇りに思っています。これが、分析チームが他の分析ベンダー（GoogleとAdobe）で行われた作業を活用してAmplitudeにデータを送信し、レポートインターフェイスがコア分析チームの使用を補完できるかどうかを確認する簡単な方法を作成した理由です。

結局のところ、すべての組織はデータを効果的に使用し、データを洞察に変えるのにかかる時間を短縮したいと考えています。さまざまなデータ利用者に適した分析レポートインターフェイスを選択することは、分析プログラムの全体的な価値を向上させるための大きな一歩です。