Impactul interfețelor de raportare Analytics asupra programelor Analytics

În lumea analizei, analiștii petrec mult timp în produsele de analiză care rulează rapoarte. Fiecare produs de analiză are o abordare ușor diferită a raportării. Unele produse de analiză încep cu o pânză goală și necesită ca analistul să tragă elementele de date pentru a efectua analiza. Alții permit analiștilor să importe date în foi de calcul. Unele necesită utilizarea SQL. Unele oferă șabloane de rapoarte care permit analiștilor să completeze spațiul liber cu evenimente și proprietăți. Deși nicio interfață de raportare de analiză nu este neapărat mai bună decât alta, este important ca organizațiile să aleagă pe cea care se potrivește cel mai bine organizației lor și consumatorilor de date. Interfața de raportare poate avea impacturi consecințe asupra programului de analiză în ansamblu. În această postare, voi sublinia câteva dintre interfețele de raportare de analiză pe care le-am văzut și modul în care acestea pot afecta modelele și programele de livrare a analizelor.

Raportare în formă liberă

Una dintre cele mai populare interfețe de raportare de analiză este ceea ce eu numesc raportare în formă liberă. În această interfață de raportare, analiștilor li se prezintă o pânză goală și pot trage sau selecta valori și parametri. Pe măsură ce elementele de date sunt adăugate la pânză, datele iau forma unui tabel cu coloane și rânduri. Această abordare a fost popularizată de instrumente BI precum Tableau și produse de analiză digitală precum Adobe și Google Analytics.

Avantajul interfețelor de raportare cu formă liberă este că aveți control complet asupra structurii datelor pe care doriți să le analizați. Puteți crea mai multe niveluri de defalcare și puteți adăuga adesea filtre pentru a restrânge datele în funcție de valorile dimensiunilor. Analiștilor puternici le place acest model, deoarece oferă multă libertate și capacitatea de a face niște interogări avansate fără a fi nevoie să cunoască SQL.

Raportarea prescriptivă

O altă interfață de raportare analitică este raportarea prescriptivă. Acest model oferă un cadru pentru tipul de analiză efectuată și permite analiștilor să introducă elementele necesare pentru rularea raportului. Îmi place să mă gândesc la acest model ca la o abordare „completează spațiul necompletat” a raportării. Fiecare tip de raport știe ce tip de valori, evenimente sau dimensiuni/proprietăți sunt necesare și le permite analiștilor să aleagă dintre opțiunile eligibile pentru a crea raportul.

Această abordare poate fi limitativă în anumite privințe, dar îi împiedică și pe analiști să facă prea multe greșeli din cauza structurii sale.

Import de foi de calcul

Indiferent cât de avansat devine domeniul de analiză, vor exista întotdeauna cei care vor pur și simplu să-și facă analiza în foi de calcul. Multe produse de analiză oferă modalități prin care datele pot fi descărcate sau exportate în foi de calcul, astfel încât analiștii să poată manipula datele acolo după cum este necesar. Foile de calcul, în special Microsoft Excel, tind să fie cel mai mic numitor comun pentru analiști. Cu toate acestea, unul dintre dezavantajele utilizării foilor de calcul este că acestea sunt mai dificil de partajat, de colaborat și pot avea probleme de control al versiunilor.

SQL/R/Python

Cei care se închipuie ca „scientişti ai datelor” preferă adesea să analizeze datele prin SQL sau prin limbaje de raportare precum R sau Python. Aceste interfețe și limbaje de programare oferă multă flexibilitate și pot fi folosite pentru a face analize personalizate și avansate. Deși mai mulți consumatori de date învață aceste limbi în zilele noastre, ele sunt încă dificil de scalat, în special la întreprinderile mari.

Impactul interfețelor de raportare

Deci, cu toate opțiunile disponibile pentru a face analize, cum ar trebui organizațiile să o aleagă pe cea potrivită pentru ei? Ca de obicei, nu există un răspuns corect, dar următoarele vă vor oferi câteva lucruri de luat în considerare atunci când faceți o alegere. De asemenea, este important să rețineți că multe organizații vor trebui să utilizeze mai multe pentru diferite audiențe interne.

Tipuri de consumatori de date

Majoritatea organizațiilor au diferite tipuri de consumatori de date. Există adesea o echipă de analiză centrală care face analize zilnic, iar alții sunt utilizatori mai ocazionali ai datelor. Utilizatorii ocazionali de date pot include directori sau cei din cadrul afacerii care au nevoie ocazional de a vedea date pentru a-și informa deciziile. Un exemplu al acestuia din urmă ar putea fi un proprietar de produs care dorește să vadă vizualizări săptămânale sau lunare ale site-ului web ale produselor pe care le gestionează.

Nevoile de raportare ale echipei de analiză de bază vor fi mult mai avansate decât cele ale utilizatorilor ocazionali. Echipa de analiză de bază va dori probabil să facă mai multe defalcări ale datelor și să filtreze datele după mai multe dimensiuni/proprietăți. Pentru ei, a avea o interfață de raportare liberă sau folosirea unui limbaj de programare ar putea fi cea mai potrivită. Dar aceste interfețe avansate de raportare pot fi adesea intimidante sau copleșitoare pentru cei care efectuează doar ocazional analize. Directorii ar putea dori doar să vadă tablouri de bord la nivel înalt dintr-un instrument BI.

Este important să înțelegeți nivelul de calificare al fiecărui consumator intern de date și să vă asigurați că fiecăruia i se oferă o interfață de raportare care să fie adecvată nevoilor și aptitudinii sale. Am văzut multe organizații eșuând încercând să utilizeze o abordare „unică pentru toți” și forțând toți consumatorii de date să folosească aceeași interfață de raportare de analiză. În aceste situații, este obișnuit ca echipa de analiză de bază, care este mai avansată, să presupună că toți consumatorii de date pot stăpâni interfețele de raportare care sunt fie prea complexe, fie prea confuze pentru consumatorii ocazionali de date. Chiar și atunci când interfețele de raportare mai avansate sunt organizate pentru mai mulți consumatori de date începători, acestora din urmă le este dificil să analizeze datele și să găsească răspunsurile de care au nevoie fără a necesita asistență. Eu însumi am încercat să instruiesc consumatorii ocazionali de date cu privire la interfețele avansate de raportare doar pentru a-i vedea că se luptă să le învețe. În aceste cazuri, mi s-a părut mai util să ofer mai multe interfețe de raportare de analiză adaptate publicului consumatorilor de date.

Modele de livrare Analytics

În lumea analizei, există mai multe modele disponibile pentru efectuarea analizei. Unele organizații folosesc un model centralizat în care consumatorii de date trimit cereri de analiză, iar analiza este realizată de o echipă centralizată. Alte organizații încearcă să utilizeze o abordare descentralizată în care fiecare este de așteptat să-și efectueze propria analiză (denumită adesea democratizarea datelor). Există, de asemenea, abordări hibride care valorifică modelul centralizat pentru unele tipuri de analiză și o abordare descentralizată pentru altele (puteți auzi o discuție pe acest subiect aici). Există avantaje și dezavantaje ale fiecărei abordări și aceasta este o altă situație în care abordările diferite vor fi mai bune sau mai rele pentru diferite organizații.

Dar un lucru pe care l-am văzut este că greșelile făcute în modelul de raportare pot avea un impact negativ asupra modelului de livrare a analizelor. De exemplu, să ne imaginăm că Acme Corp, ca organizație, alege să folosească un model descentralizat pentru analiză. Dar, în același timp, ei decid să standardizeze interfața de raportare a analizelor în formă liberă. De-a lungul timpului, ei constată că mulți consumatori ocazionali de date se luptă să înțeleagă datele în implementarea lor și cum să raporteze despre acestea. Încet, echipa principală de analiză începe să primească e-mailuri și solicitări de ajutor. La început pot să țină pasul și să încerce să facă instruire suplimentară, dar în curând își dau seama că consumatorii de date nu sunt capabili să se autoservice și numărul de solicitări devine copleșitor. În această situație, una pe care am văzut-o de multe ori, a existat în mod clar o nepotrivire între interfața de raportare și consumatorii de date și această nepotrivire a rupt modelul general de livrare a analizei. Acesta este motivul pentru care cred că există o relație directă și importantă între interfața de raportare a analizelor și modelul de livrare a analizelor.

Găsirea punctului dulce

În cei douăzeci de ani în care am ajutat organizațiile cu analize, rareori am descoperit că o interfață va funcționa pentru toate tipurile de consumatori de date și pentru toate modelele de livrare a analizelor. Am observat un succes limitat cu instruirea despre produse de analiză pentru consumatorii ocazionali de date, deoarece dacă nu sunteți într-un instrument foarte des, este dificil de învățat. Cred că cele mai bune organizații își iau timp pentru a-și înțelege cultura corporativă, abilitățile diferitelor tipuri de consumatori de date și le folosesc pe ambele pentru a-și alege interfața de raportare de analiză și modelul de livrare a analizei. Am organizat multe ateliere și training-uri cu organizații pentru a le ajuta să descopere care interfețe și modele vor funcționa cel mai bine pentru ei. De asemenea, încurajez organizațiile să încerce periodic noi interfețe de raportare pentru diferite tipuri de consumatori de date, pentru a vedea dacă cineva „face clic” cu ele mai mult decât pe cel pe care îl folosesc în prezent. La Amplitude, am încercat să realizăm o interfață de raportare care să fie ușoară pentru consumatorii ocazionali de date și suntem mândri de faptul că, la unele organizații, sute de oameni se deservesc zilnic. Acesta este motivul pentru care am creat modalități simple pentru echipele de analiză de a valorifica munca depusă de alți furnizori de analize (Google și Adobe) pentru a trimite date către Amplitude, astfel încât să vadă dacă interfața noastră de raportare poate completa ceea ce folosește echipa de analiză de bază.

La sfârșitul zilei, toate organizațiile doresc să utilizeze în mod eficient datele și să reducă timpul necesar pentru a transforma datele în informații. Alegerea interfeței de raportare de analiză potrivită pentru diferiții dvs. consumatori de date este un pas grozav în îmbunătățirea valorii generale a programului de analiză.