Що входить у роботу з даними
Робота з даними складається з кількох частин, і не кожному проєкту потрібні всі:
- збирання — автоматичне отримання даних із систем, у яких вони зберігаються;
- очищення — виправлення помилок, дублікатів, порожніх полів і різних форматів;
- об’єднання — зв’язування записів з різних систем: рекламне джерело, заявка в CRM, оплата в обліку;
- звітність — дашборди, які оновлюються самі і показують узгоджені цифри;
- дослідження — пошук закономірностей і відповіді на конкретні питання бізнесу.
Іноді задача вузька: зібрати один звіт про продажі за каналами. Іноді потрібна повноцінна система звітності для керівника, відділу продажів і маркетингу.
Кому це потрібно
Послуга має сенс, коли даних уже достатньо, а рішення досі ухвалюються «на відчуття» або на основі таблиць, які хтось збирає вручну. Типові ситуації:
- маркетинг і продажі бачать різні цифри і сперечаються, чия правда;
- звіт для керівника щоразу збирають кілька годин з п’яти різних систем;
- інтернет-магазин хоче розуміти, які клієнти повертаються, а які купують один раз;
- компанія планує прогнозування чи ML-моделі, і спершу треба підготувати історичні дані.
Якщо бізнес молодий і даних поки мало, складна система буде зайвою. Тоді вистачить кількох добре налаштованих звітів, а до сховища даних можна повернутися пізніше.
Таблиці, BI-інструменти чи власне сховище
Таблиці Excel або Google — найпростіший варіант. Плюс — усі вміють ними користуватися. Мінус — ручна робота, помилки при копіюванні і повільність на великих обсягах.
Дашборди в Looker Studio або іншому BI-інструменті з прямим підключенням до джерел. Плюс — звіти оновлюються самі, а налаштування доступне без розробників. Мінус — коли джерел багато і їх треба зв’язувати між собою, звіти стають повільними і заплутаними.
Власне сховище даних у BigQuery, PostgreSQL чи ClickHouse з автоматичним завантаженням. Плюс — одна база для всіх звітів, швидкість і можливість будь-яких розрахунків. Мінус — потрібна розробка на старті та підтримка, коли змінюються системи-джерела.
Чому найбільше часу займає підготовка даних
Найскладніше в аналізі — не графіки, а те, що відбувається до них. Типові проблеми, з якими ми стикаємось:
- той самий клієнт записаний у CRM тричі з різними телефонами або написанням імені;
- товари в обліковій системі й на сайті мають різні назви та коди;
- частина замовлень скасована чи повернена, але в одній системі це видно, а в іншій ні;
- дати збережено в різних форматах і часових поясах, а суми — у різних валютах;
- правила роботи змінювалися, і дані за старі періоди рахувалися інакше.
Ми не приховуємо ці проблеми, а описуємо їх і домовляємося з вами, як їх обробляти. Інакше гарний дашборд показуватиме неправильні цифри.
Що можна дізнатися з даних
- які канали реклами приводять клієнтів, що купують повторно, а не лише один раз;
- як змінюються продажі за сезонами, у будні й вихідні та за регіонами;
- які групи клієнтів дають найбільшу виручку і чим вони відрізняються від інших;
- які товари часто купують разом і які продаються лише зі знижкою;
- де в процесі продажу заявки найчастіше губляться: на сайті, у менеджера чи на етапі оплати.
Що підготувати для старту
- перелік систем, якими користується компанія, і людей, які відповідають за кожну;
- доступи на читання або вивантаження даних за доступний період;
- приклади звітів, якими користуєтеся зараз, навіть якщо це таблиці, зібрані вручну;
- питання, на які звіти мають відповідати в першу чергу.
Як оцінити результат
Добрий результат помітний за простими ознаками: на нараді всі дивляться в одні цифри, звіти більше не збирають вручну, а питання на кшталт «звідки впали продажі» вирішується за кілька кліків, а не за день листування.
Для досліджень результат — висновок, який можна перевірити дією. Наприклад, якщо аналіз показав, що певна група клієнтів купує повторно частіше, наступний крок — окрема пропозиція для неї та порівняння результатів.
Типові помилки в проєктах з даними
Почати з красивого дашборда. Панель з десятками графіків вражає на презентації, але ніхто нею не користується, бо вона не відповідає на щоденні питання команди.
Не домовитися про визначення. Якщо маркетинг рахує заявкою будь-яке звернення, а продажі — лише підтверджене замовлення, звіт завжди буде предметом суперечок.
Зібрати все «про запас». Завантаження всіх полів з усіх систем ускладнює сховище і сповільнює звіти. Краще почати з потрібного і додавати дані за потреби.
Забути про підтримку. Системи-джерела оновлюються, змінюються поля й правила. Без нагляду автоматичне завантаження тихо ламається, і звіти показують застарілі цифри.
Що впливає на вартість
- Кількість і тип джерел: сервіси з готовим API підключаються простіше, ніж застарілі системи без нього.
- Якість даних: чим більше дублікатів і розбіжностей, тим більше роботи на очищення.
- Обсяг і частота оновлення: щоденні звіти по мільйонах записів потребують іншої архітектури, ніж зведення раз на тиждень.
- Кількість звітів і користувачів з різними правами доступу.
- Дослідження: одне питання чи регулярний аналіз з висновками.
Часті запитання
Чи можна підключити нашу облікову систему? Найчастіше так: через API, пряме підключення до бази або регулярне вивантаження файлів. Спосіб визначаємо після знайомства з системою. Якщо поруч зі звітністю потрібно налагодити й сам обмін між системами, це робота з інтеграції та автоматизації процесів.
Хто має доступ до наших даних? Лише люди, яким ви його надали. Сховище створюємо на вашому акаунті, а доступи розподіляємо за ролями.
Чи потрібен окремий аналітик у штаті? Не обов’язково. Звіти ми робимо такими, щоб ними користувалися менеджери. Але якщо питань багато, людина, яка відповідає за дані всередині компанії, суттєво допомагає.
Чим це відрізняється від веб-аналітики? Веб-аналітика зосереджена на поведінці відвідувачів сайту. Тут ми працюємо з усіма даними компанії: продажами, клієнтами, складом, фінансами.
Чому Promodex
Promodex працює з 2015 року і зробив 750+ проєктів, серед яких сайти, сервіси й внутрішні системи, що обмінюються даними з CRM та обліком. У команді є розробники, які налаштують збирання даних, і маркетологи, які розуміють, що саме потрібно бачити у звітах. Ми пояснюємо, звідки береться кожна цифра, і чесно позначаємо, де даних замало для певного висновку.
