[IT-инфраструктура, Анализ и проектирование систем] Понятная аналитика. Опыт внедрения сервисом Работа.ру решения Tableau
Автор
Сообщение
news_bot ®
Стаж: 6 лет 9 месяцев
Сообщений: 27286
У каждого бизнеса возникает потребность в качественной аналитике данных и ее визуализации. Еще один важный фактор, который следует учитывать — это простота использования для бизнес-пользователя. Инструмент не должен требовать дополнительных затрат на обучение сотрудников на начальном этапе. Одним из таких решений является Tableau.
Сервис Работа.ру выбрал Tableau для многофакторного анализа данных. Мы поговорили с Алёной Артемьевой, директором по аналитике сервиса Работа.ру и узнали как изменилась аналитика после внедренного командой BI GlowByte решения.
Q: Как возникла потребность в решении BI?
Алёна Артемьева: В конце прошлого года команда сервиса Работа.ру начала стремительно расти. Именно тогда возросла потребность в качественной и понятной для всех аналитике со стороны самых разных подразделений и руководства компании. Мы осознали необходимость создания единого и удобного для всех пространства аналитических материалов (ad hoc исследований и регулярных отчетов) и начали активно двигаться в этом направлении.
Q: На основании каких критериев выполнялся поиск BI-решения и кто принимал участие в оценке?
АА: Важнее всего для нас были следующие критерии:
- наличие автономного сервера для хранения данных;
- стоимость лицензий;
- наличие десктоп-клиента Windows/iOS;
- наличие mobile-клиента Android/iOS;
- наличие веб-клиента;
- возможность интеграции в приложение/портал;
- возможность использования скриптов;
- простота/сложность инфраструктурной поддержки и необходимость / отсутствие необходимости поиска специалистов для этого;
- распространенность BI-решений среди пользователей;
- отзывы пользователей BI-решений.
Q: Кто принимал участие в оценке:
АА: Это была совместная работа команд аналитиков и ML Работы.ру.
Q: К какой функциональной области относится решение?
АА: Так как перед нами стояла задача построить простую и понятную систему аналитической отчетности для всей компании, то набор функциональных областей, к которым относится решение, достаточно широк. Это продажи, финансы, маркетинг, продукт и сервис.
Q: Какую проблему (задачи) решали?
АА: Tableau помог нам решить несколько ключевых задач:
- Повысить скорость обработки данных.
- Отойти от «ручного» создания и обновления отчетности.
- Повысить прозрачность данных.
- Повысить доступность данных для всех ключевых сотрудников.
- Получить возможность оперативно реагировать на изменения и принимать решения на основе данных.
- Получить возможность более подробно анализировать продукт и искать точки роста.
Q: Что было до Tableau? Какие технологии использовали?
АА: Ранее мы, как и многие компании, для визуализации ключевых показателей активно использовали Google Sheets и Excel, а также собственные разработки. Но постепенно мы поняли, что такой формат нам не подходит. В первую очередь из-за низкой скорости обработки данных, а также из-за ограниченных возможностей визуализации, проблем с безопасностью, необходимости постоянной обработки большого количества данных вручную и нерационального использования времени сотрудников, высокой вероятности ошибки и проблем с обеспечением общего доступа к отчетам (последнее наиболее актуально для отчетов в Excel). Также в них невозможно обрабатывать большие массивы данных.
Q: Как происходило внедрение решения?
АА: Мы начали с того, что самостоятельно раскатили серверную часть и начали делать отчеты, соединяя данные из витрин с подготовленными данными на PostgreSQL. Через несколько месяцев передали сервер на поддержку в инфраструктуру.
Q: Какие департаменты первыми подключились к проекту, было ли это сложно?
АА: Подавляющее большинство отчетов с самого начала готовится сотрудниками департамента аналитики, впоследствии к использованию Tableau подключился финансовый отдел.
Критических сложностей не было, так как при подготовке дашбордов задача декомпозируется на три основных этапа: исследование базы данных и создание методики расчета показателей, подготовка макета отчета и согласование его с заказчиком, создание и автоматизация витрин данных и создание визуализации дашборда на основе витрин. Tableau мы используем на третьем этапе.
Q: Кто участвовал в команде внедрения?
АА: В основном это была команда ML.
Q: Требовалась ли подготовка сотрудников?
АА: Нет, нашей команде достаточно было общедоступных материалов, в том числе данных марафонов от Tableau и информации в сообществах пользователей Tableau. Дополнительно обучать никого из сотрудников не пришлось — благодаря простоте платформы и предыдущему опыту сотрудников. Сейчас команда аналитиков существенно продвинулась в освоении Tableau, чему способствуют как интересные задачи от бизнеса, так и активное общение внутри команды по найденным в процессе решения задач особенностям и возможностям Tableau.
Q: Какова сложность освоения?
АА: Для нас всё прошло относительно легко, а платформа оказалась интуитивно понятна всем.
Q: Как быстро получили первый результат?
АА: В течение нескольких дней после внедрения с учетом того, что определенное время потребовалось на «шлифовку» визуализации в соответствии с пожеланиями заказчиков.
Q: Какие показатели по итогам проекта уже есть?
АА: Мы уже реализовали более 130 отчетов по различным направлениям и в несколько раз повысили скорость подготовки данных. Это оказалось важно и для специалистов нашего PR-подразделения, так как теперь мы можем быстро отвечать на большинство актуальных запросов от СМИ, выпускать объемные исследования по рынку труда в целом и по отдельным отраслям, а также готовить ситуативную аналитику.
Q: Как планируете развивать систему? Какие отделы будут вовлечены в проект?
АА: Планируем дальнейшее развитие системы отчетности по всем ключевым направлениям. Отчеты по-прежнему будут реализовываться силами специалистов департамента аналитики и отдела финансов, но мы готовы подключать коллег и из других подразделений, если они захотят использовать Tableau для своих целей.
===========
Источник:
habr.com
===========
Похожие новости:
- [Алгоритмы, Анализ и проектирование систем, Мозг] Что такое алгоритм?_?? Часть π «Копирование иерархии памяти»
- [IT-инфраструктура, Разработка систем связи, Сетевые технологии] Через сегмент оптоволоконной сети впервые передали данные со скоростью 800 Гбит/с
- [IT-инфраструктура, Open source, Астрономия, Учебный процесс в IT] Openshift 4.5, мастер-курс OpenShift administrators & operations… и роботы, наблюдающие за далекими галактиками
- [IT-инфраструктура, IT-стандарты, Информационная безопасность] Защита документов от копирования
- [DevOps, Python, Анализ и проектирование систем, Искусственный интеллект, Машинное обучение] Общий обзор архитектуры сервиса для оценки внешности на основе нейронных сетей
- [Анализ и проектирование систем, Программирование, Проектирование и рефакторинг, Управление разработкой] Архитектурный слой. Понятие, определение, представление
- [NoSQL, SCADA, Анализ и проектирование систем, Интернет вещей, Промышленное программирование] Реализация кастомной Edge I-IoT платформы
- [Удалённая работа, Управление персоналом] 10 историй про IT-трансформацию в режиме самоизоляции
- [Django, IT-инфраструктура, Разработка под Linux, Системное администрирование] Как мы автоматизировали весь жизненный цикл серверов
- [Asterisk, IT-инфраструктура, Сетевое оборудование, Сетевые технологии] Обзор IP-телефона Snom D715
Теги для поиска: #_itinfrastruktura (IT-инфраструктура), #_analiz_i_proektirovanie_sistem (Анализ и проектирование систем), #_business_intelligence, #_tableau, #_glowbyte, #_rabota.ru (работа.ру), #_blog_kompanii_glowbyte (
Блог компании GlowByte
), #_itinfrastruktura (
IT-инфраструктура
), #_analiz_i_proektirovanie_sistem (
Анализ и проектирование систем
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 23-Ноя 00:23
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 9 месяцев |
|
|
У каждого бизнеса возникает потребность в качественной аналитике данных и ее визуализации. Еще один важный фактор, который следует учитывать — это простота использования для бизнес-пользователя. Инструмент не должен требовать дополнительных затрат на обучение сотрудников на начальном этапе. Одним из таких решений является Tableau. Сервис Работа.ру выбрал Tableau для многофакторного анализа данных. Мы поговорили с Алёной Артемьевой, директором по аналитике сервиса Работа.ру и узнали как изменилась аналитика после внедренного командой BI GlowByte решения. Q: Как возникла потребность в решении BI? Алёна Артемьева: В конце прошлого года команда сервиса Работа.ру начала стремительно расти. Именно тогда возросла потребность в качественной и понятной для всех аналитике со стороны самых разных подразделений и руководства компании. Мы осознали необходимость создания единого и удобного для всех пространства аналитических материалов (ad hoc исследований и регулярных отчетов) и начали активно двигаться в этом направлении. Q: На основании каких критериев выполнялся поиск BI-решения и кто принимал участие в оценке? АА: Важнее всего для нас были следующие критерии:
Q: Кто принимал участие в оценке: АА: Это была совместная работа команд аналитиков и ML Работы.ру. Q: К какой функциональной области относится решение? АА: Так как перед нами стояла задача построить простую и понятную систему аналитической отчетности для всей компании, то набор функциональных областей, к которым относится решение, достаточно широк. Это продажи, финансы, маркетинг, продукт и сервис. Q: Какую проблему (задачи) решали? АА: Tableau помог нам решить несколько ключевых задач:
Q: Что было до Tableau? Какие технологии использовали? АА: Ранее мы, как и многие компании, для визуализации ключевых показателей активно использовали Google Sheets и Excel, а также собственные разработки. Но постепенно мы поняли, что такой формат нам не подходит. В первую очередь из-за низкой скорости обработки данных, а также из-за ограниченных возможностей визуализации, проблем с безопасностью, необходимости постоянной обработки большого количества данных вручную и нерационального использования времени сотрудников, высокой вероятности ошибки и проблем с обеспечением общего доступа к отчетам (последнее наиболее актуально для отчетов в Excel). Также в них невозможно обрабатывать большие массивы данных. Q: Как происходило внедрение решения? АА: Мы начали с того, что самостоятельно раскатили серверную часть и начали делать отчеты, соединяя данные из витрин с подготовленными данными на PostgreSQL. Через несколько месяцев передали сервер на поддержку в инфраструктуру. Q: Какие департаменты первыми подключились к проекту, было ли это сложно? АА: Подавляющее большинство отчетов с самого начала готовится сотрудниками департамента аналитики, впоследствии к использованию Tableau подключился финансовый отдел. Критических сложностей не было, так как при подготовке дашбордов задача декомпозируется на три основных этапа: исследование базы данных и создание методики расчета показателей, подготовка макета отчета и согласование его с заказчиком, создание и автоматизация витрин данных и создание визуализации дашборда на основе витрин. Tableau мы используем на третьем этапе. Q: Кто участвовал в команде внедрения? АА: В основном это была команда ML. Q: Требовалась ли подготовка сотрудников? АА: Нет, нашей команде достаточно было общедоступных материалов, в том числе данных марафонов от Tableau и информации в сообществах пользователей Tableau. Дополнительно обучать никого из сотрудников не пришлось — благодаря простоте платформы и предыдущему опыту сотрудников. Сейчас команда аналитиков существенно продвинулась в освоении Tableau, чему способствуют как интересные задачи от бизнеса, так и активное общение внутри команды по найденным в процессе решения задач особенностям и возможностям Tableau. Q: Какова сложность освоения? АА: Для нас всё прошло относительно легко, а платформа оказалась интуитивно понятна всем. Q: Как быстро получили первый результат? АА: В течение нескольких дней после внедрения с учетом того, что определенное время потребовалось на «шлифовку» визуализации в соответствии с пожеланиями заказчиков. Q: Какие показатели по итогам проекта уже есть? АА: Мы уже реализовали более 130 отчетов по различным направлениям и в несколько раз повысили скорость подготовки данных. Это оказалось важно и для специалистов нашего PR-подразделения, так как теперь мы можем быстро отвечать на большинство актуальных запросов от СМИ, выпускать объемные исследования по рынку труда в целом и по отдельным отраслям, а также готовить ситуативную аналитику. Q: Как планируете развивать систему? Какие отделы будут вовлечены в проект? АА: Планируем дальнейшее развитие системы отчетности по всем ключевым направлениям. Отчеты по-прежнему будут реализовываться силами специалистов департамента аналитики и отдела финансов, но мы готовы подключать коллег и из других подразделений, если они захотят использовать Tableau для своих целей. =========== Источник: habr.com =========== Похожие новости:
Блог компании GlowByte ), #_itinfrastruktura ( IT-инфраструктура ), #_analiz_i_proektirovanie_sistem ( Анализ и проектирование систем ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 23-Ноя 00:23
Часовой пояс: UTC + 5