Для отслеживания статуса заказа — авторизируйтесь
Введите код, который был выслан на почту Введите код с SMS, который был выслан на номер
 
Код действителен в течение 5 минут Код с sms действителен в течение 5 минут
Вы уверены, что хотите выйти?
Сеанс завершен
На главную
Как создавать и читать дашборды

Как создавать и читать дашборды

Визуализация данных для бизнеса.

Дашборды отображают реальные данные и взаимосвязи между ними. Это помогает принимать решения на разных уровнях бизнеса. Игорь Сизон, основатель datascience-студии Arcane Future, рассказывает, как создавать дашборды, понятные не только аналитикам.

Зачем собирать данные на экране
 

Дашборд — это доска, на которой собраны графики и таблицы. Например, график на смартфоне, который показывает, сколько шагов вы сделали за неделю. На интерактивных дашбордах есть фильтры или кнопки. Их можно нажать, чтобы дашборд перестроился. 

Сейчас популярно собирать данные на одном экране. Так удобнее принимать решения на основе данных и делиться информацией внутри компании. Поэтому дашборды востребованы. Как показывает мой опыт, их заказывают сотрудники, которые хотят принимать решения или отслеживать метрики. Так CEO может увидеть и оценить весь бизнес, отдел маркетинга — воронку привлечения лидов, а отдел продаж — распределение лидов по этапам.

Этапы создания дашбордов
 

#1. Идея и сбор требований. В компании понимают, что им нужен инструмент для мониторинга KPI или метрик бизнеса. Идея создать дашборд может появиться на общем собрании, у отдельного сотрудника или у самого аналитика.  

Чтобы создать полезный дашборд, аналитик разговаривает с клиентами. Собирает требования, спрашивает, что делают клиенты, когда им нужна эта информация и как они ее используют.

#2. Сбор данных. Возможны два пути:

  • Данных нет. Например, на вашем сайте есть формы, которые заполняют потенциальные клиенты,  и вы хотите измерить конверсию из открытий в отправку. Но не записываете событие открытия формы. Чтобы собрать данные, нужно добавить это событие в вашу систему аналитики или базу данных (например, через Google Tag Manager или JavaScript). Если проект использует собственную аналитическую БД, мы разрабатываем дизайн таблиц для хранения данных.
     
  • Информация уже собрана в таблицах БД или «Google Таблицах». Тогда к ним можно подключиться сразу или написав SQL-код.


Дашборд для обзора email-кампаний / Arcane Future

#3. Визуализация. Для нее есть две категории онлайн-инструментов:

  • Более простые: Octoboard и Dashboard24. Это хорошие наборы готовых дашбордов для известных источников данных (Google Analytics, Facebook Ads, Instagram, Double Click). Они больше подходят для маркетинговой аналитики. Эти программы просты в настройке и не требуют поддержки специалистов.
     
  • Более сложные: Power BI, Chartio, Tableau. Они требуют специальных навыков, но при этом очень гибкие. Это Excel в мире визуализации данных.

    Мы работаем со своей базой данных, поэтому нам больше подходят Tableau или Power BI. Для этого нам нужно строить свои шаблоны. И вот в Tableau или Power BI это программы в которых легко строить свои шаблоны хоть для маркетинга, хоть для продукта.

    Кроме того, вы можете написать дашборд на JavaScript, используя, например, библиотеку D3.js.

    Пример визуализации данных в Tabelau — гистограмма / Arcane Future

    Построение дашборда начинается с первого графика. Создавая его, мы используем систему, конвертирующую данные в визуальные элементы. У этой системы есть логика. Например, высота столбца соответствует доходу за месяц, а цвет точки —  гендеру пользователя. Все визуализации создают соответствие между характеристиками данных и измеримыми характеристиками графика. Они называются эстетиками (позиция, обьем, размер, цвет, ширина).

    Мой опыт показывает, что настройки по умолчанию во всех программах для визуализации данных не подходят для прод-версии дашборда. Такие дашборды понятны только аналитикам. Поэтому я часто настраиваю шрифты, оси, цвета и надписи вручную. После этого показываю дашборд коллегам и спрашиваю, что на нем изображено.
  •  

Case study: dating и колл-центр
 

Расскажу о двух разных практических кейсах, которые реализовала наша команда. 

  • Дашборды для dating-сервиса

Обычно у отдела аналитики в dating-проекте есть два заказчика: менеджмент и маркетинг. Менеджмент хочет видеть картину в общем и правильно расставлять приоритеты для остальных команд. Достичь этого помогают дашборды с общими метриками (ROI, LTV, CPC, Registrations Count, Activations Count). Эти дашборды мы выводили на экраны, чтобы все видели, как работает проект и каких KPIs достиг.

Дашборды помогали следить за выполнением дневной нормы по регистрациям, активациям, письмам, сообщениям. Мы всегда знали, сколько пользователей активно на сайте и какой у них retention rate (показатель удержания клиентов). Я сделал дашборд, отслеживающий push-уведомления: если возникали проблемы с отправкой, мы замечали это за 10-20 минут.

Маркетологам важно, чтобы трафик окупался. Поэтому они хотят видеть ROI, ARPU, Conversion, CPA, CPM в разбивке по каналам и кампаниям. В этом случае трафик окупался не за день, поэтому мы добавили в дашборд прогнозируемое ARPU пользователя на девяностый день. Это помогло быстрее определять, какая кампания окупится, а какую нужно отключить.


Пример визуализации данных в Tabelau — вафельная диаграмма / Arcane Future

  • Дашборды для колл-центра

Приоритетной задачей было увеличение числа лидов, обработанных одним координатором или продавцом. Кроме того, нужно было повысить удовлетворенность клиента сервисом. Ее оценивали по Net Promoter Score (уровню клиентской лояльности) и отзывам на сайте. 

Для колл-центра мы сделали дашборды, которые собирали информацию про каждого координатора. Например, сколько заявок он взял в работу, сколько писем отправил, на сколько писем получил ответ, сколько звонков совершил. Это позволило сравнить сотрудников, понимать, что у координатора слишком много лидов и эффективно распределять заявки.

Настройка разных уровней доступа для координаторов, продавцов и менеджеров была непростой задачей — в отделе работало более 40 человек. Для каждого из них пришлось создать разные аккаунты и источники данных, к которым есть доступ.

На этом проекте данные хранились в системе управления БД MySQL. Она хранит данные построчно, но из-за этого медленно выполняет большие запросы с множеством JOIN'ов. Поэтому для дашбордов с тяжелыми запросами мы использовали extract вместо постоянного соединения. Extract —  это данные, скачанные платформой для визуализации, которые уже прошли нужные вычисления. Они готовы для отображения и подгружаются за секунды. Такой вариант удобно использовать для дашбордов, в которых не нужны realtime-данные.

Из-за того, что приоритеты бизнеса меняются, дашборды нужно обновлять. Чтобы упростить этот процесс, советую использовать Common Table Expressions при написании SQL-запросов. Модульные запросы легче читать и понимать. 

Также помогают договоренности о том, как называть метрики и какой стиль их записи использовать (например,
CamelCase или  snake case). Договоритесь с командой, что будете писать в одном стиле.  Вот так: UsersCount, RetentionRate, PlatformId или так:  users_count, retention_rate, platform_id. Благодаря этому вам будет легче разбираться в коде друг друга.

Хороший дашборд показывает информацию, которая мотивирует к действиям в нужный момент. Это возможно, когда разработчик слушает заказчика и понимает его запросы, а читатель — осознает ценность информации и может ее расшифровать.

Ещё статьи
Экспертки о том, как оценивают кандидатов на нетехнических интервью
Часть 2. Работа с записями: вставка, чтение, изменение и удаление