Процессы разработки отчетности из большого централизованного ИТ не совсем подходили для нужд сегмента B2О, поскольку в сегменте часто все меняется. Бизнес-требования менялись чаще, чем централизованный ИТ мог предоставить сегменту результаты сбора и анализа данных.

Заказчик B2О выделил для себя отдельную self-service команду, руководителем которой я и являюсь. Что это дало? Мы ушли от сложности и неповоротливости процесса, которые были при работе с централизованным ИТ. Те требования, которые мы сегодня получаем от заказчиков сегмента, сразу же транслируются в имеющуюся отчетность.

Qlik сегодня используется и как прямой рабочий инструмент, задействованный непосредственно в рабочем процессе, и как инструмент вспомогательной аналитики.

Вот несколько примеров.

Переводить сотрудников на новый способ работы с данными сложно — в начале. Мы проводим демо-показы и рассказываем о том, как новый процесс работы с данными влияет на ежедневную работу коллег. Ведь теперь можно получать действительно полезные данные вовремя! Они всегда под рукой.

Постепенно, пользователи привыкают. И даже учатся самостоятельно следить за качеством своих данных — ведь они действительно могут принести много бизнес-выгоды.

Например, у нас есть свой дайджест — это такая ежемесячная рассылка, в которой мы рассказываем о новинках в отчетах (или о проблемах). Делимся статистикой, показываем топ-пользователей за месяц! Это поддерживает внутреннее сообщество, делает инструмент живым, а процесс — веселым.

Нам кажется важным не терять навык общения друг с другом. Мы действительно можем во многом друг другу помочь и, например, поделиться своими наработками, чтобы облегчить процесс работы.

Раньше, все отчеты основывались на Excel, у которого есть много недостатков…
— ограничение по объему данных
— неудобство в объединении разных источников
— сложные способы поддержки консистентности данных (т.е. данные сложно стандартизировать, а это всегда негативно влияет на возможность их анализа)
— отсутствие сквозных фильтров
— ограниченные визуализации и вычисления

Но теперь мы видим большую потребность в отчетности, которую создаем.

Внутреннее сообщество Ростелекома регулярно проводит митапы DataTalks — это встречи, на которых специалисты разного уровня делятся своим опытом в разных направлениях работы с данными, от визуализации до продвинутого Data Science.

Митапы открытые! Каждая встреча транслируется онлайн и записывается, поэтому вы можете посмотреть записи уже опубликованных митапов.

При разработке дашбордов для внутреннего заказчика в компании подготовительный этап часто пропускают. Это приводит к лишним итерациям и сложностям выхода на финальный результат.

Начните процесс разработки дашборда с анализа аудитории, их ключевых показателей, которые им нужно видеть; перейдите к оценке источников данных, и только потом к самой визуализации.

Первичная задача на начальном этапе — определиться с будущими пользователями и их особенностями работы, конечных задач и восприятия.
Узнайте, как именно целевая аудитория будет пользоваться дашбордом.

Например, дашборд может выступать в роли инструмента для получения сырых данных из информационных систем — как интерфейс чтения БД — или использоваться для подкрепления аналитических выводов для руководства. В первом случае, дашборд должен предоставлять удобные возможности для скачивания данных в нужном формате и в табличном виде. Во втором случае — должен давать возможность фильтрации данных и изменения параметров. А если целевая аудитория (например, те, кто находится постоянно на встречах у клиентов) будет просматривать дашборды «на бегу», то нужно адаптировать дашборд под мобильные устройства. При этом, мобильные версии дашбордов должны учитывать небольшой размер экрана и ограниченную скорость мобильного интернета.

Бизнес-аналитики на местах, имея доступ к данным, могут быстро реагировать на изменения бизнеса. Поступает новый запрос — а сотрудники уже знают, где им можно быстро получить ответ. Если происходит какое-то событие, которое может повлиять на бизнес, то, имея прямой доступ к данным, такие сотрудники смогут оперативно оценить обстановку и быстро среагировать.

Если же возможности для анализа данных нет, данные недоступны или их получение не централизовано в удобном и быстром бизнес-процессе, то мы встречаемся: