Na quinta-feira, 4 de outubro, participei da conferência DataVizDay em Minsk como palestrante. Vou compartilhar as idéias e impressões mais interessantes de Misnka.
Ideias-chave:
- 80% de seus esforços serão antes da BI e da visualização, porque os dados são ruins ou muito ruins e, basicamente, você gastará tempo preparando e coletando dados.
2. No entanto, a visualização cria o valor da data do seu produto. Sem visualização, verifica-se apenas um monte de números. - Infelizmente, muitas vezes a visualização é ruim, eles usam abordagens ruins, tipos de gráficos e histogramas, sobrecarregam representações com detalhes. Como resultado, geralmente vemos o Kill por powerpoint e a abundância de dados não adiciona transparência às análises.
- O Excel continua a desempenhar um papel significativo nos processos. E, muitas vezes, as empresas não estão prontas para avançar para algo avançado. Mas mesmo no Excel, você pode criar muitas coisas interessantes, porque as boas análises provavelmente começam com limpeza e preparação de dados, e não com belos painéis.
- De casos de negócios - o uso de dados em redes sociais para construir um mapa de "pensamentos" sobre partes da cidade. Por exemplo, em Moscou, todos os tweets sobre o centro, mas ninguém escreve sobre a vida no centro. Parece não estar no espaço social, embora a maioria dos habitantes de Moscou viva lá.
- Os casos mais tradicionais são análises transversais do contato à venda. É verdade que até agora ninguém apresentou um caso de análise não apenas de ponta a ponta do contato, mas dado o fato de que o cliente pode ter muitos contatos e o último contato que levou à compra não é o ponteiro mais confiável para o canal de atração. Portanto, por enquanto, todas as nossas análises de ponta a ponta são um tanto distorcidas pela excessiva importância dos canais e pela subestimação do fato de que as pessoas podem ter muitos contatos com a marca.
- Houve muitas discussões sobre visualizações ruins e como corrigi-las. Aprendi que as pessoas estão abusando de um gráfico de pizza e, para superar esse problema, todo um bloco de uma das apresentações foi alocado. Os gráficos de pizza sugerem mudar para barras, gráficos de chave de acesso ou geralmente substituir linhas.
- Dois paradigmas estão lutando - um analista de dados deve pressionar apenas os botões e um analista de dados deve poder escrever código (R / python, SQL) para suas visualizações e processamento de dados de pipeline. Pessoalmente, sou partidário da segunda abordagem, algo como o paradigma DevOps, apenas em análises, quando a questão técnica não deve ser um obstáculo à entrega de produtos analíticos.
- Muitas pessoas com quem conversei costumam se queixar de não terem construído um data warehouse conveniente e precisam concluir muitas coisas no Excel. Isso apesar do fato de terem muitos Itshniks barbudos que estão vendo essa loja há anos.
- Outro problema é a forte separação entre TI / não TI. As pessoas não sabem falar o mesmo idioma e não resolvem o problema, mas apenas resolvem problemas na "sua área de responsabilidade". É aqui que instalações de armazenamento desnecessárias estão localizadas e, ao lado delas, as pessoas estão vendo seu pipeline no excel.
- Conversamos com um colega sobre outro problema urgente - como aumentar a alfabetização de dados na empresa. Quaisquer que sejam os dados e o armazenamento, sua extração, interpretação e processamento incorretos significam análises falsas. E como os dados estão se tornando cada vez mais democráticos, cada usuário deve, de alguma forma, receber treinamento mínimo para poder usá-los. Mas geralmente nas empresas nem tudo é tão bom com esta preparação, treinamento e documentação sobre o uso do repositório. Se alguém conseguiu organizar um bom treinamento em alfabetização de dados, você pode falar - um tópico importante e eu estarei na vanguarda.
- Alguns tópicos cobriram o trabalho com mapas. Infelizmente eu perdi esses discursos. Só posso dizer que trabalhar com cartões e sua visualização é uma ferramenta realmente interessante e importante para gerenciar uma empresa. O placar e o power BI podem desenhar vários mapas, pontos, polígonos e linhas nos mapas, o círculo está cheio de fontes de dados geográficos que você pode combinar com os dados da sua empresa e obter informações interessantes: novos pontos para negócios, concentração de concorrentes, informações sobre a distância para seus clientes, a relação entre habitação e consumo e muito mais. Em breve irei escrever minha experiência com cartões e quais ferramentas testamos.
- Meu tópico do relatório foi dedicado à experiência de organização do trabalho do departamento de análise de scrum. Sobre isso, farei um post separado.
Devo ir à conferência? É sim. Mas apenas espere que uma parte comparável das informações úteis não seja obtida nos relatórios, mas na comunicação com pessoas que vieram com problemas semelhantes aos seus. Não embote nos intervalos para café e comunique-se com o maior número possível de pessoas!
Minsk em si é uma cidade bonita. Por alguma razão, eu estava esperando uma "colher congelada". De qualquer forma, essa impressão permanece da parte internacional do aeroporto de Minsk. Mas a própria cidade parece uma mistura de São Petersburgo, Moscou stalinista e não muito "Sovka". Ao mesmo tempo, tudo é arrumado, não sobrecarregado com prédios vedados, muito espaço e até casas com pá parecem decentes.
Os organizadores prometeram no próximo ano realizar uma conferência em dois locais em Moscou e Minsk; portanto, se você não for a Minsk, tente ir a Moscou.
Eu também tinha um relatório e não sobre visualização, mas sobre como fizemos o scrum na equipe analítica. Compartilharei relatórios no próximo artigo.