fbpx

30.11.2018

Kā datu vizualizācija palīdz pieņemt pareizos lēmumus?

Standarta analītiskās sistēmas, tādas kā Google Analytics, Microsoft Excel, ataino atskaišu datus tabulu veidā. Šāds izkārtojums ir derīgs detalizētās informācijas un atskaišu punktu atainošanai. Bet ne vienmēr tabulas atklāj vēsturiskos datus un ne vienmēr ļauj ātri ieraudzīt svarīgāko. Lai izveidotu informāciju ērtākā veidā, aicinām izmantot datu vizualizācijas rīkus un instrumentus. Šajā bloga rakstā pastāstīsim, kā izveidot caurskatāmu atskaiti, izmantojot PowerBI rīku.

 

Datu vizualizācijas sniegtās iespējas

Power BI ļauj vizualizēt datus un padarīt tos daudz caurskatāmākus. Rīkam Power BI ir ļoti ērts, un intuitīvi saprotams interfeiss datu modelēšanai un vizualizācijai. It īpaši tuvs un saprotams tas liksies tiem lietotājiem, kas ir pieraduši strādāt ar Microsoft Excel rīku ikdienā.

Minētais rīks ļauj pieslēgt dažādus datu avotus, izmantojot tikai vienu klikšķi. Sistēmas galerijā ir pieejami daudz vizualizācijas instrumenti dažādiem atskaišu tipiem. Speciālistiem ir iespēja strādāt kā uz cloud-based risinājuma, tā arī izmantojot darbvirsmas versiju.

 

Atskaišu piemēri rīkā Power BI

Piemērs Nr. 1

Power BI un pārdošanas rezultāti

Izskatīsim, izmantojot biznesa piemēru, kā izveidot atskaiti caurskatāmu. Ja aplūkosim datus tabulas veidā, tad rodas iespaids, ka plāns netiek izpildīts pietiekami labi, ka viss ir slikti un kādam būs jāšķiras no domas par kāroto prēmiju:

Bet ja attēlot šos pašus datus, izmantojot zemāk parādīto diagrammu, kur stabiņi ir – faktiskās vērtības, bet līnījdiagramma – tās ir plānotās vērtības, tad kļūst acīmredzams, ka kopējā attīstība un sasniegumi nav nemaz tik slikti:

Jā, pagaidām plāns netiek izpildīts pilnībā, bet vērtības ir ļoti pietuvinātas vēlāmiem cipariem. Kopējā dinamika norāda uz to, ka darbinieki piepūlas sasniegt uzstādīto rezultātu, un, iespējams, liegt cilvēkiem saņemt prēmijas – šobrīd nebūtu pareizākais lēmums.

 

Piemērs Nr. 2

Power BI un patērētāju uzvedības novērtējums

Izskatīsim citu tabulas piemēru, kur ir attēloti klikšķi, veiktās tranzakcijas un apgrozījums dažādās kategorijās. Mēs varam sašķirot tabulas vērtības pēc apgrozījuma (no lielākās uz mazāko). Kļūst acīmredzams un skaidrs, ka kategorijas, kas tiek atainotas tabulas augšdaļā, nes labākus pārdošanas rādītājus:

Veiksim tabulas pārveidi uz burbuļdiagrammu! Uz ass X ir attēloti klikšķi, uz Y ass – tranzakcijas, burbuļa izmērs ir uzņēmuma peļņa, bet krāsa attēlo PowerBI atrastos klasterus jeb sakarības grupas mērogā. Uzreiz redzam, ka dzeltenā klastera ieņēmumi ir būtiski mazāki kaut arī visvairāk klikšķu saņēmušās kampaņas nes līdzīgu transakciju skaitu kā kampaņas ar augsto apgrozījuma līmeni.

Tabulā apgrozījums izskatās ar visai mērenu lejupslīdi un transakciju saistību ar klikšķiem. Tomēr diagramma atklāj, ka vesela kampaņu kategorija, rēķinot apgrozījuma, klikšķu un transakciju attiecību, ir ļoti neefektīva. PowerBI skaistums parādās brīdī, kad uzklikšķinām uz kāda objekta, piemēram, klastera un uzreiz redzam izmaiņas visās pārējās vizualizācijās ekrānā.

Piemērs Nr. 3

PowerBI un finanšu rādītāji

Izskatīsim vēl vienu piemēru. Kā tiek sadalīts apgrozījums starp produktiem tabulā:

Attēlojot tos pašus datus, izmantojot diagrammu, viss kļūst acīmredzams:

Pēdējais stabiņš – ir kopējais apgrozījums. Savukārt pirmie trīs stabiņi – ir apgrozījuma sadalījums pēc iepriekšējā tabulā minētām kategorijām.

Piemērs Nr. 4

Power BI un mārketings

Nākamajā tabulā ir attēlots, kādi atslēgas vārdi veicina tranzakcijas reklāmas kampaņā. Šos datus var sašķirot, balstoties uz veikto tranzakciju skaitu jeb skaitu, cik pārdošanas cikli ir noslēgti (dilstošā secībā):

Ja, balstoties uz šīem datiem, izveidosim kategoriju “koku”, tad daudz ātrāk un skaidrāk sapratīsim, ka tikai 2 atslēgvārdi nodrošina reklāmas kampaņas efektivitāti, bet pārējie vārdi ietekmē to minimāli:

Datu augšupielādēšana Power BI rīkā

Nelielu sarežģītību rada fakts, ka izmantojot standarta rīkus, nevar  augšupielādēt tiešsaistes mārketinga datus Power BI rīkā. Piemēram, Jūs nevarat izvilkt vai lejupielādēt ne-sample datus no Google Analytics rīka. Ir pielāgoti risinājumi, kas ļauj pareizi un korekti pieslēgt ārējos avotus pie Power BI rīka, bet tie tomēr Jūsu vietā neuzbūvēs datu modeli un datu vizualizācijas modeli, neizveidos sasaisti no reklāmas sistēmu klikšķiem ar sesijām tiešsaistes analītikā, un tā tālāk. Tas nozīmē, lai sasniegtu biznesam noderīgu rezultātu, ir jāiegulda laiks un precīza vīzija par to, ko Jūs gribat redzēt no datu vizualizācijas, kā arī, kā tās izmantot turpmāk.

Minētie datu lejupielādes un augšupielādes pakalpojumi ļauj ātri pievērsties datu analīzei un izveidot savu, biznesam pielāgotu atskaiti Power BI rīkā. Servisi parši krāj statistiku no reklāmas sistēmām un tiešsaistes analītikas, sasaista tos savā starpā un nodod tos gatavā veidā Power BI instrumentam perfektam datu atspoguļojumam.

Vizualizējot datus, ir svarīgi ievērot, KO Jūs gribat saprast no atskaites un uz KO vēlāties fokusēties. Piemēram, uzņēmuma vadītājam ir pietiekami redzēt biznesa stratēģiskos rādītājus bez detalizācijas, savukārt satura reklāmas specialistam ir jābūvē detalizētākas atskaites ar sadalījumu pēc dažādiem segmentiem ar vairāku mainīgo daļu pievienošanu.

Power BI dod iespēju mārketinga speciālistiem un pārdošanas speciālistiem vizualizēt informāciju un būvēt pārskatāmas atskaites. Power BI palīdz analizēt datus ērtā un saprotamā veidā, sekot līdzi izmaiņu dinamikai un novērtēt svarīgus rādītājus.