Definice use case (případ užití) a jeho úloha v datové strategii firmy | Mňamka #123
Na tento článek jsem si brousila zuby už nějaký ten pátek. Můžete mít totiž mraky dat, nejmodernější technologie nebo nápis “data - driven firma” nad vstupem do budovy, ale pokud nemáte rozmyšlený a dobře definovaný use case, je vám to lidsky řečeno “ k prdu”.
Během prvních schůzek se zákazníkem se například vůbec nebavím o datech a technologiích, ale řeším výhradně jeho business, otázky které si on a jeho tým pokládá, procesy ve firmě a celkové fungování v jeho oboru / oblasti... Prostě data, která máte, se kterými pracujete, nebo budete pracovat, se vždycky musí točit kolem businessové otázky. Bez toho to jsou jen čísla o ničem. A hlavně - nikdo je nebude používat.
Pojďme začít tím, že si řekneme, co myslím tím “use casem” při zavádění analytiky nebo business intelligence ve firmě. Use case, chápu jako funkčnost nebo využití dat - vždy se váže k nějaké roli a k tomu, co ta role potřebuje pro dosažení svých KPIs / růstu byznysu. Cílem je pojmenovat aktuální (i strategické) požadavky businessu. Příklad: Obchodní ředitel potřebuje naplňovat obchodní kvóty. Marketingový ředitel potřebuje vědět, kolik ho stojí jeden lead z placené kampaně. Šéfka call centra sleduje výkon operátorů z hlediska odbavených úloh a operací.
Use case z pohledu datové strategie ve firmě
1. Business strategie - Když máte dobře definovanou obchodní strategii, priority ve vaší firmě a klíčové obchodní otázky, tak pak můžete pomocí dat začít na tyto otázky odpovídat. Neberte si toho moc - stačí pro začátek 3-5 definovaných datových use case (případů užití).
2. Superstar & quick win - Vyberte jeden use case, který vás pálí nejvíc a tím začněte. Je to jednoduché. Nevezmete si toho na bedra tolik a budete mít rychle hotový výstup (třeba dashboard), který mohou lidé začít používat. Navíc čím dřív ho lidé ve firmě začnou používat, tím dřív můžete začít odstraňovat mouchy jako “blbě se mi ten vizualizační nástroj ovládá” nebo “bojím se to používat”, které brání v úspěšné digitalizaci a vaším snem stát se data-driven (datově řízenou) firmou.
3. Co za data budete potřebovat? Tak tuhle otázku je třeba si také položit včas. Je super, že máte use case, ale je dobrý mít pro něj potřebná data. Nemáte? Nezoufejte, ne vždy máte všechny odpovědi ve svých datech. Já tvrdím, že síla dat je hlavně jejich obohacení - spojením vícero systémů nebo přidáním externích databází. Zjednodušeně se dá říct, že tím tak vaše data získají větší kontext. Příkladů je hned několik. Třeba data o zákazníkovi (CRM) můžete spojit s účetnictvím. Získáte tak informace, kolik jaký zákazník u vás reálně utrácí a jak se to promítá do celkových financí. Nebo můžete svá data obohatit o externí zdroje - třeba o geolokační data platformy CleverMaps nebo použít nadupané databáze o firmách BizMachine a on-trade channel databází SharpGrid.
4. Datová kvalita / Data governance - Pro celkový obrázek si nezapomeňte také ujasnit, kdo se bude starat o kvalitu dat, jak často budou probíhat aktualizace, kde může nastat riziko apod. Teď se o tom nebudu rozepisovat, toto téma krásně popsali náš Patrik a Veronika v ebook - Řízení datové kvality.
5. Technologie / Datová infrastruktura - co za šoupátko dat (ETL) vizualizační nástroje atd… Přesně tak. Technologii řešíte až úúúplně nakonec. A jakou to má souvislost s naším use casem? V BizzTreat v tom máme jasno: Stavba datové architektury a výběr technologie by se vždy měl odvíjet o vybraných use casů. Totiž například jiný vizualizační nástroj použijete, když máte mnoho uživatelů, jiný, když chcete real-time data a jiný, když máte expertní analytický tým.
Co k tomu na závěr? Trochu doufám, že se mi povedlo vysvětlit důležitost use casu při digitalizaci vaší společnosti.
Zapomněla jsem na něco? Chcete se na něco zeptat? Napište mi.
Eva
Jak na pavučinové grafy | Mňamka #437
Pavučinové (neboli paprskové) grafy patří k nejimpozantnějším grafům, se kterými se v moderních byznysových vizualizacích můžete setkat. Hodí se např. k porovnání dvou produktů na základě široké škály různých ukazatelů. Nebo jsou hojně využívány ve sportovní analytice ke komparativnímu srovnání výkonů jednotlivých hráčů. Pro nezasvěcené publikum ale mohou být jen obtížně stravitelné. Dnes si proto ukážeme, jakých zásad se při vytváření pavučinových grafů držet a jak se v nich co nejlépe orientovat!
5 mýtů o cloudu | Mňamka #436
Řešit data v cloudu dává smysl čím dál většímu počtu firem. A není se čemu divit, cloud totiž nabízí neuvěřitelnou flexibilitu a jednoduchost použití. Přesto se ale stále najde spousta firem, které jedou kompletně on-premise a s přechodem na cloud váhají. Někdy má takové rozhodnutí objektivní důvody, často ale bývá spíše výsledkem mylných představ, které o cloudových datových skladech panují. A právě na to si posvítíme v této mňamce. Pojďte se se spolu s námi podívat na 5 nejčastějších mýtů o cloudu!
Pandas – k čemu slouží, k čemu jej raději nepoužijeme a jeho alternativy | Mňamka #435
Pandas je jednou z nejpoužívanějších knihoven pro zpracování dat v jazyce Python. Jeho největší předností je zejména jednoduchá a intuitivní syntaxe a také rychlost, se kterou můžete zpracovávat velké datové soubory. V BizzTreatu ho proto často využíváme např. pro ad hoc analýzy dat, kdy potřebujeme rychle prozkoumat, jak data vlastně vypadají a jaká je jejich kvalita. V dnešní mňamce od Báry si ukážeme, kde všude lze Pandas použít a jak si stojí v porovnání s ostatními knihovnami!