Jak mít uklizeno ve vizualizační platformě (GoodData) | Mňamka #126

Mít uklizeno ve vizualizační platformě je občas docela oříšek. Co dělat, abychom se z toho nezbláznili a nestrávili víc času hledáním metriky/reportu než analytickou prací samotnou? 

Máme tu pár tipů pro pořádek v GoodData, ale většina aktivit může být aplikována i na ostatní vizualizační tools.

Nepleťte si pojmy s dojmy

Vše začíná u výstižných a konzistentních názvů (aneb nenazývejte operátora v jedné tabulce agentem a v druhé userem :) To se hrozně lehce řekne, ale není to tak jednoduché dodržet že? Systémy i lidé se střídají/migrují a "entropie vzrůstá"...

Jak z toho ven? Zaveďte v podniku businessový slovník (ve kterém lze mimojiné fulltextově vyhledávat) a zařaďte ho do procesu validace nových či změnových požadavků. Jeho samotné vytváření vás donutí jasně definovat pojmy (včetně metrik), uživatelům nebudete muset furt vysvětlovat, kdo je a kdo už není nový zákazník a nám datařům toho operátora/agenta/usera můžete mlátit o hlavu dokud to jednoho krásného dne nesjednotíme. Předejdete tím i vytváření duplicitních metrik.

Utřiďte si Data Catalog

V novém GoodData si můžete zapnout roztřídění dle Folders, což vám atributy roztřídí dle tabulek a metriky dle složek. Já osobně preferuju zapnout rozbalení seznamu jako defaultní chování. Pokud toto roztřídění z jakéhokoliv důvodu nepoužíváte, tak se v GoodData vyplatí do každého názvu sloupce přidat i do závorky i název tabulky.

Využívejte Drill Down Paths

Naučte uživatele drillovat (nejen) do hierarchie atributu. Ušetříte tím nejen GoodData šťávu, ale hlavně se zbavíte spousty reportů, které vlastně ukazují to samé, jen přes jinou úroveň detailu.

Dolujte metadata

GoodData metadata lze používat pro optimalizaci LDM skrze identifikaci nepoužívaných tabulek či atributů, úklid nepoužívaných či duplicitních metrik i reportů, zajištění konzistence metrik napříč více projekty (metrika je stejně definovaná ve všech projektech) nebo i pro aktualizace výše zmíněného businessového slovníku (související objekty, definice, popis metriky).

Zapomněla jsem na něco? Chcete se na něco zeptat? Napište mi. 

Verča

Veronika Špryslová
datový detektiv
LinkedIn

Jak datová analytika mění fotbal | Mňamka #397

Jak datová analytika mění fotbal | Mňamka #397

Datová analytika už je všudypřítomná, a to i na moderních fotbalových hřištích. Možná jste si také všimli, že ještě zhruba před 10 lety stříleli hráči napříč všemi ligami na branku z mnohem větší vzdálenosti, než je běžné dnes. Co stálo za touto změnou? No samozřejmě, že data. Fotbalové týmy sbírají obrovské množství dat a díky tomu tak už v dnešní době naprosto přesně vědí, jaká je šance na vstřelení gólu z jakékoliv pozice na hřišti. Přečtěte si článek z Nature o tom, jak data mění svět fotbalu!

Data-driven firmy v roce 2023 | Mňamka #396

Data-driven firmy v roce 2023 | Mňamka #396

Většina firem v letošním roce na cestě stát se data-driven příliš nepokročila. Například podle nedávného průzkumu agentury Forrester pouze 48 % dotázaných firem činilo rozhodnutí na bázi kvantitativní analýzy. Zbytek se tak stále ještě rozhoduje spíše podle intuice. Právě v tomto ohledu by ale v roce 2023 mohly nastat velké změny. Zvláště v časech ekonomické nejistoty je totiž naprosto klíčové činit taková rozhodnutí, která vaši firmu nasměrují na růstovou trajektorii. Podívejte se proto na 5 pragmatických kroků, které můžete učinit i vy!

Před a po – datová edice | Mňamka #395

Před a po – datová edice | Mňamka #395

Většina grafů a dashboardů začíná svůj život v celkem jednoduché a přehledné formě. Všichni se v nich tak snadno orientují a mohou se na jejich základě i rychle rozhodovat. Pak to ale začne – proces postupného nabalování. S každým dalším meetingem přicházejí nové požadavky na to, co všechno je potřeba doplnit a vylepšit. Takhle to pokračuje tak dlouho, až jednoho krásného dne koukáte na report a není vám vůbec jasné, co si z něj máte vlastně odnést. Pokud vám tohle zní povědomě, podívejte se, jak z toho ven!