[VIDEO] K čemu vám může být datová analytika? | Mňamka #61

Staré, ale stále platné! Článek a video vznikli v roce 2017. Dnes už koukáme na vizuálně trochu jiný dashboard (uvidíte ho v článku níže), přesto stále platí stejná pravidla i v roce 2020.

Velmi často v od vás dostáváme otázku: K čemu mi může být datová analytika či služby datového detektiva užitečné? Často po nás chcete konkrétní příklady z praxe, ale protože důvěrnost dat našich zákazníků je alfou a omegou celého byznysu, rozhodli jsme se ukázat vám příklady toho, jak datovou analytiku používáme v BizzTreat sami pro sebe - takovéto Datový detektiv sobě!

Jak vypadá dashboard dnes?

Níže si dáme shrnutí k videu. Pojďme si ale zkraje ukázat, že i dashboard se může vyvíjet:-) Dnes vypadá takto a není už zdaleka jediným, který si každé pondělí ukazujeme. 

Co nás zajímá nejvíc?

Sledujeme 3 základní parametry, které jsou klíčové pro finanční zdraví celého BizzTreat

  • dosažené průměrné hodinové sazby

  • počtu odpracovaných hodin, které budeme přímo fakturovat zákazníkovi a

  • tzv. utilizace: poměru placených hodin vůči všem odpracovaným hodinám.

BizzTreat: Srování aktuálního plnění vůči plánu

Základní teploměr nám ukazuje, kolik placených hodin jsme už dodali a to zda míříme ke stanovenému cíli. Používáme 2 cíle, minimální, stanovený tak, abychom pokryli všechny náklady firmy a vytvořili domluvený zisk, a optimální, který pokrývá náklady, zisk a umožnuje nám investovat do rozvoje firmy.

Vidíte, že tento měsíc se nám moc nedaří.

Graf vedle dokonce ukazuje i proč. Zde vidíte rozpad placených hodin na jednotlivé klienty (jejich jména jsme pro účely tohoto videa anonymizovali). Červená čára ukazuje počet hodin, nasmlouvaných v paušálu, oranžová tuto informaci přepočítává k dnešnímu dni. Vidíte tedy, že u třech označených klientů jsme ve zpoždění s dodávkou.

BizzTreat: Průběžné plnění závazků vůči jednotlivým klientům

Co je k tomu potřeba?

Abychom mohli takto náš byznys analyzovat, musíme

  • "vyndat" data ze systémů, které používáme - tady vidíte, že používáme Fakturoid na fakturaci a Paymo pro vykazování

  • dále je nutné data vyčistit a obohatit

  • a potom "natlačit" do nějakého zobrazovátka, v našem případě používáme Tableau.

BizzTreat: ETL proces v Keboola Connection

A to je vše:-)

Vypadá to jednoduše, že jo? Říkáte si “to umím udělat v excelu taky”? Zkuste data aktualizovat denně. Nebo několikrát denně. A co když těch dat máte tolik, že se to už ani do excelu nevejde? Co když potřebujete udělat malou změnu a celá soustava vašich excelů se vám rozsype? Tak to všechno jsou situace, kdy se vám vyplatí volat datového detektiva.

Máte k článku nějaké otázky nebo připomínky? Klidně mi napište, rád to s Vámi proberu :-)

Radovan Jirka
datový detektiv
LinkedIn

Zeptej se svých dat: BigQuery vs. Fabric vs. Copilot | Mňamka #558

Zeptej se svých dat: BigQuery vs. Fabric vs. Copilot | Mňamka #558

Je to sen skoro každého manažera: místo čekání na analytika prostě napíšu do chatu „jak nám rostly tržby po regionech za poslední kvartál?" a za pár vteřin mám odpověď, ideálně i s grafem. Říká se tomu konverzační analytika a tři velcí hráči ji dnes nabízejí. My jsme si všechny tři osahali. Tady je upřímné srovnání, co funguje a kde to zatím drhne.

Postavili jsme stejného AI chatbota nad firemními daty v Googlu i v Microsoft Azure. | Mňamka #557

Postavili jsme stejného AI chatbota nad firemními daty v Googlu i v Microsoft Azure. | Mňamka #557

Skoro každá firma dneska sedí na hromadě vlastních dokumentů - produktové listy, FAQ, smlouvy, zápisy z projektů. A skoro každá firma by chtěla to samé: chatbota, kterému napíšete otázku a on odpoví z vašich dat, ne z toho, co si kde přečetl na internetu. Zní to jednoduše. My jsme si to chtěli osahat pořádně, a tak jsme jedno a to samé řešení postavili dvakrát - jednou v Google Cloudu, podruhé v Microsoft Azure. Tady je, co z toho vypadlo.

Microsoft Fabric vs. dbt | Mňamka #556

Microsoft Fabric vs. dbt | Mňamka #556

Když firmy modernizují svou datovou platformu, narazí dřív nebo později na otázku, jaký datový stack zvolit a co je pro jejich byznys nejvhodnější. Migrovat na Microsoft Fabric? Nasadit dbt? Otázka je ale položená trochu zavádějícím způsobem, jde totiž o srovnání dvou věcí, které stojí na jiné úrovni datového stacku: Fabric je platforma, dbt je transformační nástroj, který na takové platformě běží. Přesto má smysl se ptát, jak se tyto dva světy doplňují, kde si uvnitř Fabricu konkurují nativní nástroje a dbt, a kdy se vyplatí sáhnout po dbt jako standardní transformační vrstvě.