[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

Jak využít Pohodu (a jiné datové zdroje) v BI? | Mňamka #201

Jak využít Pohodu (a jiné datové zdroje) v BI? | Mňamka #201

Vědět, v jaké je firma finanční kondici a kam pluje je jedna z klíčových věcí pro její správné kormidlování. Jenže jak to dát všechno dohromady? Jak využít všechny ty datové zdroje, které máme k dispozici? Potřebujete mít všechny finanční pohledy aktuální pár minut po zaúčtování dokladu? Pojďme se na to podívat krok za krokem – jen namátkově vytvoření mappingů, očištění dat, datový model a na závěr už chybí jen pár vymazlených dashboardů!

Řízení datové kvality: Data Governance | Mňamka #198

Řízení datové kvality: Data Governance | Mňamka #198

Mít pořádek v datech je pro mnoho firem sen. Data Governance je komplexní a jde ještě hlouběji. O co opravdu jde? Pojďme se na to podívat! Celé je to o strategické správě dat – propojuje podnikovou strategii a data s cílem vytvořit takové prostředí pro operace s daty, které bude produkovat kvalitní a důvěryhodné výstupy pro podporu rozhodování organizace. Proč se o ni teď tolik mluví? A jaké oblasti s ní souvisí? Zjistěte víc!

Churn prediction model | Mňamka #195

Churn prediction model | Mňamka #195

Získávat nové zákazníky je pro firmy velmi drahé. Snižovat churn je proto pro mnohé z nich jednou z priorit. Pokud dokážeme včas rozeznat tendenci k odchodu určitého zákazníka, máme šanci toto rozhodnutí zvrátit. Co je churn prediction model a jak na něj? Co potřebujeme, abychom byli schopni vytvořit opravdu dobrý model? Jak takový model vypadá a co s ním dál? Adam sepsal své zkušenosti!