Zpracování dat z LinkedInu prostřednictvím ETL nástroje Bizzflow | Mňamka #494

Pro některé je LinkedIn pouze sociální sítí, na které mají svůj profesní profil, jen aby se neřeklo a pro některé může být LinkedIn jakási svatyně personal brandingu a navazování profesních kontaktů. Fakt, že LinkedIn generuje celosvětově až 80% B2B leadů ze všech sociálních sítí jen potvrzuje to, že zvláště pro firmy je LinkedIn skvělým místem, kde prezentovat svoje produkty či služby. 

V dnešní mňamce bych ráda popovídala o tom, jak jsem postupovala ve své bakalářské práci na téma Zpracování marketingových dat prostřednictvím ETL nástroje Bizzflow a v podstatě tak představit velmi krátký příběh, jak jsem se dostala z nápadu až k hotovému dashboardu.

Nápad

Když jsem přišla s tím, že potřebuji téma na bakalářskou práci, nebylo těžké ho vymyslet. Žádná marketingová data jsme doposud zpracované v Bizztreatu neměli, a protože jedním z kanálů, kde prezentujeme, naše kouzla, je LinkedIn, datový zdroj byl také jistý. Zároveň si sami vyvíjíme super nástroj pro zpracování dat, takže Bizzflow byla první volba. Voila, nápad máme.

Následovala debata o tom, jaká data chceme zpracovat. Možností bylo několik. Mohli jsme zpracovat data o jednotlivých účtech, dále data o tom, jaké příspěvky Bizztreat přidává a statistiku k nim, zpracovat síť kontaktů, či dokonce zpracovat informace o korespondenci. Všechny tyto možnosti nabízí samotné LinkedIn API. Nakonec jsme se rozhodli zpracovat data o příspěvcích, které vydáváme jménem Bizztreat. Otázky, které jsme si dali, jsou například “Co můžeme dělat líp?” nebo  “V čem už dobrý jsme a v čem nadále pokračovat?”. A přesně tyhle otázky byli pro mě důležité, jakožto člověka v roli, který má vytvářet výsledné řešení. 

Před samotným tvořením je vždy dobré si celou práci nejdřív rozvrhnout. Jedno slovo. Mockup. Mockup je super nástroj na nejen rozvržení celé práce, ale i k tomu, že se řešení člověka, který projekt tvoří, nerozejde s představou zadavatele projektu. A tak jsem vytvořila mockup dashboardu, který prošel schválením. 

Bizzflow projekt

Poté probíhalo klasické nastavování. Každý CSV soubor s daty o příspěvcích byl nahrán na Google Disk a nastavila jsem Google Spreadsheet extraktor, který díky Bizzflow dokumentaci zvládne nastavit každý. Pak se děla nějaká ta kouzla, díky nimž vznikly užitečné transformace (samozřejmě žádné prasárny nechceme, takže si hezky nastavit nějakou strukturu, kterou dodržujeme, nic nepsat natvrdo ale lehká automatizace se hodí, žádná magic numbers! atd..). Už nám chybí jen datamart a writer, které v Bizzflow je hračka nastavit. 

Gooddata 

Posledním krokem byla samotná vizualizace a vybrala jsem si nástroj Gooddata. Důvody byly hned dva. První důvod byl, že sám Bizztreat má veškerá svá interní data zpracovaná a vizualizovaná v Gooddata a tak dává větší smysl mít všechno po kupě. Druhým důvodem bylo, že v Gooddata mám asi největší zkušenosti a co si bude, u bakalářky se nevyplácí riskovat. :-) 

Dashboard podle mockup už je v podstatě třešničkou na dortu. Nějaké to menší trápení proběhlo při vytváření metrik pomocí MAQL jazyka (kdo neví, o čem mluvím, kolegyně Péťa má super článek na téma MAQL vs. SQL). Další tip, Custom formátování metrik je taky skvělý nástroj, jak zvýraznit, že jsou čísla v insightu OK a nebo že je něco špatně. Já formátování využila na statistiku porovnání přidávání příspěvků. Každý účet měl nastaven minimální počet příspěvků, kolik jich je třeba každý měsíc přidat. Vytvořila jsem metriku, ve která jsem odčítala počet přidaných příspěvků od minimálního počtu příspěvků a do formátování jsem nastavila zabarvení čísla červeně, pokud je číslo < 0, zabarvení černě pokud je číslo = 0 a zelené zabarvení, pokud je číslo > 0. Takový formát metriky vypadá nějak takto: [<0][red]-#,#.##;[>0][green]#,#.##;[=0][black]#,#0

 

No a to je vlastně všechno, co jsem vám dneska chtěla říct. Snad vás můj krátký příběh na chvíli zabavil a nenudil, a třeba si ze článku odnesete nějaký ten tip. :-) Mějte se krásně a tvořte transformace! 

Zdroje:

https://www.linkedin.com/pulse/vyst%C5%99elte-v-roce-2023-kone%C4%8Dn%C4%9B-sv%C5%AFj-byznys-vzh%C5%AFru-pomoc%C3%AD-libovick%C3%A1/?originalSubdomain=cz

Máte k článku nějaké otázky nebo připomínky? Klidně nám napište, rádi to s Vámi probereme :-)

Anna Ševčíková
  data detective

Jak ohodnotit lokalitu: Data vs. Pocity | Mňamka #523

Jak ohodnotit lokalitu: Data vs. Pocity | Mňamka #523

V dnešním dynamickém světě se může zdát, že rozhodování o tom, kde otevřít další pobočku, je náročné, a že v něm hraje roli až příliš mnoho faktorů. Často kladené dotazy, které dostáváme, se točí kolem hodnocení potenciálu konkrétních lokalit. V tomto článku vám ukážeme, jak Location Intelligence může poskytnout přesné odpovědi na vaše otázky a zajistit, že vaše rozhodnutí budou založena na datech a faktech, nikoli na pocitech a zdánlivé atraktivitě místa.

Vánoční dashboard datových detektivů | Mňamka #520

Vánoční dashboard datových detektivů | Mňamka #520

Chtěli jsme pro vás připravit nějaký netradiční obsah, trochu odlehčit, když jsou ty Vánoc a tak jsme sestavili dotazník s vánočně laděnými otázkami a poslali ho všem datovým detektivům, abychom zjistili, co pro naše kolegy Vánoce znamenají. A máme pro vás VÝSLEDKY! Pojďme na ně.

Tableau - Performance Tuning (časť 3.) | Mňamka #506

Tableau - Performance Tuning (časť 3.) | Mňamka #506

Chcete vědět, jak zlepšit rychlost a efektivitu vašeho dashboardu v Tableau? Tento článek vás seznámí s významem materializace výpočtů, výhodami agregace dat a důležitostí specifikace datových zdrojů. Navíc se dozvíte o nové funkci "workbook optimizer", která vám nabídne automatizované doporučení pro dosažení optimálního výkonu vašeho dashboardu. Přečtěte si více a dozvíte se, jak dosáhnout rychlejšího a hladšího provozu vašich vizualizací v Tableau.