Business intelligence: Od data-driven k decision-driven | Mňamka #261
Nedávno jsem narazila na tento článek od Marka Palmera o tom, že velmi oblíbený buzzword "Data-driven" není tak úplně ten pravý, že lepší by bylo používat "Decision-driven". Za mě trochu slovíčkaření, ale vlastně mě to donutilo se nad tím lehce zamyslet, tak třeba můžete se mnou.
Proč?
👉 Začíná se otázkou a ne daty... Tak to prostě je.
Než začnete v datech něco šroubovat a vytvářet monstrózní datawarehousy, tak je potřeba si ujasnit otázky, na které pomocí dat chcete znát odpovědi. A pak to teprve začít stavět.
👉 Datový projekt vede člověk z #business, ne z BI oddělení.
Směr udává šéf marketingu, ne datař, který staví řešení. Ten totiž často nerozumí, co šéf marketingu řeší a na co potřebuje znát odpovědi.
👉 Nejprve po povrchu, pak se pořádně potopit.
Nejdřív chcete vidět základní čísla, pak se teprve do dat víc a víc nořit. Obráceně je to cesta do pekel. A navíc, ze základních čísel budete mít první povědomí, co se u vás ve firmě děje a můžete se zaměřit na číslo, které vás trápí nebo těší nejvíc.
👉 Data strukturujeme podle položené otázky.
Když tvoříme datové řešení a máme už očištěná a připravená data, je super je rozdělit do jednotlivých chlívků podle použití - marketing, sales, atd. Prostě je škálovat. Přispívá to k vysoké datové kvalitě, efektivitě a rychlosti.
A taky to ukáže, kde nám nějaká data chybí a kde je potřeba to narovnat u vstupu. Myslíte si, jak sledujete dobře GAčka? Zkuste je napojit do datového řešení. Často se ukáže, že je potřeba jinak začít trackovat třeba kampaně.
👉 Zapojte širší tým. Šéf ne vždy potřebuje pohled, co marketingový specialista.
Ano, business intelligence, data-driven a já nevím co všechno je hlavně o komunikaci. Je to o hledání odpovědí na otázky, které si každý pokládáme v nějaké pro nás čitelné formě. No a každý má ty otázky jiné. Jinak se bude ptát šéf a jinak řadový zaměstnanec.
A navíc - víc lidí, menší šance na nějaký u biases. Co to je jsem psala třeba zde
No a co z toho teda plyne? Nechcete, aby byla firma data-driven. Chcete, aby byla decision-driven. Já vím, další buzzword, Radovan by asi otočil oči v sloup, ale co už :-D
Hodně jsem se inpirovala tímto článkem, konečně někdo, kdo to cítí jako já. Tabulka je tady z něj.
Eva Hankusová
Data & Business Consultant
marketing | partnership
LinkedIn
Líbí se vám článek? Ochutnejte naše mňamky.
Základní pojmy v datovém modelování | Mňamka #457
Co je to datový model? Jaký je rozdíl mezi konceptuálním a logickým modelem? A k čemu slouží proces tzv. normalizace? Bez datového modelování se dnes v BI obejdete už jen stěží, Kuba si o něm proto připravil krátkou minisérii, ve které si vše probereme od úplných základů. V prvním díle se seznámíme s nejdůležitějšími pojmy, které byste v této souvislosti měli znát, a na jednoduchém příkladu z oblasti sales si ukážeme, jak takový datový model vlastně vypadá. Tak pojďme na to!
MAQL II. - MAQL Reuse factů & Nesting metrik | Mňamka #454
Proč se vyplatí recyklovat metriky v MAQL? Máme tady pokračování naší krátké minisérie o dotazovacím jazyku MAQL od Péti. V minulém díle jsme si osvětlili základní rozdíl mezi SQL a MAQL a dnes se zaměříme na výhody metrik vytvořených pomocí MAQL a jejich recyklaci. Funguje to přitom podobně jako v případě klasické recyklace surovin. Pokud ji dělat nebudete, ušetříte si možná půl minutky práce, v budoucnu se vám to ale může velmi nepříjemně vrátit. Tak se na to pojďte podívat!
Šaty dělají kód aneb Proč je někdy lepší kebab než velbloud | Mňamka #441
I špatný standard může být lepší než žádný standard. Bez toho totiž ve vašem kódu velmi snadno zavládne chaos. V praxi se např. často stává, že lidé halabala kombinují různé druhy uvozovek, míchají malá a velká písmena v pojmenování proměnných nebo se pro jistotu vůbec žádných jmenných konvencí nedrží. Ostatně, Tomáš už se o tom mnohokrát přesvědčil na vlastní pěst. Sepsal pro vás proto mňamku, ve které si připomeneme, proč byste přece jen nějaký standard při psaní kódu mít měli!
