Data Science

Cómo Empezar tu Transformación Hacia a Analítica Digital

El objetivo del análisis de autoservicio es permitir a las personas de su organización que respondan sus propias preguntas, compartan ideas y tomen decisiones basadas en datos con precisión.

En una organización basada en datos, todos los usuarios comerciales deben ser usuarios de datos; aunque no tienen experiencia en análisis estadístico, inteligencia empresarial o minería de datos. La capacitación es una necesidad, pero solo puede ir tan lejos para asegurar que los usuarios comerciales entiendan las complejidades de los datos que consumen.

 

¿Cómo sabe el usuario comercial si los datos son precisos? ¿Cómo sabe el usuario empresarial si el informe que está produciendo se está interpretando correctamente? A medida que las organizaciones continúan teniendo un crecimiento explosivo tanto en su volumen de datos como en sus solicitudes de análisis, debemos hacer estas preguntas y más.

 

Beneficios de la analítica de autoservicio

Hay varios beneficios de avanzar hacia la analítica de autoservicio:

  • Aumentar la accesibilidad de la calidad y datos útiles en toda la organización. Si tiene usuarios empresariales que le preguntan a sus analistas cuántos visitantes llegaron al sitio el mes pasado, lo está haciendo mal.

 

  • Aumente la precisión de las decisiones basadas en datos y el valor del usuario empresarial (conocimientos de datos).

 

  • Libere a los analistas para dedicar tiempo a un análisis más impactante.

Según Rita Sallam, quien dirigió un informe de Gartner sobre este tema, indicó que "para 2020, las organizaciones que ofrecen a los usuarios acceso a un catálogo curado de datos internos y externos obtendrán el doble del valor comercial de los análisis que los que no lo hacen".

 

Riesgos: las herramientas de análisis de autoservicio no evitan los incendios forestales

Quizás haya realizado una inversión en Google Analytics o Adobe Analytics. Estas plataformas de análisis de autoservicio a menudo comienzan a ayudar a posicionar a una organización para el análisis de autoservicio, pero generalmente las organizaciones se detienen aquí y esta es una oportunidad perdida. No puede detenerse aquí y liberar el acceso al entorno natural (invite a todos los miembros de la empresa a acceder a él).

 

A continuación se muestran dos ejemplos de errores significativos que se pueden cometer en las herramientas mencionadas anteriormente; ambos ejemplos son errores del mundo real relativamente simples que vemos a menudo de nuestros clientes. También ocurren errores más complejos con la segmentación inexacta, el filtrado no válido y la falta de comprensión de lo que representan los datos recopilados.

 

Aquí hay un par de ejemplos relacionados con las plataformas de análisis de autoservicio más populares en el mercado hoy en día.

 

Adobe Analytics

El usuario de su empresa agrega la métrica de Ingresos al informe de Páginas y comienza a informar o tomar decisiones sobre lo que cree que es el Ingreso derivado de páginas específicas. Por supuesto, lo que el usuario comercial no entiende es que, si bien Adobe Analytics le permitirá generar este informe, la herramienta ya tomó una decisión que podría no ser clara para el usuario empresarial en relación con el alcance y la atribución de la métrica de Ingresos.

 

Específicamente en este ejemplo, Adobe está utilizando la atribución lineal para asignar la métrica de Ingresos por igual a las páginas que ocurrieron antes del evento de compra. Si bien este comportamiento es cierto en la herramienta "Informes y análisis" de Adobe, brindan acceso a otras herramientas como Adobe Workspace y Adobe Data Warehouse. Vea el documento de ayuda para más información.

 

Pregunte a casi cualquier persona que tenga acceso a Adobe Analytics (incluso a los usuarios con conocimientos que han estado usando la herramienta durante años) y no podrán articular esto, por lo que no es sorprendente que estos datos se estén interpretando mal y se utilicen para Tomar decisiones de negocio críticas.

 

Google Analytics

El usuario de su empresa crea un Informe personalizado que tiene la dimensión de página junto con la métrica de Sesiones. Parece bastante simple, ¿verdad? Probablemente están buscando entender el número de sesiones para cada página. Desafortunadamente, esto sería un gran error (y común).

 

Google Analytics le permitirá hacer esto, pero a menos que sea un usuario avanzado con experiencia, probablemente no entenderá que las Sesiones en este contexto se refieren esencialmente a las sesiones que comenzaron en una página determinada (solo se incrementan en la página de destino). La métrica correcta para comprender la cantidad de sesiones que llegaron a una página (en cualquier momento durante su sesión) sería Páginas vistas únicas. Además, la mejor métrica para mirar las entradas sería la métrica de Entradas.

 

Configuración de la gobernanza de datos para el análisis de autoservicio

Entonces, ¿cómo podemos prevenir errores como estos y muchos otros?

 

Capacitar a los usuarios de su negocio es un enfoque, pero a menos que el usuario esté en la herramienta a menudo (diariamente), no ganará la experiencia y el entendimiento para identificar y evitar estas situaciones.

 

Absolutamente, sus analistas y usuarios expertos de herramientas necesitan entender las complejidades de las herramientas que usan día a día, pero ¿cómo un usuario de negocios típico aprenderá y recordará todas estas situaciones y comportamientos extraños de una herramienta?

 

El desarrollo de una cultura de análisis de autoservicio intencional puede ayudar a un espectro más amplio de usuarios de su empresa a recibir acceso a los datos en un entorno más controlado y recibir datos que sean más relevantes para ellos. Los analistas del negocio necesitan impulsar la ejecución de esta iniciativa.

 

Pasos prácticos

¿Cuáles son los pasos prácticos que las organizaciones pueden tomar para alcanzar el nirvana de Self-Service Digital Analytics?

  • Identifique los recursos: ¿Tiene los recursos correctos y la cantidad adecuada para llevar a cabo los siguientes pasos de manera continua? ¿Necesita formular una solicitud de más recursos? Esto es a menudo una mezcla de empleados internos y consultores externos. ¿Quiénes son sus analistas principales que crearán informes curados y capacitarán a los usuarios en estos informes / sistemas?

 

  • Audite su implementación: una auditoría de implementación tanto inicial como integral realizada por un experto, así como auditorías continuas (y con suerte en gran parte automatizadas por herramientas como ObservePoint). Nada destruye la confianza en datos como datos inexactos, incompletos e inconsistentes que podrían haberse evitado.

 

  • Limite el acceso del usuario a las herramientas completas: esto va en contra de las opiniones que he escuchado sobre el otorgamiento de acceso a toda la organización a Google Analytics / Adobe Analytics. Creo que el acceso debe ser determinado y controlado. En los pasos a continuación, verá que sí queremos un "Análisis digital de autoservicio", así que agárrese de allí y vea cómo lo conseguimos antes de llegar a las conclusiones de que estoy recomendando lo contrario a la del Análisis de autoservicio.

 

  • Identifique sus métodos de autoservicio de analítica digital: esto se trata más adelante en esta publicación del blog. Hay una variedad de opciones para desarrollar análisis de autoservicio que proporciona una experiencia controlada y útil para los usuarios de negocios.

 

  • Rellenar solicitudes de informes conocidos: debe comenzar en algún lugar de este viaje. Identificar las necesidades de datos actuales y actuales.

 

  • Desarrolle un proceso para nuevas solicitudes de datos: cuando un usuario comercial tiene una solicitud de información / datos, ¿saben a quién acudir y cómo solicitarla? (Consejo: use JIRA).

 

  • Entender el uso: ¿Puede obtener análisis en su análisis? Ya sea formalmente a través de una herramienta que registra el acceso de los usuarios o encuestas periódicas de los usuarios comerciales, es importante comprender el uso continuo para que pueda mejorar y adaptarse continuamente.

 

Herramientas de autoservicio de análisis de datos

Cada organización es diferente en términos de presupuestos, recursos y objetivos. Considere los siguientes métodos (y, a menudo, una combinación de estos) para habilitar las mejoras de analítica digital de autoservicio para su organización.

 

Cuadros de mando interactivos

Hay muchas herramientas de tablero interactivo disponibles para soportar este método. Los aspectos importantes son que la herramienta es accesible, interactiva y fácil de usar. A continuación se muestran cuatro ejemplos de herramientas que hemos configurado para que muchos de nuestros clientes habiliten mejor el análisis digital de autoservicio.

 

Domo

Domo es un tablero basado en la nube y una plataforma de visualización de datos creada para ejecutivos. Ventajas de esta plataforma:

 

  • Lo lleva a una estructura de tablero que ayuda a promover un enfoque intuitivo para los detalles de datos.

 

  • Incluye Analytics en su Analytics: descubra fácilmente si sus paneles de control están siendo utilizados y por quién

 

  • Proporciona administración de datos para acelerar la integración de datos (ETL)

 

  • Soporte infinito de cualquier fuente de datos.

 

Google Data Studio

Google Data Studio tiene muchas ventajas:

 

  • Completamente libre

 

  • Se conecta a una amplia variedad de fuentes de datos (incluidas las fuentes de datos de Google, como Google Analytics, AdWords, YouTube, así como fuentes de datos que no son de Google, como MySQL)

 

  • Basado en la nube y accesible a cualquier persona con un navegador

 

  • Capacidad para controlar el diseño y diseño.

 

  • Fechas de autoservicio y filtrado de datos.

 

  • Espacio de trabajo de Adobe Analytics

 

 

Este producto de Adobe ha tomado por asalto el mundo de Adobe Analytics, moviendo rápidamente a los usuarios del producto Ad-Hoc / Discover a largo plazo hacia la interfaz basada en la web. Ventajas de esta herramienta:

Incluido como parte de su contrato de Adobe Analytics

 

Herramientas avanzadas de "analista virtual" como detección de anomalías, análisis de contribución, alertas de inteligencia y comparación de segmentos

 

Soporte nativo para Curated Analytics: comparta su informe con los usuarios y los límites de las dimensiones, métricas y otros activos disponibles para los usuarios finales del informe. Esta curación permite al usuario final ser alentado a explorar el conjunto de datos de nuevas maneras, pero sin embargo, se le debe restringir el uso de dimensiones / métricas / activos que no deben combinarse con este análisis.

 

Tableau

Tableau es un líder de mercado en Business Intelligence and Analytics. La analítica de autoservicio con Tableau tiene muchas ventajas:

 

  • Visualizaciones de datos casi infinitamente personalizables.Mayor interactividad con análisis de profundización e historias / anotaciones

 

  • Soporte infinito de cualquier fuente de datos.

 

  • Herramientas estadísticas avanzadas

 

Entrega automatizada de informes

Tanto en Google Analytics como en Adobe Analytics (así como en muchas de las herramientas mencionadas anteriormente), tiene la opción de entregar automáticamente informes continuos (a menudo por correo electrónico / ftp y como resultado de CSV / Excel / PDF). Esto obtiene los datos exactos que los usuarios de negocios necesitan directamente en sus manos. Esto es genial, pero considere los siguientes puntos y estrategias para corregir algunos de estos comportamientos:

 

  • Falta de interactividad: si está enviando un informe en PDF que incluye visualizaciones, ¿cómo va a desplazarse el usuario durante un día específico en un gráfico de líneas con tendencia para profundizar en los datos?

 

  • Ceguera de entrega: ¿Este informe se entrega con la frecuencia correcta o con demasiada frecuencia? ¿Se modificaron las necesidades de la empresa y este informe aún se entrega junto con varios nuevos? Esta es una receta para el desastre, ya que crea ceguera a todos los informes y evita que la empresa utilice efectivamente los datos (oportunidades y perspectivas perdidas).

 

  • Datos inexactos a lo largo del tiempo: ¿el informe que configuró hace 6 meses todavía es exacto? Debe auditar continuamente los informes entregados para asegurarse de que los usuarios comerciales no toman decisiones sobre datos erróneos.

 

Self-Service Digital Analytics: pieza fundamental de su rompecabezas de gobernabilidad de datos

 

Una organización con una cultura de gestión de datos exitosa y madura no funcionará sin el análisis digital de autoservicio. Es una necesidad para las organizaciones que desean ser verdaderamente impulsadas por los datos.

 

Sin un enfoque y movimiento hacia esto, su organización sufrirá de analistas sobrecargados y usuarios empresariales que no confían en los datos. Esto ocurre cuando intentaron tomar decisiones sobre datos con los que no están familiarizados, o ni siquiera pudieron encontrar los datos, por lo que terminaron tomando decisiones en función de sus instintos.

 

Lamentablemente, las decisiones no están informadas por los datos.

 

La buena noticia es que su organización no tiene que estar sola para hacer estos cambios organizativos. Puede trabajar con consultores de analítica digital como nosotros que pueden ayudarlo a comprender el panorama actual y desarrollar una hoja de ruta alcanzable para ayudar a EVOLVER la capacidad analítica digital de autoservicio de su organización.

Author


Avatar

Daniel García Mejia

- Qlik Luminary 2018 - Experiencia en proyectos Business Intelligence con QlikView y Qlik Sense. - Experiencia en Gestión del Servicio TI y Desarrollo de Aplicaciones Web. - Master de 'IT Project Management'​ en la UPC e Ingeniería Informática de Grado en la UPF. - Me considero una persona comunicativa y con facilidad para trabajar en equipo.