Analytic Workspace: удобный инструмент бизнес-аналитики для быстрой проверки гипотез и решения Ad hoc задач

Не всякая задача бизнес-аналитики требует масштабного стратегического подхода. Нередки ситуации, когда все продуманные и согласованные информационные панели (дашборды), на создание и отладку которых потрачены немалые ресурсы, и которые безусловно предоставляют возможность следить за текущими показателями компании, не дают ответа на возникающие конкретные ситуационные вопросы. Например, нужно оценить эффективность краткосрочной рекламной акции, направленной только на определенную часть аудитории, или проверить гипотезу о реакции пользователей на небольшое изменение интерфейса продукта, сайта или приложения.

Такие ситуационные, нерегулярные, узкие задачи или запросы называются Ad hoc задачами. В противовес масштабным, стратегическим задачам аналитики бизнеса, Ad hoc запросы носят «разовый» характер, впрочем это не значит, что с похожими вызовами, возникающими здесь и сейчас, не придется снова столкнуться в будущем.

По мере роста компании количество Ad hoc задач растет как снежный ком. И если с каждым подобным вопросом маркетолог или продавец обращается к своим аналитикам или программистам, то может возникнуть ситуация, при которой работа аналитического отдела компании будет полностью парализована потоком разовых Ad hoc запросов.

Возможность удобно и быстро решать Ad hoc задачи с помощью того или иного инструмента бизнес-аналитики без необходимости каждый раз обращаться к программистам напрямую зависит от уровня самообслуживания (self-service), реализованного в этом BI-инструменте.

Self-service визуализация данных
Так, например, если в BI-системе пользователь имеет возможность самостоятельно подбирать визуализации и компоновать дашборды на базе заранее подготовленных моделей, то ситуационно можно показать ранее непредусмотренные зависимости в данных, но только в рамках определенного датасета.

Такая self-service визуализация данных доступна в некоторых современных BI-системах, в полной мере эта функциональность реализована и в AW BI.

Self-service на уровне моделей (self-service ETL)
Более глубокие ситуационные исследования отдельных сегментов данных можно проводить в BI-системах, в которых предоставляется возможность пользователю самостоятельно проводить трансформацию данных и формировать логические модели. Такие манипуляции, в зависимости от BI-инструмента, осуществляются путем написания программных скриптов либо с применением автоматических локальных ETL-блоков.

Self-service до уровня ETL нечасто доступен рядовому аналитику при использовании большинства BI-инструментов. Однако AW BI позволяет проводить такую аналитику благодаря новому подходу к построению ETL-процессов, который основан на создании автоматических программных ETL-блоков, или «блоков-декораторов». Такие блоки представляют собой управляющие скрипты, каждый из которых производит определенную операцию с данными таблицы. Подробнее о работе ETL-блоков расскажем ниже.

Важно, что библиотека декораторов доступна «из коробки», и пользователь может самостоятельно привести свои данные к необходимому виду без дополнительного программирования. Таким образом, из небольшого количества простых ETL-блоков можно конструировать большие логические модели с неограниченным количеством уровней вложенности для решения самых сложных аналитических задач.

Опыт говорит, что рекомендуется относиться ко всем Ad hoc задачам как к регулярным. Например, если аналитик создал отличный график, отражающий результаты конкретного А/В теста, обязательно потребуется применить его для оценки результатов других исследований. Если удалось создать полезную формулу машинного обучения (ML) — попросят ее переподобрать для следующего предсказания.

В каких аспектах бизнеса чаще всего встречаются Ad hoc задачи и типичные примеры Ad hoc исследований представлены ниже:

Оценка аспектов продукта:

• Разработка концепции и оптимизация продукта;
• Анализ восприятия позиционирования продукта;
• Установление ценовой стратегии.

Оценка взаимодействия с покупателями:

• Тестирование эффективности рекламной стратегии;
• Изучение поведения потребителей;
• Определение уровней лояльности и удовлетворенности клиентов.

Оценка рыночных аспектов:

• Анализ каналов сбыта и эффективности продаж;
• Изучение потенциала бренда и торговой марки в целом.

В BI-системе Analytic Workspace специально предусмотрены механизмы для комфортного решения задач Ad hoc и быстрой проверки аналитических гипотез.
Так, в интерфейсе AW BI предусмотрена глубокая базовая фильтрация по комбинации параметров, которую нечасто удается осуществить в других BI-системах. Рассмотрим на примере.

Другие функции, которые усиливают Ad hoc возможности Analytic Workspace:

• Drill Down из коробки;
• Кросс-фильтрация данных из коробки без необходимости настраивать связи (если данные на одной модели);
• Возможность выгрузить в Excel — это тоже помогает с такиеми задачами, так как можно «докрутить» и там.

Но это еще далеко не всё. Мы в AW BI пошли еще дальше: в системе реализован self-service на уровне ETL и логических моделей.

В AW BI внедрен новый подход к построению ETL-процессов. Он основан на использовании специальных программных ETL-блоков, называемых «блоками-декораторами». Каждый блок-декоратор представляет собой управляющий скрипт, который выполняет определенные операции с данными таблицы. Библиотека ETL-блоков доступна внутри системы, и пользователю не требуется дополнительного программирования для приведения данных к нужному виду. Теперь пользователи могут самостоятельно обработать свои данные и привести их к необходимому формату, используя уже готовые функциональные блоки.

Сейчас в AW BI доступны следующие ETL-блоки, их список пополняется с каждым обновлением:

• SQL-блок — позволяет выполнить любое SQL-выражение над частью логической модели;
• «Генерация временной серии» — позволяет сгенерировать столбец дат с возможностью разбиения даты на компоненты;
• «Unpivot» — позволяет поменять местами столбцы и строки в таблице, либо повторить значения столбцов в строкахк;
• «Обработка JSON значений» — разворачивает значения из вложенных JSON объектов/массивов в строки или столбцы аналитической таблицы;
• «Модель машинного обучения (ML)» — использование методов машинного обучения для классификации/регрессии значений в строках (например, поиск аномальных значений, заполнение пропущенных значений и т. п.) ;
• «Функция» — позволяет проверить качество данных, убрать дубликаты или выполнить другую техническую операцию, не меняя вида исходной таблицы;
• «Разворот иерархии Parent-Child» — выносит уровни иерархии в отдельные столбцы из таблицы с parent-child иерархией;
• «Прогнозирование временного ряда (авто)» — прогнозирует временной ряд на основе автоматически обучаемой статистической модели;
• «ML-модель в ручном режиме» — применяет модель машинного обучения для обогащения вложенного объекта;
• «Классификация/регрессия с ML-моделью» — предсказывает классификацию или регрессию для вложенной в него таблицы на основе внутренней ML-модели.

Более того, в AW BI можно удобно создавать собственные ETL-блоки с использованием клиентской библиотеки analytic-workspace-client.

Рассмотрим подробно решение Ad hoc задачи в AW BI через ETL-блоки на реальном примере, который встретился в рамках конкурса дашбордов «Покажи смысл», который мы проводили в июле 2024 года В качестве исходного датасета конкурсанты получили данные о продажах авиабилетов компании Aviasales за некоторый период.

Возможность быстрой проверка аналитических гипотез и решение AD hoc задач — важная составляющая бизнес-аналитики, часто необходимая для принятия грамотных управленческих решений. Analytic Workspace — удобный инструмент, имеющий специальную функциональность для этих целей. Выбирайте Analytic Workspace для решения Ad hoc задач вашего бизнеса.