Всем привет! Сегодня поговорим про дашборды — что это за инструмент такой и как с помощью него взаимодействовать с бизнесом.

Меня зовут Дарья Еськова, я аналитик данных в компании билайн. Если быть точнее, то в команде CLTV, лидирую направление автоматизации визуализации данных. Хочу поделиться с вами своим опытом и наработками. 

Поговорим в основном про дашборды с точки зрения бизнеса. Есть технические дашборды, но акцент в посте будет на бизнес-дашбордах — на тех, которые смотрят наши руководители, менеджеры, бизнес-юниты.

Исходно дашбордом называли доску между кучером и лошадью, которая служила преградой для летящей из-под копыт грязи. Но, понятное дело, сейчас мы пользуемся этим словом совершенно для другого. Это информационная панель, которая отображает наши метрики. Как раз этот инструмент, который позволяет донести нужные цифры в нужное время для нужных людей.

Например, наш аналитик, я, кто-то из вас может сказать, что наши продажи выросли, и будет здорово, если бизнесу такой информации достаточно. Но зачастую происходит так, что бизнес просит подтвердить эти факты какими-то данными, которым мы доверяем. И вот как раз визуализация — это очень удобный инструмент, это интерфейс доступа к данным.

Почему же вообще визуализация так хороша? 

Люди научились распознавать цвета и расстояния сильно раньше табличных представлений данных. Так, например, определить, съедобна ли ягода, можно было по цвету. Или охотник мог легко считать расстояние до добычи. Такие данные визуально проще воспринимаются.

Давайте проведем небольшой тест. У нас есть три варианта отображения одних и тех же данных.

Первый вариант — это таблица, отсортированная по месяцам. Второй вариант — мы немножко добавили цвета. И третий вариант — графика. Я думаю, что здесь очевидно, что третий график позволяет отловить какие-то скачки, выбросы и, соответственно, быстрее позволяет считать информацию.

Мы с вами поняли, что почему вообще стоит визуализировать данные. Но всегда ли это дашборд?

И вот здесь хотелось бы поделиться с вами одним кейсом. У нас был запрос от менеджера по сохранению абонентов на оценку его эффективности, эффективности ключевых метрик по его рекламным компаниям. Этот запрос был выполнен и собран в Excel в файле на одной из встреч. Был показан ему, после чего вернулся с обратной связью его руководитель и попросил такой же запрос для всех направлений. 

Мы доработали скрипт и, соответственно, также с помощью Excel протранслировали дальше информацию на встрече, после чего появилась регулярность этого процесса.

Но здесь еще речи не было именно о дашборде, речь шла про автоматизацию. Мы написали скрипт, поставили его на автообновление, и Excel каждый месяц складировался у нас в отдельную папку общего доступа, где как раз менеджеры и забирали ту самую интересующую их информацию.

А вот когда появилась потребность в архиве, то есть надо было собрать всё в один файл, то Excel нам уже здесь не помог, потому что данных было довольно много.Плюс хотелось видеть дополнительные разрезы, больше детализации. И вот тогда уже был переход именно к дашбордам.

Почему нельзя делать дашборд на каждую задачу? Здесь, я думаю, все очевидно, у нас есть определенный ресурс, определенная емкость, которую мы не можем превышать. Отвечая на вопрос, сколько дашбордов нужно бизнесу, я бы хотела поднять такую тему: почему вообще количество дашбордов растет? И здесь есть две стороны.

Первая — менеджеры просят дашборд на каждый новый продукт, вот придумали какую-то фичу, за ней надо следить. Здесь все понятно, вопросов нет. Инструменты, которые сейчас у нас есть, не закрывают эту потребность. Поэтому и растёт число дашбордов.

Вторая сторона — аналитики видят дашборд как результат своей работы. Вот этот подход не совсем правильный, потому что количество не есть качество. Лучше сделать один качественный дашборд, если он касается одной темы, чем 10 разных, в которых наши бизнес-пользователи путаются. Цифры в какой-то момент могут расходиться, будет много вопросов, и, соответственно, это просто приведет к большим хлопотам.

 Как же у нас в билайне вообще за этим всем следят?

У нас есть команда BI-разработки, которая как раз следит за качеством и количеством этих дашбордов. Идет процесс взаимодействия с продуктовыми командами, которые лидируют каждая свое направление. Как раз моя команда — в рамках CLTV. У нас есть свой продукт, где мы нашу метрику визуализируем в рамках BI-инструмента.

Также команды могут взаимодействовать друг с другом, потому что это классный опыт, когда команды переиспользуют данные друг друга — это сокращает время на задачу. Если вы еще до сих пор так не делаете, то обязательно воспользуйтесь этим советом.

Что делают команды

Команда у нас проводит регулярный аудит дашбордов, открытые диалоги, митапы обучения команд, показывает разные фичи, разрабатывает новые продукты. Именно команда ведёт контроль документации. А вот с точки зрения продуктовой команды у нас идет заполнение этой документации.

Стоит подчеркнуть слово ведение. Потому что у вас дашборд меняется, вы можете добавлять какие-то вещи, убирать лишнее. Что-то делать с метриками, по-разному их отображать — тогда обязательно стоит об этом вести документацию. Потому что тогда другие команды смогут эту информацию использовать и понимать, что, например, если они думают о создании какого-то дашборд, а у вас такой уже есть, то им и делать ничего не надо.

Вообще, я думаю, что лучший дашборд это тот, который не пришлось делать, хотя я их очень люблю. 

Задачи, которые можно решить с помощью дашборда

Я бы выделила условно два типа глобальных задач — задачи про бизнес и задачи про человека.

К задачам про бизнес относятся задачи отчетности.

С помощью таких дашбордов мы показываем текущую ситуацию по нашим метрикам. Задача анализа — это инструмент, который позволяет покопаться в данных, отследить какие-то закономерности, тренды. 

Если говорить про задачи про человека, то это задачи доверия и мотивации. Думаю, с мотивацией все понятно. Наглядные графики и наглядные данные способны эффективнее мотивировать людей.

А про доверие немного подробнее. Это история о том, что бизнес придерживается мнения, что если данные опубликованы, значит, они достоверны. Но все мы с вами прекрасно понимаем, что есть вероятность допустить ошибку на этапе сбора данных, на этапе загрузки, на этапе визуализации. И вот как раз когда у нас опубликован инструмент, у нас есть, соответственно, такой бизнес-процесс.

Это работа над данными происходит с двух сторон с точки зрения бизнеса. Потому что люди, которые смотрят эти цифры и для которых вы сделали этот дашборд, имеют представление о порядке цифр или хотя бы о том,что они ожидают там увидеть. Вот если их ожидания не совпадают, то чаще всего они возвращаются к аналитикам и просят уточнить.

Как раз именно над достоверностью данных, над их корректностью, над точностью работают обе стороны. Это бизнес и аналитики.

Следующим этапом давайте вообще определим, какой тип дашборда мы будем использовать с вами для нашей работы? Какие же бывают?

Можно глобально выделить четыре типа.

• отчеты овервью,

• отчеты продукта,

• отчеты селфсервиса

• аналитические.

Овервью это дашборды, которые показывают текущую картинку того, что происходит с метриками. Такие отчеты очень популярны в компании, и хорошей практикой служит история, когда один и тот же отчет регулярно смотрят на встречах.

Следующий тип отчетов это дашборд продукта. Они отличаются от овервью тем, что они более углубленные и используются для сложных продуктов управления. И если приводить примеры с билайн, то это как раз CLTV — как метрика может транслироваться на отчетах овервью но для CLTV как продукта у нас разработан свой стрим, который как раз показывает детализацию по этой метрике. Можно разложить на компоненты и понять, какая компонента оказала влияние на ту или иную динамику, и, соответственно, уже более детально, углубленно изучать тот самый продукт.

Отчет из селф-сервиса. Зачастую это вид отчета — табличка и куча фильтров. Такие отчеты появляются, когда аналитиками пользуются как переводчиками с человеческого на SQL. Если таких отчетов вашей компании много, то здесь стоит подумать об обучении бизнес-пользователей простым SQL-запросам.

Конечно, тут есть свои нюансы, потому что одно дело дать скрипт с каким-нибудь ограничением, с лимитом настройки. Но потом пользователи войдут во вкус и начнут переписывать эти скрипты, когда немножечко разберутся, в процессе но не разберутся в сути. Это может привести к большим проблемам с хранением данных, с базами данных. Но здесь именно важно слово обучение бизнес-пользователей. И в эту сторону точно стоит идти.

Аналитический дашборд. Это отчеты с детальным интерфейсом к данным. Но вообще качественный аналитический дашборд в компаниях встречается довольно редко. Объясню почему.

У нас есть техническая возможность нарисовать 10 000 точек на графике, но наш мозг уже не сможет правильно считать эту информацию. Да, какие-то выбросы, тренды будет видно. Это не вопрос, это все понятно. Но вот детальный анализ разложить на большом количестве информации очень сложно.

В нашей команде мы используем связку — продуктовый дашборд и дашборд селф-сервиса, где как раз на втором листе в гибком отчете есть возможность выгрузить все метрики, все значения, которые есть в рамках первой визуализации динамики по нашему продукту.