Определившись, что Self-service BI - это процесс самостоятельного анализа данных пользователями, переходим к ролевой модели процесса.
Выделяются следующие роли:
-пользователи (сторона-выгодополучатель/ бизнес-пользователи);
-группа предоставления сервиса(обобщенно назовем их IT);
-прочие заинтересованные роли.
К числу прочих относим те подразделения, которые влияют на реализацию процесса путём принятия решений или выделения ресурсов, но не принимают участия в его операционной части (например, финансовая служба). "Прочие заинтересованные" могут одновременно быть выгодополучателями, а могут и не быть😉
Как понять, кто потенциально является целевой аудиторией SSBI? Для этого классифицируем пользователей по следующим критериям:
-кастомизация текущей отчетности (пользуются стандартными формами/настраивают себе шаблоны по параметрам);
-знание системы-источника, включая проблематику качества данных;
-"глубина" запроса на данные(только агрегаты/расширенная аналитика);
-владение sql;
-степень готовности осваивать новые инструменты.
Самый простой способ понять, кто есть кто - запустить короткое анкетирование. В итоге группа для каждого конкретного пользователя может поменяться, но границы групп останутся те же, плюс-минус.
Нельзя ожидать, что все, кого мы определили как свою ЦА, сразу сядут в процесс SSBI. Чтобы понять, как будут прирастать пользователи, можно использовать классическую модель Роджерса, но, говорят, она теряет актуальность. Кто знает🤷‍♀
Линк:
https://www.socium-a.ru/lifehack/article/tipologiya-lyudey-po-kriteriyu-gotovnosti-k-prinya-15957

С чего начать утро? 🌄🙋

Книга этого утра -"Big book of dashboards".
Кратко о ней:
-минимум классической теории;
-отраслевые бизнес-сценарии;
-множество примеров дашбордов.
Отлично подойдет тем, кто любит что-то постигать в стиле "подсмотрел у профи".

Котятки🐱, аналитика пятничного вечера сегодня на Power BI. Мы с командой искренне любим его за бесконечные возможности и бесплатную десктопную версию😉
Сегодня мы взяли датасет с музеями и положили его на геокарту. Всего 2 минуты - и интерактивная геокарта готова к использованию. Датасет для тренировки, как всегда, в описании под видео💪🏻
https://youtu.be/WvIqkl-iJNU
P. S. Вопрос по датасету: какой музей имеет наибольшее число предметов основного фонда, требующих реставрации? Кто ответит, тот может предложить свою тему в следующую аналитику пятничного вечера. Пишите в ответы и предложения в @Dashboardets_qbot

Котятки🐱 Думала, чем бы поделиться полезным, чтобы занять эти выходные🤷‍♀
Решила поделиться топчиком годных каналов, которые читаю сама и которые могут быть интересны вам:
1. BA/SA Аналитики
Все для архитектора данных)
2. Запуск завтра
IT- кухня и IT-сплетни, залипательно
3.Архитектура ИС
Полезно не только IT- архитекторам, но и архитекторам данных. Очень понравилась серия постов про карты предметной области.
4.Бюро Горбунова
Хорошая иконка и хороший совет каждый день. Про общение с заказчиками, визуализации, обучение и не только.
5. Бизнес-анализ
Первый канал про бизнес-анализ, который я когда-то дочитала до конца)

Котятки🐱
Подведены итоги международного конкурса по визуализации Kantar Information is Beautiful Awards.
Очень рекомендую посмотреть работы победителей и вдохновиться💪🏻
Мне особенно нравится категория People, Language & Identity🤩
Линк: https://www.informationisbeautifulawards.com/news/485-information-is-beautiful-awards-2019-the-winners

Искренней любовью я люблю BI Tableau и порталы-обучалки по нему, особенно Tableaumagic.
Помимо стандартных "как построить диаграмму", там встречаются подробные руководства с разбором конкретных примеров и пошаговые мануалы.
Интересно?
https://tableaumagic.com/how-love-works-tableau-dashboard-tutorial/amp/

В топчиках по дизайну дашбордов порой приводят действительно интересные примеры. Некоторые из них просто космос; иные же кажутся настолько элегантными в своей простоте, что невольно думаешь "черт, я бы тоже так мог". Я большем всего люблю вдохновляющие примеры "с разбором": любой может сказать, что не так, и редко кто может сформулировать, что сделано правильно.
Линк на статью с разборами примеров:
https://medium.com/movade-studio/top-10-dashboards-ux-ui-1-fd73f24a2661

Котики🐱 Сегодня грустная новость: бесплатного Qlik Sense Desktop больше не будет.
В строю бесплатного BI-ПО убыло, но Power BI пока в деле💪🏻
Подробности
https://community.qlik.com/t5/Qlik-Support-Updates-Blog/Changes-to-Qlik-Sense-Desktop-in-2020/ba-p/1653306

Я отношу себя к приверженцам Self-service и верю, что лучше дать управленцу в руки хороший стратегический дашборд и позволить самому делать выводы, чем заводить штат аналитиков, которые будут писать эти выводы за него.
Авинаш Каушик, автор "Веб-аналитика 2.0", является сторонником подхода Critical Few для отчетности руководителей и вводит новый поход к дашбордизации - Action Dashboard.
Его философия идет вразрез с моей, но читать чертовски интересно.
Линк:
https://www.kaushik.net/avinash/the-action-dashboard-an-alternative-to-crappy-dashboards/

Когда мой босс сказала накидать идеи "как продать пользователям идею Self-service BI? ", я просто сделала этот мемчик и предложила разослать всем.
А если без шуток, то процесс "продажи" идеи self-service начинается также, как и процесс бизнес-анализа - с выяснения, что у пользователя "болит", чтобы подать self-service как средство, которое решит пользовательские проблемы.
Котятки🐱, вам интересен топчик проблем, которые решает self-service BI?

Всем веселой пятнички и хорошего каталога диаграмм😜
https://tabsoft.co/2KQKVy8

Визуализация статистики смерти по возрастам от National Statistics: интересна, печальна, диаграммы отменно читабельны)
Котики-наркотики🐱
https://www.ons.gov.uk/peoplepopulationandcommunity/healthandsocialcare/healthandwellbeing/articles/middleagedgenerationmostlikelytodiebysuicideanddrugpoisoning/2019-08-13

Канал наших друзей из Казахстана о Qlik Sense и анализе данных с помощью визуализации.

Интересные исторические факты в формате видео и лонгридов, реальные кейсы с внедрением продуктов Qlik (например Россгосстрах на 15 000 пользователей!!!) и короткие исследования стат.данных.

https://www.youtube.com/watch?v=pBClgRZDUro

Чуть больше двух недель назад был пост про "ловушки интерпретации". В нем речь шла о том, как плохо спроектированные диаграммы могут исказить наше восприятие данных.
Между плохо спроектированными диаграммами и диаграммами, вводящими в заблуждение, есть принципиальная разница. Заключается она в двух аспектах: намерение создателя диаграммы и ясность контекста для пользователя.
Интересная статья на эту тему:
https://eagereyes.org/blog/2019/what-is-a-misleading-chart

Настроение недели)

Когда просишь пользователей подумать, чем им мог бы быть полезен Self-service BI , часто слышен ответ "ну вы дайте, мы посмотрим"🙈
Топчик "болей" для лечения которых применим Self-service:
-нужна отчетность на основе нескольких источников, а "дружить" их через excel неудобно;
-нужна новая регулярная отчетность, но срок её разработки на источнике больше, чем может позволить себе бизнес;
-отчетность часто дорабатываются в силу бизнес-причин, необходимо сократить время вывода доработок в prod и снизить их стоимость для бизнеса;
-у пользователя есть регулярная потребность в проверке разовых управленческих гипотез: нужно найти средство, как справиться с увеличивающимся количеством запросов/увеличить скорость проверки гипотез, не нанимая новых людей.
Отдельно стоят кейсы по снижению издержек (стоимости "поставки" аналитики как сервиса в пересчете на одного пользователя) , но они больше интересны IT-службе😊

Как мы можем использовать то, что мы знаем о том, как мы видим мир, чтобы понять, что делает визуализацию эффективной?
Линк на хорошую статью про внимание, зрение и восприятие данных:
https://medium.com/multiple-views-visualization-research-explained/how-we-see-our-data-vision-science-and-visualization-pt-1-2b36f2330e42

Я давно знала, что в Tableau есть возможность использовать Python , но у меня самой интересных кейсов для обоснования необходимости этого функционала в такой связке не было.
Вчера нашла интересный кейс-референс, который использует интеграцию Python в Tableau Prep для прогнозирования выживших на Титанике».
Линк на подробный мануал:
https://www.tableau.com/about/blog/2019/10/using-tableau-preps-new-python-integration-predict-titanic-survivors