Сервис Работа.ру выбрал Tableau для многофакторного анализа данных. Мы поговорили с Алёной Артемьевой, директором по аналитике сервиса Работа.ру и узнали как изменилась аналитика после внедренного командой BI GlowByte решения.
Q: Как возникла потребность в решении BI?
Алёна Артемьева: В конце прошлого года команда сервиса Работа.ру начала стремительно расти. Именно тогда возросла потребность в качественной и понятной для всех аналитике со стороны самых разных подразделений и руководства компании. Мы осознали необходимость создания единого и удобного для всех пространства аналитических материалов (ad hoc исследований и регулярных отчетов) и начали активно двигаться в этом направлении.
Q: На основании каких критериев выполнялся поиск BI-решения и кто принимал участие в оценке?
АА: Важнее всего для нас были следующие критерии:
- наличие автономного сервера для хранения данных;
- стоимость лицензий;
- наличие десктоп-клиента Windows/iOS;
- наличие mobile-клиента Android/iOS;
- наличие веб-клиента;
- возможность интеграции в приложение/портал;
- возможность использования скриптов;
- простота/сложность инфраструктурной поддержки и необходимость / отсутствие необходимости поиска специалистов для этого;
- распространенность BI-решений среди пользователей;
- отзывы пользователей BI-решений.
Q: Кто принимал участие в оценке:
АА: Это была совместная работа команд аналитиков и ML Работы.ру.
Q: К какой функциональной области относится решение?
АА: Так как перед нами стояла задача построить простую и понятную систему аналитической отчетности для всей компании, то набор функциональных областей, к которым относится решение, достаточно широк. Это продажи, финансы, маркетинг, продукт и сервис.
Q: Какую проблему (задачи) решали?
АА: Tableau помог нам решить несколько ключевых задач:
- Повысить скорость обработки данных.
- Отойти от ручного создания и обновления отчетности.
- Повысить прозрачность данных.
- Повысить доступность данных для всех ключевых сотрудников.
- Получить возможность оперативно реагировать на изменения и принимать решения на основе данных.
- Получить возможность более подробно анализировать продукт и искать точки роста.
Q: Что было до Tableau? Какие технологии использовали?
АА: Ранее мы, как и многие компании, для визуализации ключевых показателей активно использовали Google Sheets и Excel, а также собственные разработки. Но постепенно мы поняли, что такой формат нам не подходит. В первую очередь из-за низкой скорости обработки данных, а также из-за ограниченных возможностей визуализации, проблем с безопасностью, необходимости постоянной обработки большого количества данных вручную и нерационального использования времени сотрудников, высокой вероятности ошибки и проблем с обеспечением общего доступа к отчетам (последнее наиболее актуально для отчетов в Excel). Также в них невозможно обрабатывать большие массивы данных.
Q: Как происходило внедрение решения?
АА: Мы начали с того, что самостоятельно раскатили серверную часть и начали делать отчеты, соединяя данные из витрин с подготовленными данными на PostgreSQL. Через несколько месяцев передали сервер на поддержку в инфраструктуру.
Q: Какие департаменты первыми подключились к проекту, было ли это сложно?
АА: Подавляющее большинство отчетов с самого начала готовится сотрудниками департамента аналитики, впоследствии к использованию Tableau подключился финансовый отдел.
Критических сложностей не было, так как при подготовке дашбордов задача декомпозируется на три основных этапа: исследование базы данных и создание методики расчета показателей, подготовка макета отчета и согласование его с заказчиком, создание и автоматизация витрин данных и создание визуализации дашборда на основе витрин. Tableau мы используем на третьем этапе.
Q: Кто участвовал в команде внедрения?
АА: В основном это была команда ML.
Q: Требовалась ли подготовка сотрудников?
АА: Нет, нашей команде достаточно было общедоступных материалов, в том числе данных марафонов от Tableau и информации в сообществах пользователей Tableau. Дополнительно обучать никого из сотрудников не пришлось благодаря простоте платформы и предыдущему опыту сотрудников. Сейчас команда аналитиков существенно продвинулась в освоении Tableau, чему способствуют как интересные задачи от бизнеса, так и активное общение внутри команды по найденным в процессе решения задач особенностям и возможностям Tableau.
Q: Какова сложность освоения?
АА: Для нас всё прошло относительно легко, а платформа оказалась интуитивно понятна всем.
Q: Как быстро получили первый результат?
АА: В течение нескольких дней после внедрения с учетом того, что определенное время потребовалось на шлифовку визуализации в соответствии с пожеланиями заказчиков.
Q: Какие показатели по итогам проекта уже есть?
АА: Мы уже реализовали более 130 отчетов по различным направлениям и в несколько раз повысили скорость подготовки данных. Это оказалось важно и для специалистов нашего PR-подразделения, так как теперь мы можем быстро отвечать на большинство актуальных запросов от СМИ, выпускать объемные исследования по рынку труда в целом и по отдельным отраслям, а также готовить ситуативную аналитику.
Q: Как планируете развивать систему? Какие отделы будут вовлечены в проект?
АА: Планируем дальнейшее развитие системы отчетности по всем ключевым направлениям. Отчеты по-прежнему будут реализовываться силами специалистов департамента аналитики и отдела финансов, но мы готовы подключать коллег и из других подразделений, если они захотят использовать Tableau для своих целей.
