Сила дашбордов: настраиваем Yandex DataLens и принимаем управленческие решения на основе данных
В этой статье мы поделимся опытом настройки и использования систем аналитики и визуализации данных, которые помогают в управлении подразделением. Этот подход могут применять не только руководители подразделений, но и все, кому нужно постоянно принимать решения внутри проекта, продукта или бизнеса.
Речь пойдет о том:
- с какими проблемами я столкнулась как руководитель подразделения;
- какие инструменты для сбора данных и принятия управленческих решений я использовала, чем они были хороши и не очень;
- на каком инструменте остановилась, и как он работает (спойлер, это дашборды на основе DataLens — в конце статьи лежат демо, чтобы каждый мог их покрутить).
Кроме того, в моей статье вы найдете последовательность шагов по настройке подобных дашбордов и чеклист готовности к их внедрению.
Поехали!
Проблемы руководителя подразделения и что с ними делать
Я работаю в JetStyle — это комплексный digital-продакшен, который состоит из трех независимых подразделений, мы называем их бизнес-юнитами. У каждого есть своя стратегия развития, свои клиенты и сотрудники, свои проекты и свои финансы. Руководитель волен строить работу внутри своего бизнес-юнита по собственному усмотрению — это большая свобода и большая ответственность.
Моя рутина — это тактические и стратегические задачи:
- контроль за поступлением и расходованием денежных средств,
- управление портфелем клиентов,
- управление командой и координация загрузки специалистов,
- оперативная реакция на возникающие проблемы,
- планирование стратегии развития подразделения.
Для принятия любого решения необходим доступ к актуальным данным, а они поступают из нескольких, не связанных друг с другом, систем, и чтобы анализировать их вместе — пришлось поискать решение.
Через тернии к дашбордам
Мой бизнес-юнит существует с 2016 года. И до 2021 большая часть доходов приходилась на услуги по разработке. Сейчас же две мои опоры и основные ноги — дизайн и интернет-маркетинг.
Со сменой услуг сменился и темп развития.
Чтобы эффективно управлять своим юнитом, я изначально много внимания уделяла аналитике того, что с ним происходит. Мы прошли несколько этапов в этом процессе.
Этап 1: эра Excel-таблиц
С 2016 по 2020 год мы сводили всю аналитику на базе Excel-таблиц. Это понятный и доступный инструмент, но у него есть свои особенности:
- чтобы найти ответ на вопрос, необходимо выгрузить данные или перенести их руками, написать формулы и внимательно следить, чтобы эти формулы захватывали необходимые значения;
- для каждого нового вопроса этот цикл повторяется;
- чтобы видеть важные показатели в динамике, нужно делать апдейт данных регулярно.
Это всё нудно и долго.
Этап 2: знакомство с Google Data Studio
В 2021 году мы изменили подход к работе с табличками:
- сократили их количество,
- подключили источники данных напрямую к Google Data Studio,
- визуализировали чарты.
Увы, пользовались этим решением недолго — возник слишком высокий риск потерять доступ к данным.
Этап 3: переход на дашборды в Yandex DataLens
С 2022 года в наших коммерческих проектах мы активно использовали визуализацию данных при помощи DataLens. Мы настроили их для всех наших крупных клиентов: «Уральских авиалиний», Besins Healthcare, «Сервье Россия». Клиенты счастливы, потому что у них есть удобные дашборды с данными для принятия решений. Мы же решили не быть сапожниками без сапог — и настроили собственную аналитику с помощью этого же инструмента.
Срезы, которые я анализирую, и за динамикой показателей которых я слежу:
- Экономика.
- Продажи.
- Производство.
Чтобы у всех читателей была возможность «пощупать» наши дашборды, мы сделали демопанель: данные в ней синтетические, но дают представление о том, как всё работает.
Если вы оцените наших эльфов, гномов, Арагорна и Мордор, порадуется один digital-стратег, который помог мне с подготовкой демопанели.
Посмотрим, как устроены наши дашборды.
Дашборды экономической части
С точки зрения экономики мы следим за следующими показателями:
- оборот/прибыль/рентабельность в динамике;
- распределение прибыли по проектам/менеджерам;
- доля утилизации часов;
- оборот/прибыль по типам услуг;
- оборот/прибыль по форматам оплаты.
Дашборды про продажи
Мы следим за следующими показателями:
- динамика входящих заявок;
- распределение целевых и нецелевых заявок;
- распределение заявок по юнитам;
- соотношение новых продаж и апсейлов;
- распределение заявок по каналам/источникам/сферам.
Например, с точки зрения воронки продаж, мы следим за балансом и ищем ответы на вопросы:
1. Есть ли изменение в распределении входящих?
- Если есть, то почему оно произошло?
- Сломался скоринг и нужно перепроверить данные?
- Стало больше целевых входящих, тогда что мы такого сделали, чтобы это масштабировать?
- Или мы просто взяли нового менеджера и переключили поток на него?
2. А может быть стало меньше входящих?
- Если да, то почему?
- Имеет место сезонность?
- Сломался какой-то канал?
- Или может быть менеджеры перестали заносить лиды в CRM?
Намного проще следить за балансом новых продаж и апсейлов. Для нас, например, распределение 50 на 50 — это нормально, а вот если оно ломается, мы ищем причину.
Вот распределение по каналам/источникам входящих:
Если запустили ABM на авторынок, то следим за тем, растет ли спрос в категории «Авто». Или, например, видим, что увеличилась доля входящих в категории «Логистика» — делаем про этот сегмент отдельный лендинг, чтобы поддержать спрос маркетинговой активностью.
Дашборды про производство
С помощью дашбордов про производство мы следим:
- какие проекты есть на специалисте/группе специалистов,
- изменение коммерческой/некоммерческой загрузки.
Анализируем, например, растет ли коммерческая загрузка на недавно принятого специалиста, чтобы понять его востребованность. Или отлавливаем ситуации, когда человека нужно разгрузить/догрузить по количеству проектов.
Как настроить такую аналитику у себя
В нашем случае схема попадания данных в DataLens выглядит следующим образом:
В вашем случае набор может быть другим. Но есть обязательные условия для того, чтобы засетапить и развернуть подобную историю.
Прежде всего, команда:
- Владелец процесса — описывает требования к процессу, ставит задачу и менеджерит этот процесс. Ему, собственно говоря, больше всех надо.
- Специалист по разметке данных — обрабатывает неструктурированные данные и расставляет тэги.
- Python-разработчик — достаточно уровня джуна — загружает данные в ClickHouse.
- Аналитик данных — настраивает и занимается отладкой дашбордов в DataLens.
С точки зрения процессов вам важно убедиться, что в компании:
- Налажены процессы разметки и выгрузки данных.
- Специалисты трекают рабочие часы.
- Понятно, как проверить полноту данных.
- Возможно провести кросс-чек.
- Существует документация, в которой описывается, как, откуда и по какой логике подтягиваются данные, как они размечаются, куда идут дальше.
Итого
Если вы хотите сами разобраться в том, как работают наши дашборды — переходите на нашу демопанель.
Кстати, там же мы опубликовали и другие демодашборды, которые настраиваем для клиентов:
— SEO-дашборды.
Если вы хотите посмотреть запись этого выступления, все материалы доступны на сайте Уральского диджитал-тура в разделе «Екатеринбург».
А если вы хотите такие дашборды для себя или своих клиентов или хотите получить консультацию по их настройке, напишите мне в Telegram.