{"id":13466,"url":"\/distributions\/13466\/click?bit=1&hash=891d339b00b86120568ea8e4296ded112a42876a976e2fd335004400f35cbd30","title":"\u0427\u0442\u043e \u0441\u043c\u043e\u0442\u0440\u044f\u0442, \u0447\u0438\u0442\u0430\u044e\u0442 \u0438 \u043a\u0443\u0434\u0430 \u0445\u043e\u0434\u044f\u0442 \u0432\u0430\u0448\u0438 \u043a\u043b\u0438\u0435\u043d\u0442\u044b?","buttonText":"\u0423\u0437\u043d\u0430\u0442\u044c","imageUuid":"24bb823c-c595-5fc8-be0f-fba9e89237c2","isPaidAndBannersEnabled":false}
Маркетинг
Pavel Pavezlo

Архитектура аналитического решения

При старте любого проекта по рекламе архитектура аналитического решения должна быть

Что такое архитектура аналитического решения — это понятие больше применимо к работе с большими данными, когда используются полноценные ETL процессы, имеется хранилище данных и BI слой. Но упрощённо я его использую и при запуске рекламных проектов. Так вот архитектура аналитического решения, простым языком — это схема работы с данными имеющая несколько слоёв.

На скрине я привожу пример простейшей архитектуры аналитического решения для ручной отчётности при запуске рекламы.

Пример простейшей архитектуры аналитического решения для ручной отчётности

Слой источников

На данном слое указываются все источники данных которые мы будем использовать. В нашем примере это:

  • рекламные площадки с данными по расходам, показам и кликам;
  • данные из CRM со статусами заявки и utm-метками с рекламы;
  • информация из системы коллтрекинга;
  • данные из Гугл Аналитикс с информацией по целям.

Мы тянем их в более-менее стандартизированном виде, чтобы в дальнейшем склеивать в единые отчёты и таблицы данных.

Слой Хранилище

В данном слое мы из сырых данных делаем магию. Говоря простым языком, преобразуем данные таким образом, чтобы их было удобно забирать на слой бизнес пользователей.

Его условно можно разделить на несколько этапов. Первый — слой сырыми данными. Сюда информация попадает без обработки. В больших облачных хранилищах для этого могут быть предназначены отдельные базы данных. В нашем примере это таблицы Excel.

Второй — слой с предобработкой сырых данных и справочными таблицами. Именно тут мы обрабатываем информацию в удобный нам вид, добавляем новые столбцы, меняем размерность и формат значений, добавляем ндс и так далее. Отдельно стоит сказать про справочные таблицы — в них мы вносим ту информацию, без которой на BI слое не обойтись. Например — справочник названий кампаний и их типов.

Третий — слой с готовыми наборами данных в виде сводных таблиц, которые можно использовать для построения отчётов бизнес пользователей. Если последние должны иметь доступ к таким данным и смогут ими пользоваться, то именно эти отчёты можно сразу отдавать. Если нет, то переходим к третьему этапу аналитической архитектуры.

Слой BI

Данный слой предназначается для конечных пользователей, которые принимают решения. Обычно это ТОП менеджмент, руководители и собственники бизнеса.

Слой представляет из себя уже готовые дашборды данных, преимущественно с графиками и показателями. Без наличия больших сложных таблиц. Информация, которую несёт каждый элемент дашборда должна быть строго определенной и схватываться на лету.

А что делать дальше

Подготовив архитектуру аналитического решения гораздо проще двигаться вперёд и строить отчётность. Плюс данная схема очень проста для понимания бизнес пользователей, собственно ради которых всё это и строится.

Ну а далее, когда у нас есть понимание типов данных и их источников, мы можем построить модель данных, в которой с помощью ключей свяжем между собой таблицы и сможем начать реализовывать всю архитектуру аналитического решения.

Ну и чтобы проще понять тему, я подготовил простенький практический пример для построения отчёта до продаж в Битриксе.

0
Комментарии
Читать все 0 комментариев
null