7.3 Аналитика и бизнес-аналитика

Обзор и мотивация

Аналитика и бизнес-аналитика превращают управляемые, спроектированные данные в понимание и действие. Бизнес-аналитика (BI) традиционно означает отчётность, панели и инструменты самообслуживания, позволяющие людям видеть, что происходит в бизнесе. Аналитика это более широкая практика задавания и разрешения вопросов с помощью данных, от простых описаний прошлого до моделей, рекомендующих, что делать дальше. Вместе они то, как организация видит себя.

Для больших команд этот слой то место, где данные либо отрабатывают своё содержание, либо становятся источником путаницы. Когда тысячи сотрудников могут строить собственные отчёты, риск не в слишком малой информации, а в слишком большой конфликтующей: три панели показывают три разные цифры выручки, каждая защитима, ни одна не авторитетна. Корпорации живут и умирают по числам в презентациях для совета директоров и регуляторных отчётах. Государственные ведомства отчитываются перед законодательными органами, надзорными органами и обществом. И там, и там метрика, значащая разное для разных людей, обязательство. График, вводящий в заблуждение, пусть даже невинно, может привести к дорогим неверным решениям или подорвать общественное доверие.

Ключевая идея для обуздания этого в масштабе семантический слой: управляемое центральное определение метрик и измерений, из которого черпают все инструменты и отчёты, так что «активный клиент» или «месячная выручка» вычисляется одним согласованным способом повсюду. Вокруг этой идеи стоят дисциплины честной визуализации, намеренного проектирования панелей и управления разрастанием, неизбежно порождаемым самообслуживанием. Эта глава показывает, как дать людям широкий доступ к данным, не отказываясь от единой версии истины.

Ключевые принципы

Должно быть одно управляемое определение каждой важной метрики, используемое повсюду.
Подбирайте тип аналитики под вопрос: описать, диагностировать, предсказать или предписать.
Самообслуживание мощно, но должно быть управляемо, чтобы предотвратить разрастание метрик.
Графики должны быть честными; цель понимание, а не убеждение искажением.
Панели должны двигать решения, а не просто показывать данные.
Сертифицируйте заслуживающее доверия содержимое, чтобы потребители знали, на что полагаться.
Курируйте и выводите из эксплуатации; больше панелей не значит больше озарений.
Встраивайте аналитику туда, где принимаются решения, а не только в отдельный портал BI.

Компромиссы: плюсы и минусы

Выбор	Плюсы	Минусы	Лучше всего подходит
Централизованная команда BI	Согласованно, управляемо, контроль качества	Узкое место, медленно реагирует	Регулируемая отчётность
BI самообслуживания	Быстро, масштабируется, расширяет возможности пользователей	Разрастание, непоследовательные метрики	Широкое исследование
Семантический слой	Одна истина, повторно используем, управляем	Моделирование и сопровождение заранее	Любая организация сверх малого масштаба
Встроенная аналитика	Озарение в точке решения	Инженерная цена, труднее управлять	Операционные рабочие процессы
Богатые панели	Всесторонний вид	Подавляют, низкая доля действий	Редко идеально
Сфокусированные панели	Двигают решения	Требует редакторской дисциплины	Большинство случаев использования

Центральное напряжение между доступом и согласованностью. Запирание BI в центральной команде гарантирует согласованные числа, но лишает организацию своевременных ответов и порождает теневые таблицы. Полное самообслуживание расширяет возможности всех, но множит конфликтующие метрики и устаревшее содержимое. Не нужно выбирать сторону. Сочетайте широкий доступ самообслуживания с управляемым семантическим слоем и сертификацией, чтобы люди были свободны исследовать, а важные числа оставались единственными и заслуживающими доверия.

Вопросы для обсуждения с командой

Вложились ли вы в семантический слой и управляете ли каждой сертифицированной метрикой как API с владельцем, определением и журналом изменений? Центральная идея главы: одно управляемое определение каждой метрики, по которому вычисляет каждый инструмент, блокнот и встроенный отчёт, что убивает классическую проблему трёх панелей с тремя цифрами выручки. Для корпораций, чьи презентации для совета директоров и регуляторные отчёты зависят от единой цифры, и для ведомств, чьи публичные выпуски должны совпадать с внутренними числами, расходящаяся метрика прямое обязательство. Компромисс реален: семантический слой требует моделирования заранее и постоянного сопровождения. Принесите свидетельства: посчитайте, сколько определений вашей важнейшей метрики существует сегодня и чего стоит нынешняя сверка в часах аналитиков. Если число больше одного, семантический слой окупается, а управление метриками с владельцами и журналами изменений держит её единственной со временем.
Где проходит линия между свободой самообслуживания и разрастанием метрик и какие ограждения держат лёгкий путь управляемым? Глава утверждает, что не нужно выбирать между запертой центральной BI и неограниченным самообслуживанием: центральные команды становятся узкими местами, толкающими людей к таблицам, а полное самообслуживание множит конфликтующие метрики и устаревшие панели. Разрешение: широкий доступ поверх сертифицированных наборов данных, семантического слоя, шаблонов и ясных ярусов содержимого (сертифицированное, поддерживаемое командой, личное), чтобы исследование не выдавало себя за официальную истину. Принесите конкретные сигналы: сколько панелей существует, сколько действительно используется и могут ли потребители отличить заслуживающее доверия содержимое от экспериментов. Если не могут, сертификация и управление жизненным циклом (отслеживание использования, архивирование неиспользуемого, пересертификация остального) должны стать постоянной практикой, потому что меньший доверенный набор побеждает разросшееся кладбище.
Достаточно ли честны ваши графики, чтобы пережить проверку, и кто проверяет, что дизайн поддерживает вывод, который данные действительно оправдывают? Глава задаёт ясный тест: пришёл бы осведомлённый зритель к выводу, что поддерживают данные, или дизайн подтолкнул его к другому? Усечённые оси, двойные оси, фабрикующие ложную корреляцию, и трёхмерные круговые диаграммы названы ловушками. Для государственных выпусков для граждан и для регулируемых отчётов невинно вводящий в заблуждение график подрывает общественное доверие или навлекает замечание, так что честность здесь забота управления, а не просто вкуса. Принесите пример, где график в вашей организации ввёл аудиторию в заблуждение, и решите, нужны ли вам стандарты визуализации (столбцовые оси с нуля, согласованные шкалы, показанная неопределённость), принуждаемые для публикуемого содержимого. Ответ должен задать ожидания рецензии для всего, что покидает здание.
Какие из ваших панелей действительно меняют решение и каков ваш критерий вывода той, что не меняет? Глава настаивает, что панель должна начинаться с решения, которое она поддерживает, однако большинство больших организаций накапливают панели тщеславия, на которые смотрят и по которым никогда не действуют, принимаемые за культуру данных. Это важно в масштабе, потому что у каждой панели скрытая цена: её нужно сопровождать, держать её метрики согласованными с семантическим слоем, а её присутствие рассеивает внимание от отчётов, которые действительно двигают действие. Конкурирующее тяготение в том, что людям спокойнее с большей видимостью, и ни одна команда не любит, когда её панель архивируют. Принесите телеметрию использования (кто открывает каждую панель, как часто и следует ли какое-либо нижестоящее действие) и откровенный список решений, которые ваши главные панели должны информировать. Для корпораций это питает кураторство портфеля и контроль цены лицензий; для государственного ведомства это также отвечает на надзорные вопросы о том, производят ли расходы на отчётность измеримую операционную ценность, а не экраны, которые никто не читает.
Переинвестируете ли вы в описание прошлого, когда ценность в диагностике, прогнозе и предписании, и что подвинуло бы одну ключевую метрику вверх по этой лестнице? Глава рисует четыре типа аналитики (описательная, диагностическая, предиктивная, предписывающая) и предупреждает, что большинство организаций громоздят описательные панели, недоинвестируя в диагностику и действие, действительно меняющие результаты. Для большой команды застревание на описании означает, что аналитики тратят время на повторное сообщение того, что все уже знают, а более трудный вопрос о том, почему это случилось и что делать дальше, остаётся без ответа. Напряжение в том, что диагностическая и предиктивная работа требует более глубокой инженерии данных, управления моделями и мастерства аналитиков, поэтому проще финансировать ещё одну панель. Принесите нынешнее распределение вашего аналитического усилия по четырём типам и одну метрику, где проваливание в причины или прогнозирование заметно изменило бы решение. В корпорации это связывает аналитику с маржой и риском; в государственном ведомстве предиктивная и предписывающая работа (например, прогноз спроса на услугу) должна также нести гарантии объяснимости и справедливости, прежде чем информировать решения о гражданах.
Где озарение должно приходить внутрь инструментов, в которых люди уже работают, и где следует использовать подходящую по назначению эксплуатационную отчётность вместо панели? Глава различает интерактивную BI, встроенную аналитику и специально построенную эксплуатационную отчётность вроде счетов, выписок и регуляторных документов и предупреждает против растягивания панели на работу, для которой она плохо подходит. Это важно для больших команд, потому что сотрудники первой линии редко выходят из своей CRM или системы управления делами, чтобы посоветоваться с отдельным порталом BI, так что озарение, живущее только в портале, остаётся неиспользованным в момент решения. Конкурирующие соображения: инженерная цена и управление. Встраивание метрик в операционные приложения труднее строить и труднее держать согласованными с сертифицированными определениями, а отчётность с точностью до пикселя требует строгой задержки и форматирования, которые инструмент панелей гарантировать не может. Принесите карту того, где на самом деле принимаются решения и какие из них сейчас требуют переключения инструментов, чтобы найти число. Для корпорации это определяет, куда вкладывать инженерные усилия; для государственного ведомства законодательные отчёты и выписки для граждан нередко имеют юридические правила форматирования и хранения, делающие специально построенную отчётность обязательной, а не необязательной.

Взгляд по секторам

Стартап. Определите вашу горстку основных метрик один раз, пусть даже в лёгком инструменте, чтобы презентация для совета директоров и панель продукта никогда не расходились. Пропустите тяжёлую платформу семантического слоя: единого общего источника определений и одного короткого списка доверенных панелей достаточно, пока команда крошечна. Скорость здесь важнее лоска, поэтому предпочитайте размещённый инструмент BI, который можно направить на ваше хранилище сегодня, чему-либо, что пришлось бы строить.

Малый бизнес. Без выделенного специалиста по BI опирайтесь на аналитику, уже встроенную в инструменты, которыми вы владеете, такие как CRM или бухгалтерское ПО, а не поднимайте отдельную платформу. Формулируйте выбор как покупку против постройки и пусть по умолчанию побеждает покупка; ваш риск в культуре таблиц, где у каждого своя цифра «выручки», поэтому договоритесь о немногих важных определениях и запишите их. Предпочитайте инструменты, делающие сертифицированные отчёты лёгкими для обмена и трудными для случайного ответвления.

Крупная организация. Основная проблема согласованность по многим командам: вкладывайтесь в управляемый семантический слой, сертифицируйте заслуживающее доверия содержимое и управляйте разрастанием панелей как непрерывным жизненным циклом с владельцами, отслеживанием использования и пересертификацией. Воспринимайте каждую сертифицированную метрику как API с определением, владельцем и журналом изменений и отделяйте сертифицированное содержимое от экспериментального, чтобы самообслуживание не выдавало себя за официальную истину. Бюджетируйте усилия моделирования и кураторства явно, потому что в масштабе альтернатива аналитики, бесконечно сверяющие расходящиеся числа.

Государственный сектор. Опубликованные цифры должны совпадать с внутренними и переживать публичную и законодательную проверку, поэтому управляемый семантический слой и принуждаемые стандарты визуализации (оси с нуля, честные шкалы, показанная неопределённость) требования подотчётности, а не любезности. Правила закупок могут ограничивать, какие инструменты BI вы можете купить, и требовать переносимости данных, поэтому избегайте привязки к проприетарной логике метрик единственного поставщика. Держите сертифицированные публичные выпуски отдельно от экспериментального анализа и давайте гражданам графики, достаточно честные, чтобы осведомлённый зритель приходил к выводу, который данные действительно оправдывают.

Примеры

Стартап. В маркетплейсе ранней стадии двое основателей вели каждый свою таблицу «месячной выручки», и числа никогда не сходились при подготовке презентации для совета директоров. Они определили метрику один раз в небольшом семантическом слое, направили на него единый инструмент BI и отметили один короткий список панелей как доверенные, которыми всем следует пользоваться. Отчётность превратилась из сверки в воскресный вечер в ссылку, которую можно открыть с уверенностью.

Крупная организация. Телекоммуникационная компания страдала от того, что финансы, маркетинг и операции сообщали разные числа «активных абонентов». Она ввела семантический слой, определяющий каждую основную метрику один раз, перенесла панели на вычисление по нему и сертифицировала курируемый набор доверенных отчётов, архивируя тысячи устаревших. Отчётность для совета директоров перестала быть упражнением в сверке, а принятие самообслуживания выросло, потому что люди доверяли числам.

Государственный сектор. Департамент общественного здравоохранения построил сертифицированные панели, черпающие из управляемого семантического слоя, так что число случаев и показатели вычисляются одинаково во внутреннем принятии решений и публичных выпусках. Стандарты визуализации держат графики, публикуемые для граждан, честными (оси с нуля, ясные полосы неопределённости), что защищает общественное доверие. Встроенные отчёты выводят локальные метрики внутрь инструментов управления делами, которыми уже пользуются сотрудники первой линии.

Бизнес-обоснование: мотивы, ROI и TCO

ROI хорошо поставленной аналитики и BI приходит от более быстрых и лучших решений и от сокращения потерь. Когда люди доверяют единому набору чисел, совещания перестают быть спорами о том, чья таблица верна, и становятся обсуждениями того, что делать. Самообслуживание сокращает очередь на центральные команды, а семантический слой предотвращает повторяющуюся цену сверки расходящихся метрик. Честные, ориентированные на решения панели повышают долю озарений, превращающихся в действие.

Цена принятия включает лицензирование платформы BI, построение и сопровождение семантического слоя, усилия кураторства и обучение. Взвесьте её против цены непринятия: аналитики и руководители, тратящие часы на сверку конфликтующих цифр, решения, принятые по вводящим в заблуждение графикам, груда несопровождаемых панелей и, в публичных условиях, подорванное доверие, когда опубликованные числа противоречат друг другу. Для руководства аргумент прост. Управляемый семантический слой плюс курируемое самообслуживание это разница между данными как активом, которому все доверяют, и вечным источником путаницы и переделки.

Антипаттерны и ловушки

Каждая команда вычисляет ключевые метрики по-своему, порождая конфликтующие числа.
Панели, построенные, чтобы показывать всё, а не поддерживать решение.
Вводящие в заблуждение графики (усечённые оси, двойные оси, трёхмерные круговые диаграммы), искажающие выводы.
Воспринимание самообслуживания как замены управлению, а не дополнения к нему.
Тысячи устаревших дублированных панелей без управления жизненным циклом.
Панели тщеславия, по которым никто не действует, принимаемые за культуру данных.
Растягивание интерактивной BI до производства регуляторных документов с точностью до пикселя.
Нет сертификации, так что потребители не могут отличить заслуживающее доверия содержимое от экспериментов.

Модель зрелости

Начальный. Отчёты строятся стихийно в таблицах, метрики определены непоследовательно, а графики нередко вводят в заблуждение. Нет ни семантического слоя, ни сертификации, ни кураторства, так что расходящиеся числа норма.
Развитие. Инструмент BI на месте с некоторыми общими панелями, но определения метрик по-прежнему расходятся между командами. Самообслуживание неконтролируемо, начинается разрастание; несколько групп могут тщательно моделировать метрики, но практика непоследовательна, и ничто не принуждается по организации.
Стандартизация. Семантический слой определяет основные метрики один раз, документировано и принуждается в каждом инструменте и отчёте. Сертифицированное содержимое отличается от экспериментального, самообслуживание действует в рамках ограждений, стандарты визуализации опубликованы, а управление жизненным циклом содержимого постоянная практика, а не случайная чистка.
Управление. Хозяйство аналитики измеряется относительно базовых значений. Использование панелей отслеживается, а неиспользуемое содержимое количественно оценивается и выводится по ритму; число расходящихся определений ключевых метрик мониторится в сторону одного; отслеживаются соблюдение рецензии графиков, принятие самообслуживания и время до ответа; а цена сверки и срок внесения изменений в метрики измеряются, так что дрейф от сертифицированных определений ловится и исправляется по свидетельствам.
Оркестрация. Метрики управляются как API с владельцами и журналами изменений, аналитика охватывает от описательной до предписывающей и связана с конкретным действием, а отчёты встроены в точки решения. Организация доверяет единой версии истины повсюду, активно сдерживает разрастание и непрерывно пересматривает объём и пересертифицирует свою аналитику по мере изменения бизнеса и его вопросов.

Идеи для обсуждения

Сколько разных определений вашей важнейшей метрики существует сегодня?
Какие из ваших панелей действительно меняют решение, а на какие просто смотрят?
Где график в вашей организации ввёл аудиторию в заблуждение, невинно или нет?
Переинвестируете ли вы в описание прошлого в сравнении с диагностикой и действием?
Что сделал бы ярус сертификации содержимого с доверием и повторным использованием в вашей организации?
Как балансировать потребность граждан или регуляторов в честных графиках с тягой к убедительным?

Главные выводы

Определяйте каждую важную метрику один раз в управляемом семантическом слое, используемом повсюду.
Двигайте аналитику вверх по лестнице от описательной к диагностической, предиктивной и предписывающей.
Обеспечивайте самообслуживание в рамках ограждений; сертифицируйте заслуживающее доверия содержимое.
Проектируйте панели вокруг решений, а не вокруг доступных данных.
Делайте каждый график честным; цель понимание, а не убеждение.
Курируйте беспощадно и выводите устаревшее содержимое, чтобы бороться с разрастанием.
Встраивайте аналитику в точку решения и используйте подходящую по назначению эксплуатационную отчётность.

Источники и дополнительное чтение

Edward Tufte, “The Visual Display of Quantitative Information.”
Stephen Few, “Show Me the Numbers” and “Information Dashboard Design.”
Cole Nussbaumer Knaflic, “Storytelling with Data.”
Alberto Cairo, “How Charts Lie.”
Ralph Kimball and Margy Ross, “The Data Warehouse Toolkit.”
Darrell Huff, “How to Lie with Statistics.”
Benn Stancil and others, writings on the semantic layer and metrics stores.

7.3 Аналитика и бизнес-аналитика

Обзор и мотивация

Ключевые принципы

Рекомендации

Поймите четыре типа аналитики

Стройте семантический слой и управляйте метриками

Обеспечьте самообслуживание в рамках ограждений

Проектируйте панели для решений

Практикуйте честную визуализацию данных

Курируйте содержимое и боритесь с разрастанием

Встраивайте аналитику и эксплуатационную отчётность