LinkedIn pasidalino Petro Kudaro parašytu straipsniu apie duomenų analitikos sistemų principus, kurį rekomenduoju perskaityti (bei taikyti darbe). Pvz.:

Iš principo, duomenų analitikos sistema turi atitikti tris vertybes:

1. Duomenys turi būti teisingi ir laiku atnaujinami, kad jais visada būtų galima pasitikėti. Iš sistemos mažai naudos, jeigu visi vis tiek eina duomenų tikrintis į kitą šaltinį arba nuolat numoja ranka į joje rodomus skaičius, nes vis tiek ten blogos formulės.

2. Sistema turi būti tiek funkcionali, kad galėtų atsakyti didžiąją dalį verslo klausimų (tai galima pasiekti per filtrus, grupavimą, rikiavimą, drill-down funkcijas). Jeigu sistemoje rodomi tik tam tikri skaičiai, bet nėra įmanoma suprasti, kodėl jie būtent tokie (pardavimai paaugo, bet neįmanoma suprasti, kokioje kategorijoje bei kuriame skyriuje) – sistemą reikia tobulinti.

3. Sistema turi būti malonu naudotis, turi būti skirta pakankamai dėmesio jos grožiui ir patogumui. Daug kas susideda iš detalių, net nevienodi šriftai bei spalvos rėžia akį. Grafikai turi būti su aiškiomis legendomis, ašių pavadinimais, skaičiai – su matavimo vienetais. Sistema turi būti tiek patraukli, kad jos grafikus galima būtų kopijuoti į kitą kontekstą (tarkim į Powerpoint prezentaciją) ir jos elementai neprarastų aiškumo.

Rekomenduoju perskaityti ir daugiau Petro straipsnių susijusiomis temomis:

Nereikia pamiršti, jog visas metrikas galima apgauti: vien jau rodiklio pasirinkimas gali lemti keistus organizacijos kultūros pokyčius.

Žmogaus elgsenos beveik neįmanoma tobulai išmatuoti – belieka rinktis kažkokius skaičius, kurie gal būt arčiausiai galėtų atspindėti esamą situaciją.

Problema atsiranda tada, kai pamirštama, jog metrika tėra apytikslis pasaulio atspindys. Dar blogiau, kai pagrindiniu tikslu tampa tik metrikos pagerinimas – visada išlenda netikėti antriniai šių metrikų efektai.

Daugiau:

Ar visada reikia maksimizuoti pelną? 

Neapdorotų duomenų nebūna

Ką turi mokėti analitikas?

Neseniai tinkle Mastodon kažkas užvedė kalbą apie Net Promoter Score (NPS) apklausas, tad prisiminiau seną idėją, kad reikėtų padaryti paprastą simuliaciją, kuri parodytų, koks šis rodiklis yra statistiškai nepatikimas.

Internetuose visada galima rasti iš ko pasimokyti, bet labai trūksta kritiškesnio požiūrio į „savaime suprantamus“ dalykus ir paprastesnio pasakojimo, kaip kad moka Petras.