Na školení nechodím často. Strávit osm hodin zavřený v učebně v dnešní době běžně považuji zaztracený čas. To se ale netýká specializovaných školení, které mi vyřeší konkrétní problém. A já jeden takový měl.
Můj problém: máme ve firmě hodně dat, ale neumím s nimi dostatečně dobře pracovat
V nanoSPACE máme celou firmu poskládanou z mnoha dílčích řešení, nemáme centrální systém (např. ERP), který by řídil vše. Naše skládačka funguje dobře, obsloužíme klidně desetitisíce objednávek měsíčně za zlomek ceny robustních řešení, ale má to svoje mouchy.
Tou největší je fragmentace dat. Objednávky nám padají do Shoptetu, vratky do Retina, e-mailing rozesíláme přes Ecomail, účetní doklady se sypou do Flexibee, Amazon obsluhujeme přes Expando, řízení projektů řešíme přes Freelo, B2B objednávky jsou napůl v Shoptetu a napůl napřímo v účetnicví… takhle bych mohl ještě nějakou chvíli pokračovat.
A to nemluvím o tom, že Shoptet nemá žádný vhodný modul na hlubší analýzy dat o objednávkách nebo zákaznících, na RFM analýzu můžeme zapomenout rovnou.
To vše extrémně stěžuje vyhodnocování výkonu celé firmy a vede k tomu, že máme minimálně stovku excelových a Google Sheet tabulek, kde vedeme separátně různé údaje o výkonu, které pak složitě spojuji.
Po poslední covidové vlně, kdy se dění ve firmě trochu uklidnilo, jsem měl více času na analytiku a začal jsem hlouběji řešit různé reporty, namátkou:
- Obrat / zisk jednotlivých marketingových kanálů očištěný o vratky a reklamace
- Sledování vývoje marží v čase až na úroveň jednotlivých produktů
- Automatické rozpočítávání slevových kuponů, sledování výkonu
- RFM analýza, segmentace zákazníků, kohorty
- Definování traffic builders, atp.
- Finanční analýza, rozbor nákladů, sledování a predikce cashflow (např. automatické dopočítávání hodnoty doručených, ale ještě nevyplacených dobírek)
Každý takový report pro mě znamenal hromadu exportů a spojování nesourodých dat v Excelu, přičemž jsem výsledku ani nemohl příliš důvěřovat. Samozřejmě jsem věděl, že existuje cesta, jak celý systém postavit od základů: pospojovat data ze všech systémů, očistit o extrémy a reportovat do PowerBI nebo Lookeru. Jenže jak na to?
Business Intelligence: Řízení firmy na základě dat
V tu chvíli se mi do cesty připletla pozvánka na školení s názvem Posuňte svou datovou analýzu za hranice Excelu. Školení slibovalo, že se naučím si konečně udělat pořádek ve firemních, marketingových, zákaznických i finančních datech. Tak jsem šel 😎
Školení bylo přesně pro mě! Nejsem úplně datový analfabet, ve firmě máme svůj datový sklad a několik reportů na mírů jsme už s Digitálními architekty dohromady dali – chyběl mi ale větší nadhled a přehled možností, co vše můžu s daty z našich systémů dělat. A to jsem se na školení dozvěděl.
Školením provází Přemek Horáček, dle mého názoru ostřílený specialista na Business Intelligence. Živí se tím, že firmám spojuje datové zdroje a hledá v nich souvislosti, díky čemuž se klienti učí řídit firmu ne dle pocitu, ale na základě tvrdých dat.
Keboola: Extraktor dat z jakéhokoliv systému
Kdybych si měl ze školení odnést jen jednu věc, tak by to bylo: založ si Keboolu! Keboola je nástroj, který jsem potřeboval. Umožňuje pravidelné stahování dat z jakéhokoliv zdroje, já jsem si připojil tyto zdroje:
- Google Analytics
- Google Ads
- Facebook Ads
- Sklik
- Shoptet
- Flexibee
- Marketing Miner
- Google Tabulky
Keboola se pomocí API na jednotlivé zdroje připojí a stáhne požadovaná data.
Data lze v Keboole transformovat (pomocí SQL nebo Rka, základní příkazy učí Přemek na školení) a následně uložit nebo exportovat do úložiště – já exportuji do Google BigQuery, ale zvládne i Google Tabulky.
Transformací může být například očištění o extrémní hodnoty (odstranění testovacích objednávek, výjimečné objednávky za 500 000 Kč apod., spojení dat z různých tabulek pomocí společného ID) nebo jakákoliv jiná úprava, kterou nad tady potřebujete provést.
K čemu to lze využít?
K přípravě dat pro jakýkoliv report, který z vašich dat můžete poskládat, co jsem provedl / mám v plánu já:
- Očištění dat z reklamních systémů o stornované / vrácené objednávky
- Tvorba automatizovaného reportu použitých kuponů s vypočítáváním poskytnuté reálné slevy a získané marže
- Výpočet marží jednotlivých objednávek a jejich bucketování (členění objednávek dle velikosti /maržovosti)
- RFM analýza na zákaznických datech stažených ze Shoptetu
- Cashflow dashboard obohacený o data o dobírkách
Na školení se probírá také Google BigQuery, obdobný nástroj pro extrakci a úpravu dat. Pro určité použití je asi vhodnější, ale pro běžného uživatele není tak intuitivní.
Jak data upravovat / transformovat?
Bohužel se nevyhnete troše programování. Big data jsou velké tabulky, takže je potřeba umět základy SQL nebo R. Oboje se na školení probírá a po školení jsme obdrželi ‚‚tahák’’ základních příkazů. Nemám ambice se tyto jazyky do hloubky učit, ale mám díky školení dostatečný přehled na to, abych věděl, co a v jakém rozsahu mám po našich datových analyticích chtít.
Keboola navíc připravuje šablony pro jednoduchou extrakci dat. Tato funkce je zatím v betaverzi, ale už má několik základních schémat pro spojování dat z reklamních systémů a zasílání do Google Sheets nebo PowerBI. Pro nejčastější použití už tedy nebude v dohledné době potřeba programování vůbec.
Jak data vizualizovat?
Když máte data připravená, tak si je chcete nějak vizualizovat – proto to vše děláte. Markeťáci znají určitě Looker (Google Data Studio), který využívám hojně i já na nejrůznější marketingové reporty.
Více mne ale zaujalo PowerBI, které jsem do teď (hlavně kvůli tomu, že neběží na Macu 😎) úspěšně ignoroval. Po absolvování školení jsem pochopil, že Looker je jen taková demoverze PowerBI a ačkolik se oba systémy neustále přibližují, má PowerBI stále navrch.
Na školení jsem strávil celkem 8 hodin, které považuji za dobrou investici. Odnesl jsem si nový pohled na podniková data a práci s nimi. Ve volných chvílích si zkouším tvořit vlastní reporty a postupně připravuji nové zadání pro Digitální architekty, protože cítím, že je čas posunout naší analytiku na další level 😎
Doporučuji kouknout na Metabase jako náhradu za PowerBI/Google Data Studio