Adatok prezentálása kategória bejegyzései

Nincs rosszabb egy olyan grafikonnál, amiből egy szót sem lehet érteni. Az adatelemzés csak akkor hatékony eszköz, ha tudjuk érthetően kommunikálni az eredményeit.

Adatvizualizáció Google Fusion Tables segítségével

Papp Gábor
Papp Gábor, thepitch.hu

Mai vendégszerzőnk Papp Gábor a The Pitch | Online Marketing blog alapítója, SEO és online marketing szakértő! Ebben a posztjában az adatvizualizáció egy kis szeletét fogja megmutatni nekünk!

Már az elején fontos valamit leszögezni: nem vagyok profi adatelemző. De adatvizualizáló sem. Ugyanakkor nagyon sok olyan eszközt használok, amelyek valamilyen formában alkalmasak az adatvizualizációra. Még egy angol keresőoptimalizálással kapcsolatos cikk kapcsán futottam bele a Google egyik ún Big Data tooljába, a Google Fusion Tables-be. Ahogy elkezdtem elmerülni a használatában, rájöttem, hogy ezt az eszközt bizony sok célra fel lehet használni. Most ezekről gyűjtöttem össze a tapasztalataimat.

Az adatok megfelelő vizualizációjához szerintem az alábbiakra van szükség: jó minőségű és jól strukturált adat, valamint egy jó adatvizualizáló megoldás. Ez lehet egy eszköz, vagy akár csak egy módszer (egy gráf például). Ha megvan az összhang a fenti elemek között, akkor lesz igazán jó az adatmegjelenítésünk. Adatvizualizáció Google Fusion Tables segítségével bővebben…

Funnel analízis

Mi az a Funnel analízis?
Egy mondatban: Egyetlen erőteljes elemzési módszer, amely megmutatja az egész felhasználói életút legsarkalatosabb pontjait.

Vagy inkább egy képben:

Funnel alanlízis egy képben
Funnel alanlízis egy képben

Hogyan is működik a Funnel metrika a gyakorlatban? Mik a legnagyobb kérdések és elakadások? Hogyan lehet belőle “actionable” tudást kiszedni?  Hogyan tudod elkészíteni magadnak? Vegyük sorra! Funnel analízis bővebben…

A robotok ébredése

“…Manapság az online világban nem csak mi vagyunk, emberek, hanem rajtunk kívül robotok és botnetek milliói is a miénkhez hasonló aktivitásokat hajtanak végre a különböző weboldalakon, alkalmazásokban, sokszor elég nagy kárt okozva ezzel az online reklámpiac szereplőinek. Mi azzal foglalkozunk, hogy olyan technológiát fejlesszünk ki, ami képes megkülönböztetni az emberi interakciókat a robotokétól…”

Nagy István

István Data Scientist-ként azon dolgozik az Enbrite.ly-ban, hogy megtisztítsák az online hirdetési piacot azoktól a robotoktól, akik lekattintják az online hirdetések nagy részét, ezzel kárt okozva a hirdetőknek, vagy akár a publishereknek is. Mindezt úgy, hogy a rengeteg hozzájuk érkező adatból be tudják azonosítani, hogy az adott online tevékenységet egy ember vagy egy robot végzi.
A B-DATA2 konferencián is erről fog beszélni – hogyan működik ez és milyen adatokból tudunk dolgozni.
A robotok ébredése bővebben…

Adatok vs érzések

“…Szerintem sokan abba a hibába esnek, hogy 70%-on pörög a cég, de annyi bevételt termel, hogy azt gondolják, hogy minden rendben van. Aztán hirtelen csökken a bevétel és gyorsan felvesznek egy adatos embert, hogy mondja meg, hogy mi történt. Na de a sikeres cégek előbb veszik fel az adatos embert és megpróbálják ezt kitolni 100%-ra, akkoris ha már esetleg magas a bevételük, nem elégednek meg vele olyan könnyen…”

andras.balogh
Balogh András

András egész eddigi életében adatelemző volt, dolgozott már állami-, tanácsadó-, közvéleménykutató cégnél, de nagy banknál is, és most a Prezinél.

Feltettünk Andrásnak pár kérdést, hogy kicsit jobban megismerhessétek,
de a B-DATA2 Konferencián Ti is kérdezhettek majd tőle, hiszen Ő is az előadók táborát gyarapítja!

 

Mi az értelme az adatelemzésnek?
Az, hogy az olyan mondvacsinált dolgokat, mint az “iparági tapasztalatok” és “többéves szakmai múlt” és egyéb hasonló dolgokat felejtsük el, mint döntést befolyásoló tényezők, hiszen ezek csak arra alkalmasak, hogy suboptimális döntéseket hozzál. Ehelyett az adatok segítségével meg tudod határozni, hogy az egyik variáció 1000 dollárt hoz, míg a második 1100 dollárt, akkor használjuk azt, ami többet hoz.
Adatok vs érzések bővebben…

Az IT és az üzlet keresztútja

“…”szerencsére” jött a válság. Ezt megelőzően a sales terület hasraütés-szerűen mondta meg, hogy mikor és hol mit fog árulni és hogyan. Nem mértek semmit, mert látták, hogy jönnek az új ügyfelek, jön a volumen. Nem volt arra igény, hogy elemezz, jött a pénz és ettől mindenki boldog volt. Aztán minden megváltozott…”

lindwurm.tamas
Lindwurm Tamás

A B-DATA2 Konferencia egyik előadója Lindwurm Tamás lesz, akivel egy rövid interjút is készítettünk, hogy jobban megismerjétek.

Tamás 2008 óta foglalkozik adatelemzési, döntéstámogatási  és adatvizualizációs feladatokon a pénzügyi és telekommunikációs szektorban. Részt vett többek között CRM-bevezetés, adatpiac-építés, kampányoptimalizálás, ügyfélérték-számítás és szegmentációs projekteken.

Az IT és az üzlet keresztútja bővebben…

Adatelemzés interjú V. – RIPORT

Kristó Zoltánnal, a Riport csapat egyik oszlopos tagjával beszélgettünk. Kicsit mesélt arról, hogy mit is tud az applikáció jelenleg, mik a jövőbeli tervek és, hogy milyen nagy mérföldkövek vannak kilátásban.

Tomi: Az első kérdésem, hogy tulajdonképpen mi is a “Riport”?
Zoli: Ha nagyon tömören kellene megválaszolnom, akkor a Riport magja egy üzleti jelentésvarázsló, mely főkönyvi adatokat vizualizál. Ha bővebben kellene válaszolnom rá, akkor valószínűleg órákat tudnék beszélni a Riport edukációs jelentőségéről és a kommunikációnkban is többször megjelenő “Értem a cégem” koncepcióról, vagy arról, hogy, hogyan képes a Riport száraz számvitel adatokat hatékonyan „lefordítani”. De most maradjunk az elsőnél.

Riport infografika
Riport infografika


Van egy konrét példád a használatára?

Sokan nem tudják (tudatosan titkoljuk marketing okokból), de a Riport nem egy mesterkélt piaci igényre adott válasz. A Riport szülőhelye egy könyvelőiroda, a saját könyvelőirodánk, ahol sok külföldi ügyfelet szolgálunk ki. A külföldi anyavállalatok általában erős havi riportolási követelményeket diktálnak, melyeknek Excelek-ben nagyon nehéz volt megfelelni, főleg az ügyfélszám növekedésével. A Riportot tehát elsősorban belső terméknek szántuk. Később döntöttünk a piacosítás mellett. Fentiek miatt rengeteget esettanulmányt tudnék hozni. Mégis, amit kiemelnék az a pénzügyi átvilágítások területe. Meggyőződésem, illetve más partnereink visszajelzése is ezt tükrözi hogy  mondjuk egy cégvásárlás előtti számviteli átvilágítás során a Riport használatával a munkaórák számát akár 80%-al lehet csökkenteni. Havi főkönyvek feltöltése után egy idegen cég teljes számviteli megismerése a Riporton keresztül sokkal gyorsabb mint a hagyományos átvilágítási módszerekkel. Az adatok vizualizálásával illetve az appon keresztüli eléréssel pedig a valódi döntéshozók is – akik általában nem pénzügyesek – azonnal internalizáhatóak.

Riport Dashboard
Riport Dashboard


És a könyvelők mindig kiadják az adatokat? Ezt a problémát hogyan oldjátok meg?

Ez egy nagyon jó kérdés, bár nem is feltétlenül az adatok kiadásával van itt a probléma.
A termék hajnalán úgy gondoltuk, hogy kommunikációnk központjában a könyvelők lesznek. Üzleti modellünk rájuk, mint nagykereskedőkre épített. Nem mondom, hogy óriási hadrendet állítottunk a marketing területére első évünkben, de már a korai tapasztalatok alapján is elmondható, hogy a könyvelők nem igazán szeretik a terméket. Vagyis mindenki azt mondja, hogy szuper, csak mikor el kellene kezdeni használni mégis lepattannak.

Ennek az az oka, hogy rövid távon többletmunkát jelent nekik egyrészt egy cég naprakész (lásd: havi) könyvelése, másrészt a termék ügyfél igényei szerinti paraméterezése.  A magyar könyvelési szakma – tisztelet a kivételnek- nem feltétlenül jártas a kontrolling területén. Ennek hiánya pedig általában a Riport paraméterezését is hátráltatja. Enélkül az app ugyan működik, de mégsem az mintha az ügyfél igényei szerint paraméterezés megtörtént volna.

Ennek az utóbbi problémának az áthidalására vezetjük be a napokban „planning” modulunkat. A planning-gel az ügyfelek üzleti tervezésük során a program paraméterezését is indirekt megoldják. Ezzel ezt a feladatot levettük a könyvelők válláról. A planning vagy üzleti tervező persze nemcsak ezért van. Egy ilyen modul nagyon jól illeszkedik a Riportba, de kommunikációs szempontból is sokat várunk tőle főleg ebben a felpörgött startup világban. A tervezővel bárki ingyen összeállíthatja büdzséjét, megtervezheti eredményét.
Ahol sok az adat, ott mindig felmerül az adatvizualizáció kérdése… Milyen adatvizualizációs eszközöket használtok?
Nagyon hagyományos eszköztárral dolgozunk, barchartok, kördiagrammok, színes indexek, stb. Nekem a kedvencem, bár nem adatvizualizációs eszköz a “Sztori”, mellyel a pénzügyes minden egyes havi jelentéshez megírhatja irányitott sztoriját az adott hónapról. Ez egy kicsit előszele majd a későbbi beépített prezentációs moduluknak.

Riport Dashboard
Riport Dashboard


Egyébként hányan dolgoztok a RIPORT-on, hogy néz ki a csapat?

Csoda csapatunk van. Bár alvállalkozónként vannak jelen a projektben, mégis nagyon baráti és szoros a kapcsolat a feljesztőkkel, ahonnan Vehmann Fecót és Füredi Gábort (ZenHeads) emelném ki. A grafikáért és UX design-ért Bátor Tomi a felelős. Ők mindhárman szívügyüknek tekintik a Riportot. Szakmai befektetőként dr. Dobos Mátét, Bagyinszki Gábort illetve a Meyer&Levinson-t emelném ki.

Köszönöm szépen az interjút!

Mester Tomi

Jön a ChartCube!

Egyre többször találkozom mostanában a ChartCube nevű új adatvizualizációs alkalmazással, ami végtelen Excel táblázatokat alakít pillanatok alatt szép és könnyen értelmezhető chart-okká, automatikusan.

Ugyebár egy átlagos üzleti jelentés úgy néz ki, hogy a felelős ember elkezd dolgozni Excel-ben, különböző forrásokból összeszedi azokat az adatpontokat, amik a riportjához kellenek. Gyárt néhány szép chart-ot, amiket bemásol egy e-mail-be, ahol elindul a beszélgetés az adatokról. Mi a probléma? Hogy nehezen kezelhetőek a chart-ok, nem módosíthatóak, szükség esetén nem tudunk még egy szinttel mélyebbre menni, csak ha az eredeti riport gyártóját megkérjük és hát egyébként is nehezen hordozható az egész rendszer.

Ezeket a problémákat oldja meg  a ChartCube. Lényegében felgyorsítja az adatalapú kommunikációt a cégen belül. Talán a Forbes fogalmazta meg a legfrappánsabban – “a prezentáló kezébe elemzést, az elemzők kezébe prezentációt ad”.

A videójuk pedig többet mond ezer szónál is:

Ajánlom kipróbálásra!
Mester Tomi

DataViz – néhány jó cucc adatvizualizációra

Nemrég egy adatokkal foglalkozó startup-nak segítettünk adatvizualizációban/adatkommunikációban. Az ő kutatómunkájuknak hála egy csomó open-source adatvizualizációs eszközt megismertem, amit most meg is osztok Veled. Korábban írtunk a GoodData-ról, illetve a Chart.io-ról, mindkettő profi adatfeldolgozó eszköz, de ami azt illeti az áruk bizony elég borsos. Márpedig egy induló cégnél ez probléma lehet. Ha Te is így vagy vele, akkor ezt a listát szeretni fogod.

1. HighCharts.com:
HighCharts

JavaScript alapú felület, manipulálható CSS és HTML kódokkal. Mindent, amit csak szeretnél beállíthatsz rajta. Szeretnél sraffozott oszlop-diagramokat? Nem probléma. Kisimított vonal-diagram? A kérdés csak az, hogy milyen sima legyen.
Ezekkel az előre leprogramozott chart-okkal minimális programozói tudás mellett is tudsz gyorsan adatvizualizálni.

2. NPashaP gyűjteménye:

NPashaP
A koncepció hasonló, de itt sokkal speciálisabb, ritkábban fellelhető diagramokat találsz. Nem egy közülük interaktivitást is engedélyez.

3. Mbostock gyűjteménye:
Mbostock

Szintén egy magángyűjtemény – nekem a fenti a kedvenc diagramom, de ezenkívül még másik 500-at találsz a linkre kattintva. Nagyon sok világtérkép és egyéb egyedi chart-típusok.
Megjegyzés: ezeket a chart-típusokat használják pl. a NYTimes újságírói is.

Mbostock NYTimes

Ha találsz Te is hasonló open-source chart-gyűjteményt, küldd el e-mail-ben és beágyazom ebbe a posztba!
Szép hetet!
Mester Tomi

Nem érti a főnök az adatokat?

Előfordul. A tegnapi Budapest BI Forum-on feltett kérdésemre kapott válaszok alapján minden egyes BI-ban dolgozó emberrel. Röviden itt is leírom az előadásom tanulságait. A lényeget egy mondatban így fogalmaznám meg: nem elég az, hogy feldolgozod az adatokat, de át is kell tolnod a cégen az eredményeket, hogy a munkádnak valóban legyen értelme.
Ehhez pedig kommunikálnod kell. Profi módon.

Itt az egész prezim angolul, lent pedig néhány diához írok külön magyarázatot is. Alapvetően saját tapasztalatokra építettem. Nem a tutit akarom megmondani, csak megosztani néhány olyan hibát, amit észrevettem eddigi ügyfeleimnél, tréning résztvevőknél vagy éppen saját magamon. És persze néhány megoldást rájuk.

Először is, két helyen bukhat el az adataid kommunikálása. A vizualizációnál és a helyes kommunikációs csatorna megválasztásánál.

két hely ahol elbukhatszAz adatvizualizációhoz már egyszer leírtam Nancy Duarte 5 szabályát. Az előadásban ezekhez hoztam 1-1 konkrét példát konkrét cégek életéből. Mivel ezek “érzékenyebb információk”, inkább mutatok egy ellenpéldát, ahol a “Mondj igazat!” szabály nem valósul meg igazán. Avagy hogyan hazudjunk valós adatokkal… (Tavalyi román-magyar focimeccs eredménye…)

adatvizualizáció level 99
És az adatvizualizáció 5 szabálya még egyszer:
1. Mondj igazat!
2. Térj a lényegre!
3. A megfelelő eszközt válaszd ki!
4. Emeld ki a lényeget!
5. Maradj egyszerű!

És egy kicsit akkor a kommunikációs csatornák megválasztásáról! 2 fajta kommunikációs csatornát szoktunk használni az adatelemzések eredményeinek a kommunikálásához. Írásos (e-mail, nyomtatott riport) vagy szóbeli (1on1 beszélgetés, meeting-ek, prezentációk). Én mindig a szóbeli formát preferálom. Az írásban mindig lesznek félreértések, eltévesztett definíciók, stb… Szóban van egyfajta oda-vissza kommunikáció, ahol ezt ki lehet szűrni.

adatkommunikációs csatornák

Ha mégis az e-mail-t választanád, küldd el először a csapatvezetődnek, beszéljétek meg a lényeget és csak aztán küldd tovább a döntéshozóknak. Így biztos lehetsz benne, hogy már legalább egy ember ért téged és egyetért veled, mielőtt döntenek a kutatásod eredménye felett. Azért mielőtt e-mail-t küldesz szóbeli megoldások helyett, jusson eszedbe, hogy mennyire nagyon sok e-mail-en megy át mindenkin nap mint nap és az, hogy mennyire nagy az esélye, hogy véletlen ignorálnak.
Egyébként az évtized life-hack-je volt, amikor valaki beírta a céges levlistára az egyik cégnél a tárgy elé, hogy IMPORTANT. Mindenki megnyitotta…

fontos e-mail

Csakhogy 2 hónappal később már így nézett ki az e-mail fiók. (SUPER-SUPER IMPORTANT-re érdemes odafigyelni :-))).
nagyon fontos levél

Úgyhogy én mindig a prezentációt/meeting-et javaslom az eredményeid első bemutatásának formátumaként. Saját tapasztalat alapján a megfelelő sorrend az adatok kommunikálásában ez lehet:
1. Rövid 1-on-1 a csapatod vezetőjével (szóban)
2. Meeting a csapattal vagy akik még a projektben benne voltak (szóban)
3. Prezentáció a döntéshozóknak, a többiek támogatásával (szóban)
4. Tájékoztató e-mail az egész cégnek (írásban)

Ezzel a sorrenddel sokkal nagyobb eséllyel megy át az üzenet és sokkal nagyobb eséllyel valósul meg a kutatásod eredménye a cégen belül.

Úgyhogy változtasd meg a világot adatvezérelt ötletekkel! De sose feledd, hogy ehhez szükséged van szép adatvizualizációra, tiszta üzenetekre és a megfelelő kommunikációs csatorna megválasztására.

Mester Tomi

Uber + adatok

A lenti képeket az Uber blogjáról szedtem össze. Inkább persze szórakoztató, just-for-fun tartalmak, de azért érdekes, hogy mennyire részletesen figyeli az Uber stáb a felhasználói adatokat és hogy milyen ügyesen elemezgetnek belőle.

Pl. itt egy chart, ami rögtön igazolja a “társadalmi szerepvállalásukat” – az egyik görbén az alkoholból származó balesetek számát, a másikon az Uber rendelések/teljesítések számát látjuk.

uber hasznalat vs alkohol chart

 

Persze itt inkább az az érdekes, hogy pontosan látják, hogy mikor kell kiküldeniük több sofőrt az útra és mikor elég kevesebbet.

A másikon San Francisco-t látjuk és a tipikus utakat – honnan hova mennek az emberek. Ha kicsit több adatunk lesz, lehet, hogy Budapesten is kirajzolódik majd ilyen szépen a belváros.

San Francisco Uber használat

 

A harmadik ábra Vegas-ról szól – itt csak egyszerűen az útvonal célok vannak megjelenítve. Ha még nem volt Las Vegas-ban… Meg tudnád tippelni, hogy hol vannak a kaszinók? :-) Azt hiszem nem nehéz.

vegas_uber

 

Még több érdekes Uber adatot találsz a blogjukon: blog.uber.com #uberdata.

Mester Tomi