Major Zoltán Pepe barátommal készítettünk Neked egy videót arról, hogy mi minden történt 2014-ben Magyarországon – természetesen adatok (a Google és a Youtube) adatai alapján! Ezzel kívánunk Neked – és Mindenkinek, akivel megosztod ;-) – Kellemes Ünnepeket és sok-sok pihenést!
A Facebook-on nagyon sok adat elérhető és elemezhető. Azt is meg lehet nézni pl., hogy az egyes gyorséttermek iránt érdeklődő emberek, milyen arányban vannak párkapcsolatban. Meg is néztem. Mindenféle mély elemzés nélkül két adatot emelnék ki. Az egyik, hogy a 20-30 közötti korosztályt vizsgálva az átlag magyar Facebook-oshoz képest, ahol az egyedülállók aránya 34%, mind a három nagy étteremlánc (szóljatok, ha van még több, nem vagyok egy nagy gyorskajáldás :-)) magasabb számot hoz. A McDonald’s iránt érdeklődőknek például a 39%-a egyedülálló saját bevallása szerint. Ugyanez a szám Burger King-nél 42%, KFC-nél 44%.
20-30 közötti egyedülállók aránya – érdeklődés szerint lebontva
De nem csak a 20-30 év közöttieken figyelhető meg összefüggés a gyorskaja-kedvelés és a párkapcsolatban élés között. Ha a magyarországi adatokat vizsgáljuk továbbra is, 30 év fölött például a házasságok aránya az, ami a gyorsétterem iránti érdeklődéssel köthető össze (legalábbis a FB szerint). Míg 30 év fölött az átlag magyar Facebook-osok 54%-ban házasok, a McDonald’s iránt érdeklődő alcsoportnál ez az arány már csak 48%, a Burger-nél 41%, a KFC-nél 37%.
A 30 év felettiek hány százaléka él házasságban – érdeklődés szerint lebontva
Persze messzemenő következtetéseket, vagy esetleg ok-okozati összefüggéseket nem volna túl tudományos levonni, azért érdekes adatok ezek.
Még annyit hadd tegyek hozzá, hogy ezzel egyik éttermet vagy rajongói körét sem akartam megsérteni vagy támadni, amit leírtam, azt csupán a Facebook adatai mondják. Akár Te is megnézheted az Audience Insights oldalon, ha beállítod a megfelelő paramétereket! ;-)
Mester Tomi ps. a vizualizáció ismét infogr.am-mal készült!
(Ingyenes) “Business Intelligence és Big Data a marketing-ben” c. kurzust indítunk egyetemistáknak!
Itt megtanulhatod, hogy mi a valódi értelme az analitikának és az elemzéseknek. A képzés egyedülálló, mivel csak és kizárólag gyakorlati és valós üzleti helyzeteken alapuló példákat vizsgálunk és elemzünk. (Az elméletet meg meghagyjuk az egyetemnek. :-))
A résztvevők megtanulhatják, hogy hogyan lehet a különböző elemzéseket és kutatásokat valós stratégiai célokra felhasználni. Hogyan lehet belelátni a potenciális ügyfelek fejébe és hogyan lehet kiszedni az internetes adatokból azokat az információkat, amelyek majd az üzlet növekedéséhez vezetnek.
A képzés kitér arra, hogy hogyan használják a big data-t és az üzleti intelligenciát:
– a magyar és külföldi e-commerce szektorban
– a marketingben és a médiában
– a magyar és külföldi startup-okban
A képzés ingyenes és januártól júliusig havonta 1×3 órát vesz igénybe.
Nem titkolt célunk azonban, hogy a résztvevőket a kurzus elvégzése után bevonjuk különböző munkáinkba és valós projektjeinkbe is. Ezért, hogy a legmotiváltabb és a legtehetségesebb egyetemistákkal dolgozzunk együtt már ezeken az alkalmakon is, csak a legjobb 6 jelentkezőt tudjuk felvenni a kurzusra.
Alkalmas jelentkező vagy, ha:
– egyetemista vagy (!)
– kreatív vagy
– értesz legalább alapszinten a programozáshoz (vagy hajlandó vagy megtanulni januárig)
– egy alapszintű marketinges szemlélettel is rendelkezel
Ha így van, jelentkezz a tomi@207.154.217.176-ra és írd meg maximum 100 szóban, hogy miért te vagy a legjobb (illetve, ha van, mindenképp dobj egy önéletrajzot vagy egy linked-in adatlapot magadról). Ja és ne felejtsd ki az életed eddigi legérdekesebb projektjét sem! (Meg hogy melyik egyetemre jársz.)
És egyébként is, hogyan lehet ezt kideríteni? Egész egyszerűen. Ha TEDx konferencián jársz, a névjegyeden van egy “erről szeretek beszélgetni” felirat és alatta 3 üres mező. Ezeket Te töltheted ki egy-egy szóval, ami egy-egy érdeklődési területedet jelöli. A regisztráció interneten keresztül történik és ezt a 3 szót a közönség minden egyes tagja megadja, úgyhogy kár lenne nem elemezni ezeket az amúgy is meglévő adatokat.
Tehát fogtuk TEDxYouth@Budapest eddigi összes 3 szavát, amit a több száz fős közönségek 2010-től 2013-ig megadtak, és beledobtuk a nagy adatelemző-gépezetünkbe. Ez pedig rögtön kiadta a főbb érdeklődési témákat.
Wow! Ez aztán könnyen ment. Gondoltad volna, hogy a fenntarthatóság rögtön a harmadik helyen van a kreativitás és a design után? Vagy hogy a startup csak az első 8 helyezettbe fér bele? Ami azt illeti ennek az az oka, hogy az évek során változnak a trendek. Vannak örök klasszikusok (közösség, fenntarthatóság, kreativitás), vannak nagy felfutók (startup, zene) és nagy lefutók is (marketing, kommunikáció). A közönség érdeklődése jól láthatóan változik!
És hogy reagálnak erre az előadók? Ha futtatunk egy analízist az idei 2014-es előadások szinopszisain, kiderül, mennyire kapcsolódnak a közönség általános érdeklődéséhez.
Ahogy az szépen kirajzolódik, a főbb témakörök ott vannak (design, kreativitás, zene). De megjelennek újak is (önkéntesség, pszichológia, kutatás). Az én feltevésem az, hogy egy jó konferencia nem csak követi a közönsége igényeit, de egy kicsit meg is határozza azokat. És a szépsége az az egésznek, hogy ezt a feltevést jövőre talán már tudom adatokkal is igazolni – csak meg kell majd néznem a 2015-ös jelentkezők “miről beszélgetek szívesen” 3 szavait… Mert az adatok ott vannak körülöttünk, csak tudni kell bennük olvasni.
(Ha nem, akkor: megjelent ma a HVG-n egy kutatásunk az idei TEDxYouth konferenciáról – bővebb info ott és hamarosan itt is…)
… akkor örülök, hogy átkattintottál. Mester Tomi vagyok, az Adatlabor vezetője, és mindenféle internetes vállalkozásnak segítünk az adataikat kielemezni (#big data) és az alapján olyan igazi stratégiát kidolgozni, amivel több, jobb és boldogabb látogatókat és vevőket szerezhetnek.
De ami Neked érdekes lehet, az két korábbi kutatásunk, az egyiket tavaly a TEDxYouth-on is előadtam:
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.
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.
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.
Még több érdekes Uber adatot találsz a blogjukon: blog.uber.com #uberdata.
A Ustream BI csapatának a vezetőjével, Szakács “Szaki” Balázzsal beszélgettem, arról, hogy pontosan hogyan működik náluk az adatelemzés, az üzleti intelligencia és a big data. A lenti interjúból a nekem legérdekesebb 3 dolog volt, hogy:
1. A Ustream-nél még viszonylag friss, kb 2 éves a BI, de máris óriási hatással vannak a termékre és a cégre.
2. Hogy milyen erős az összefüggés a jól megválasztott social media csatorna és az aktuális tartalom a nézettséggel.
3. Hogy több ezrek közvetítik az esküvőjüket online. :-) (+1: Van saját Ustream sörük!!!)
Íme a teljes interjú: Tomi: Te mit csinálsz pontosan a Ustream-nél?
Szakács Balázs, Ustream, BI vezető
Szaki: Lassan 2 éve vagyok itt és én vagyok az üzleti intelligencia rész vezetője. Engem azért hoztak ide, hogy segítsem a Ustream-et arra az útra lépni, hogy egy igazán adatvezérelt szervezet legyen. Ehhez gyakorlatilag 0-ról kellett felépíteni a dolgokat: csapatot toborozni, megfelelő embereket kiválasztani, egyáltalán azt eldönteni, hogy milyen típusú team-re van szükség. A gyakorlatban pedig a vezetői feladatok mellett én tartom a kapcsolatot a cég különböző területi vezetőivel, kulcsfelhasználóival. Összegyűjtjük az igényeket, hogy milyen irányba lehetne fejleszeni és továbbvinni a terméket, hol tudunk a legnagyobb értéket teremteni. A csapatom pedig az, aki segít ezt megvalósítani, én pedig ebben támogatom őket.
Ezek szerint 2 éve kezdtétek el igazán használni a BI-t a Ustream-nél?
Igen, én 2 éve érkeztem, a csapat maga pedig másfél éves. Tehát mondhatjuk azt, hogy ez egy elég friss dolog a Ustream-nél.
Általánosságban mire használjátok a Ustream-nél az adatelemzést?
Több felhasználási terület van. Az egyik az abszolút vezetői döntés támogatás: hogy áll a cég, jó irányba haladunk-e? KPI-ok, bevételi számok, lemorzsolódási arányok. Ezeket az adatokat heti vagy napi szinten szolgáltatjuk. Van termékfejlesztési támogatás: ha a termékmenedzserek kitalálnak egy ötletet, mi meg tudjuk mondani, hogy hogyan kéne beárazni, mekkora ügyfélbázisnak lehet érdekes, amit ők kitaláltak…
Ezt AB-tesztekkel nézitek vagy historikusan?
AB-teszteket folyamatosan csinálunk a cégnél, de nem a mi csapatunk. Ezt általában azok csinálják, akik magát a honlapot, a front-end felületet készítik – vagy akár a termékmenedzserek. Pl. az egyik termék ilyen áron van, a másiknak féláron van…
Árakat is szoktatok tesztelni?
Igen, árteszteink is vannak… De nagyon sok User Experience (UX, felhasználói élmény) jellegű tesztünk is van. Pl. ikon legyen vagy felirat. Vagy mekkora legyen a felirat, vagy hova tegyük azt a feliratot, hogy sokkal inkább kézre álljon a felhasználóinknak a termék. Sok ilyet csinálunk, de ezt minden részleg magának, önjáróan készíti. Persze, ha van kérdésük, szívesen segítünk, de alapvetően megvan náluk a kompetencia meg a tapasztalat, hogy összehozzák ezt. Ezek az AB tesztek.
A terméktervezési-döntéseknél pedig általában azt nézzük meg, hogy az ügyfélbázisunk hogy működik. Tehát, ha a termékmenedzserek valamit kitalálnak – valamilyen hipotézist -, mi megnézzük, hogy ez mennyi embernek lehet jó. Megnézzük, hogy ténylegesen az elmúlt években, hónapokban, hogyan használták a termékünket. Milyen tartalmakat fogyasztottak? Miket néztek? Milyen jellegű közvetítéseket csináltak? Ezek historikus adatok és ebből elég jól meg lehet mondani, hogy az ügyfélbázisunkra milyen hatással lesz, ha valami újat bevezetnek.
Hány user-etek van most és ehhez képest hányan dolgoztok a Ustream-nél?
Most már több, mint 30 millió regisztrált felhasználónk és havi 80 millió nézőnk van. Ehhez képest mi 250-en vagyunk a cégnél, Magyarországon 115-en. Itthonról megy minden fejlesztés és üzemeltetés. Mi, az üzleti intelligencia csapatban 6-an vagyunk, mi is Budapesten.
Egy laikus számára mi lehet a legérdekesebb, amit adatokkal elértetek?
Ami nagyon érdekes, az az, hogy milyen típusú tartalmakat közvetítenek nálunk és mit néznek. Például megnéztük, hogy hány esküvő van a Ustream-en. És kiderült, hogy havonta több ezer esküvőt közvetítenek, ami egészen meglepő volt nekünk. De nagyon sok egyház is minket választ arra, hogy mindenféle szertartást, ami náluk van, azt nálunk közvetítsenek és pl. a tartalmunknak egy része emiatt vallási tartalmú egyébként.
Ezt hogyan látjátok az adatokból?
Amikor egy közvetítést kezdesz, akkor meg kell adni, hogy milyen típusú tartalmat közvetítesz. Ebből tudunk információt begyűjteni… Az is nagyon érdekes, hogy a social media milyen hatással van a közönségre. Például volt egy One Direction koncert, amit mobiltelefonnal közvetített végig egy néző a hátsó sorból. Nem sok minden látszott, mert hátul volt, sötét volt és mégis a különböző rajongói Facebook csoportokon elterjedt és pár percen belül már 110.000-en nézték. Egy viszonylag rossz minőségű tartalom, de mégis annyira aktuális volt és annyira jól terjedt el a social media csatornákon, hogy ennyire felfutott a nézettsége.
Milyen eszközöket használtok az adatelemzéshez?
Nálunk is minden megtalálható, ami a klasszikus “kemény vonalas business intelligence” eszköze. Az open-source eszközök vannak túlsúlyban Pentaho ETL, MySQL, stb… Van big data megoldásunk is, ehhez az Amazon szervereit használjuk, ahol fut egy Hadoop Cluster-ünk. Fizetős eszközöket használunk adatvizualizálásra – ez a Tableau.
Van valami, amit még szívesen elmondanál?
Talán nem is az adatokról, hanem arról, hogy igazán büszke vagyok arra, hogy milyen csapatom van. Merthogy sikerül elérni másfél év alatt, hogy fontosak lettünk és a középpontba kerültünk a cégen belül. Reflektorfényben vagyunk, mert nagyon erős igény van az adatokra és az adatelemzésre. Nincs nagy csapatunk, de mégis mindent így 6-an csinálunk. És működik. Nagyon jó az összetétel mind tudásban, mind személyiségben. Én pedig sehol nem lennék, ha nem ilyen csapat lenne mögöttem.
… akkor jó helyen jársz. Mester Tomi vagyok az adatlabor.hu szakmai blog szerzője és még írnék neked pár gondolatot, amire a sajtóközleményben nem maradt hely és adat szempontból fontos. Mindenek előtt itt a PPT, amit az eredeti előadásban az IH2014-en vetítettünk, sok chart-tal, sok eredménnyel:
Mészáros Beával, a Mindea vezetőjével az Internet Hungary-s előadáson az egyik legfontosabb üzenetünk az volt, hogy manapság már kis kreativitással igenis mindent lehet mérni. A Tinder egy párkereső platform, de nekünk egy analitikai eszköz volt. Persze nem kell tényleg mindent elemezni, de a marketing kreatívok tipikusan olyan dolgok, amiket érdemes. Bea marketing szakember, ő tudta, hogyan kell összetenni a profilokat, én adatelemző vagyok, úgyhogy tudtam mit, hogyan és miért elemezzünk. A/B teszt, konverzió, megtérülés. Gyorsan összefoglalom a legérdekesebb eredményeket a kutatásból.
1.) Először is, ahogy írtam a Tinder párkereső appon AB-teszteltünk férfi és női profilokat. 200 embert húzunk jobbra és 24 órát adtunk nekik a match-elésre, azaz, hogy visszajelezzék, hogy mi is tetszünk nekik. A különböző profilok, Beánál, akit a kísérletben Annának hívtunk és 25 éves volt:
Tinder kísérlet, női profilok
És a férfi profilok Tominál, aki a kísérletben a szintén 25 éves András volt.
Tinder kísérlet, férfi profilok
(Zárójelben jegyzem meg, hogy kicsit féltünk ettől, de végül úgy döntöttünk, hogy akkor hiteles a kísérlet, ha saját magunkkal tesztelünk.)
És az eredmények:
NŐI PROFILOK
VISSZAIGAZOLÁS
ÜZENET
1. Kacér, kihívó
110
53
2. A Tinder legjobb csaja
103
44
3. Titokzatos
87
44
4. Átlagos szőke
86
42
5. Párkapcsolatban élő
56
25
6. Barna hajú
46
15
FÉRFI PROFILOK
———-
———-
1. Gazdag
20
1
2. Orvos
16
2
3. Titokzatos
11
0
4. Átlagos
9
0
5. A Tinder legjobb pasija
2
0
6. Párkapcsolatban élő
2
0
A csajoknál a szexiség, a srácoknál a gazdagság és a presztizs-szakma nyer. Az eredmények szignifikánsnak tekinthetőek. Habár adatelemzési szempontból ez nem egy klasszikus minden dimenziójában tökéletesen AB-tesztnek tekinthető kísérlet, azért az eredményekből lehet sejteni, hogy mi a nyerő és mi nem.
2. Márcsak azért is, mert csináltunk egy 1600 fős kérdőívezést is, ahol az első kérdésünk az volt, hogy mi az első asszociáció a Tinder szó kapcsán. Fiúkra és lányokra szegmentáltunk.
3. Másik nagy találásunk volt, hogy egyéjszakás kalandok és párkapcsolatok is jönne a Tinderről, habár a fiú egyéjszakás kalandok száma igen csak kiemelkedik.
4. És megfigyelted, hogy a sorrendben a rejtőzkődő profilok jobban teljesítenek, mint az alap-profil? Vagy azt, hogy a lányoknál működik a badge, a fiúknál pedig nagyon nem?
Sok más minden kiderült még, ha további kérdéseid vannak, írj. :-)
A kutatás teljesen anonim volt, mindenki személyiségi jogait maximális tiszteletben tartottuk és tartjuk.
Ha többet akarsz tudni vagy esetleg Te is leülnél beszélgetni, keress meg. Ha további cikkekre is kíváncsi vagy, iratkozz fel lent a hírlevélre és az elsők között értesítelek, ha fontos újdonságot olvashatsz! :-)
A Brickflow csapatának két tagjával beszélgettem: Kökény “Tojás” Tamással társalapítóval, aki a fejlesztőcsapatot is vezeti, illetve Ryan C. McCabe-bel, aki adatelemző gyakronokként erősíti a Brickflow-t. A legérdekesebb történetük az volt, hogy hogyan pivot-oltak és kerültek növekedő pályára újra AB-teszteléssel – de esett szó minden másról, ami egy kicsi, de sikeres startup életében az adatelemzéssel kapcsolatban felmerülhet.
Mester Tomi: Mindenek előtt… Mi az, amin dolgoztok, mi a koncepció a Brickflow mögött?
Kökény “Tojás” Tamás – Brickflow, Lead Developer
Tojás: Jelenleg egy olyan alkalmazást fejlesztünk, ami segít a Tumblr felhasználóknak növelni az olvasószámukat, reposztolni a posztjaikat, megmutatjuk nekik, hogyan tudnak jó tartalmakat adni az olvasóiknak és hogy kiket kéne követniük, illetve vissza-követniük. Összességében ez egy marketing eszköz Tumblr-re, de mi nem a marketing ügynökségekre fókuszálunk, hanem a tinédzserekre. Az érzésre, hogy “egyedül vagyok”, “nem figyelnek” rám, kínálunk megoldást, segítünk több olvasót szerezni és az érdekes tartalmakat eljuttatni a megfelelő közönséghez.
– Akkor sokat változtatok az elmúlt időkben. Mikor utoljára hallottam rólatok, Twitter-rel, Facebook-kal és hashtag-ekkel foglalkoztatok…
– Igen, időközben pivot-oltunk és ami azt illeti, ez egy nagyon is adatalapú döntés volt. Az előző termékről kiderült, hogy nem tud olyan ütemben növekedni, ahogy terveztük. De már sok felhasználónk volt, így közben láttuk, hogy az emberek főleg arra használták a Brickflow-t, hogy összegyűjtsenek dolgokat és nem arra, hogy valami újat csináljanak. Ezért futattunk egy AB-tesztet, amiből kiderült, hogy a keresés a termék lelke és nem a tartalomépítés. De a “value propostion”-t, a valódi és egyedi értéket még mindig nem láttuk tisztán. Ezért február környékén elkezdtünk különböző egyszerű nyitóoldalakat tesztelni – összességében 6 vagy 7 különböző “value proposition”-t néztünk meg és kiderült, hogy kb. 4-szer akkora konverziónk van Tumblr-ös verzióval, mint a Facebook-ossal, a Pinterestes-sel vagy akármelyik másikkal.
Ez volt az első alkalom, hogy teszteléssel találtuk meg a megfelelő utat és elkezdtünk növekedni. És még sohasem volt ilyen nagy a növekedésünk, mint most: 10-15%-ot növünk hetente, úgyhogy úgy tűnik végre igazi termékké váltunk.
– Publikus, hogy hány felhasználótok van most? – Igen, most kicsivel több, mint 60.000 felhasználónk van. Nemsokára jön az IOS app is és a fundraising-et is elkezdtük.
– Még viszonylag a korai szakaszban vagytok, úgyhogy jól rálátsz erre… Mit gondolsz, mikortól érdemes vagy mikortól lehet elkezdeni az adatokkal foglalkozni egy startup életében?
– Ami azt illeti, már a legelejétől. Persze óvatosnak kell lenni, mert az elején nagyon kevés adatpontod lesz, pl. egy AB-teszten 5-600 felhasználó. Ilyenkor sokáig kell várni az eredményekre, nem úgy mint mondjuk a Prezinél, ahol a felhasználók 5%-nak odaadsz egy funkciót és másnap már látod az eredményeket. :-) De ha én most kezdenék új projektbe, biztosan nem vágnék bele egy gyors validáció, pl. egy nyitóoldal teszt nélkül. Ha van egy jó ötleted, tesztelni kell, valódi számokat kell látnod.
Aztán az elején lehet mérni a marketing csatornákat is. Ez az egyik legfontosabb, hiszen először itt tudod követni a növekedést.
– Most milyen eszközöket használtok?
– Ez elég nagy kihívás, mivel egy kisebb cégnek még nincsenek túl nagy erőforrásai, nem tud 100 gépes parkokat bérelni, stb… Eleinte a Mixpanel, a Google Analytics és a KissMetrics persze elég, de amint elkezdesz sok tesztet csinálni és egyedi mérésekre van szükséged, ezek már nem tudnak kiszolgálni. A Hadoop és egyéb nagy rendszerek pedig túl nagy lépés lennének rögtön ezek után. Ezen a szinten szerintem mindenki elkezdi a saját adatelemző rendszerét csinálgatni, amit a cégnek magának kell kitalálnia. Mi is ezt csináljuk.
– Hányan vagytok a Brickflow-nál?
– Kb. 10-en vagyunk. 3 marketinges, 4 fejlesztő és 1 ember az üzleti oldalról, plusz néhány részmunkaidős. A csapatban amerikaiak is vannak, ami jó, mert így angolul is beszélhetünk és ők azért közelebb vannak az amerikai kultúrához is. Ami itthon menő, az nem feltétlenül az Amerikában és ezt ők jobban látják.
– És ti mivel foglalkoztok pontosan? Tojás: Én vagyok a vezető fejlesztő és az alapítók egyike is. Így a többi fejlesztőt koordinálom és persze vannak alapítói tennivalóim, pitch-elés, stb. A fejlesztői oldalról én foglalkozom a legtöbbet a fontos alapmetrikákkal, az elemzésekkel és a tesztekkel.
Ryan C. McCabe – Brickflow, Data Analyst Intern
Ryan: Én is elemzésekkel és méréssel foglalkozom. Olyanokkal, amikre nem biztos, hogy lenne másoknak idejük az irodában, de azért mégiscsak mindenkinek tudnia kéne róluk. Mint pl. hány ember oszt meg tartalmat, vagy hogy mi a nyitóoldal konverziója. Riportokat készítek és prezentálok a kollégáknak. Pl. múlt héten találtam egy problémás eset, ahol a megosztások kb. 20%-a egy hibaüzenettel végződött. Itt muszáj volt kideríteni, hogy melyik oldalról jön a hiba, a mi alkalmazásunk felől vagy a külső alkalmazásokból.
Tojás: Igen és ezek olyan adatok, amik néha egyszerűen csak érdekesek, de sokszor emellett még nagyon hasznosak is. Sajnos egy marketingesnek vagy egy fejlesztőnek egy kis cégnél sokszor nincs ideje arra, hogy megnézze, mi éppen a legeslegnagyobb probléma, mi a legeslegfontosabb dolog, amivel foglalkozni kell, ilyenkor jó, ha az elemzésekből rögtön visszajelzést kap.
– Mi volt a legnagyobb tanulság eddig? – Igazából ez volt az első alkalom, amikor igazán adat-vezérelten döntöttünk. Sokat tanultunk a lean valódi jelentéséről – de ehhez mindenképpen kellettek bukások is. Még mindig vannak nem lean-es folyamataink és azért azt is látni kell, hogy egy ideig eltart míg az ember tényleg data-driven-né válik. Data-driven-né, jó értelemben. Meg kell találni az egyensúlyt, hogy mikor kell mérni és mikor kell egyszerűen csak dönteni, ha esetleg valami triviális volna vagy éppen nagyon nehéz lenne lemérni. Folyamatosan tanuljuk ezt, de azt hiszem a tavalyi év óta nagyon sokat fejlődtünk.