fbpx
Aa Aa Aa
Aa Aa Aa
Pročytaty vgolos
Zupynyty čytannja

Analityka dlja startapiv — jak organizuvaty її naležnym čynom

Аналітика для стартапів — як організувати її належним чином

Nalaštuvannja analityčnyh servisiv ta zaprovadžennja korektnoї kuľtury analizu ta agregaciї danyh — odyn iz ključovyh komponentiv do pobudovy uspišnogo startapu. Jak uporatysja z cym zavdannjam?
Налаштування аналітичних сервісів та запровадження коректної культури аналізу та агрегації даних — один із ключових компонентів до побудови успішного стартапу. Як упоратися з цим завданням?
Читати кирилицею

Speciaľni možlyvosti

Pročytaty vgolos
Zupynyty čytannja
Kontrastna versija
  На цьому етапі у вас немає ресурсів і немає часу. Існує мільйон речей, які можна виміряти, але ви настільки близькі до деталей свого бізнесу, що ви насправді можете приймати досить інстинктивні рішення і без надто прискіпливої аналітики. Єдине, що потрібно для перевірки того, що ви вимірюєте, — ваш продукт. Решта питань можуть зачекати. Що робити: Встановіть Google Analytics на своєму сайті та налаштуйте Google Tag Manager. Дані не будуть ідеальними без додаткової роботи, проте навіть базових налаштувань вам буде досить. Для електронної торгівлі також можете налаштувати фільтри. Якщо ви створюєте програмне забезпечення будь-якого типу, вам потрібне відстеження подій в режимі реального часу. Для цієї мети можна скористатися такими сервісами, як Mixpanel та Heap. Для аналізу фінансової звітності можна використати Quickbooks, Excel та Baremetrics. Якщо у вас бракує технічних знань, можливо, вам знадобиться фахівець, який допоможе вам проаналізувати GA та відстежувати події. Що не робити: Все, що не є одним з перерахованих вище пунктів. Не дозволяйте комусь продавати вам сховище даних, платформу BI, великий консалтинговий проект. В аналітичну платформу чи складну систему обробки даних є сенс інвестувати на значно пізніших етапах. Ви трохи покращуєте свою команду. Своєю чергою, люди потребують даних, щоби виконувати свою роботу належним чином. При цьому не у всіх є експертиза щодо обробки даних. Що робити: На цьому етапі ви, напевно, найняли маркетолога. Переконайтеся, що ця людина володіє роботою із GA. Варто, аби усі ваші посилання на сайті чи розміщені матеріали мали UTM-мітки. Переконайтеся, що не відбувається подвійний облік субдоменів. Якщо у вас є менеджер із продажів і ви користуєтеся CRM, використовуйте вбудовані звіти. Переконайтеся, що ваші співробітники знають, як цим користовуватися. Вам потрібно знати основні речі, такі як продуктивність звернень та коефіцієнт конверсії. Salesforce допоможе вам із цим упоратися. Не експортуйте дані в Excel, не створюйте звіти у (жахливому) розробнику звітів. Більшість систем довідкової служби чи аналітичних систем не мають зручних звітів, тому вибирайте KPI, які можна легко виміряти в межах наявного інтерфейсу. Переконайтеся, що ви відстежуєте NPS. Спробуйте також скористатися Wootric або Delighted. Що не робити: Ще зарано для сховища даних та для аналітики на основі SQL - це просто займатиме багато часу. Ви повинні витратити весь свій час на те, щоби працювати, а не аналізувати, і найпростіший спосіб це зробити — використовувати вбудовані можливості звітування різних продуктів SaaS, які ви використовуєте для ведення бізнесу. Ви також не повинні наймати аналітика на повний робочий день. Тут важливіше витратити обмежені кошти. На цій стадії ви побачите, що технологія аналітики стає кращою та швидшою. Раніше цей тип інфраструктури був доступний лише для набагато більших компаній. Це — найважча і найважливіша фаза. Що робити: Налаштуйте свою інфраструктуру даних. Це означає вибір сховища даних, інструменту ETL та інструмента BI. Вам також знадобиться ціла команда аналітиків: інженери, аналітики, фахівці з роботи із даними. Вам потрібно знайти таку особливу людину, яка зможе зібрати довкола себе команду потрібних фахівців. Часто ці люди мають досвід роботи у сфері консалтингу або фінансів, мають МВА. Подумайте над тим, аби найняти консультанта. Що не робити: Якщо машинне навчання не є основною частиною вашого продукту, поки не наймайте наукового співробітника. Не варто робити кастомних аналітичних шаблонів чи власних систем аналітики. Не варто заощаджувати на хмарному сховищі, користуючися традиційними базами даних, такими як Postgres. Цей етап потенційно є найбільш складним. Ви — як і раніше — маєте відносно невелику команду та небагато ресурсів, але вас просять надати для бізнесу все більш складну та різноманітну аналітику, і ваша робота може безпосередньо вплинути на успіх чи невдачу компанії в цілому. Тут важливо досягти прогресу, одночасно переконавшись, що ви продовжуєте закладати основу для майбутніх етапів свого зростання. Що робити: Запровадити процес для моделювання даних на основі SQL. Ваші моделі даних слугують основною бізнес-логікою для вашої аналітичної роботи, і ними слід користуватися в першу чергу. Переконайтеся, що ваш процес обробки даних та їхнього аналізу дозволяє всім користувачам вносити зміни до скриптів моделювання даних, має контроль версій та працює у прозорому середовищі. Перемістіть свою аналітичну роботу до Snowplow Analytics. — цей сервіс володіє тими ж можливостями, що й платні інструменти, але заснований на open source.  Якщо ви не зробите перехід на цьому етапі, вам не вдасться зібрати набагато більше деталізованих даних, — а використання комплексних платних інструментів легко може вимивати із вашого бюджету щонайменше $10 тис щомісяця. Ядром вашої команди на цьому етапі мають стати бізнес-аналітики: люди, які є експертами в SQL і ваших інструментах BI, і витрачають час на роботу з бізнес-користувачами, щоби допомогти їм із запитами даних. Варто також на цьому етапі пошукати свого першого фахівця із посадою Data Scientist. Ці моделі, ймовірно, не будуть надзвичайно витонченими, але вони стануть великим удосконаленням у порівнянні з випадковою робочою книгою Excel, яку ви створили і вели на початковому етапі. Що не робити: Легко зануритися в себе і почати інвестувати у складну інфраструктуру для обробки даних. Не робіть цього. На цьому етапі великі інвестиції в інфраструктуру залишаються дорогим відволіканням від основної мети. Додайте до робочих ноутбуків Jupyter для роботи з даними. Знайдіть недорогі способи створення наборів даних ETL, які не мають інтегрованих компонентів. Цей етап полягає у створенні масштабних аналітичних процесів. Потрібно збалансувати відповіді на питання, які вам потрібні сьогодні, з впровадженням практик аналітики, які будуть потрібні у майбутньому, по мірі масштабування проекту та команди.  У компанії на 150 працівників лише 3-6 потійних аналітиків. Коли ви доростете до 500+ співробітників, можете легко збільшити цей відділ уп’ятеро. Якщо ви не впораєтесь із цим переходом, ви працюватимете менш ефективно по мірі зростання команд. Вам доведеться довше складати значущі статистичні дані, а ваші відповіді будуть менш якісними. Щоби подолати цей виклик, слід налагодити відповідні процеси. Що робити: Слід запровадити тестування даних. У вас є дані, що надходять із принаймні десятка джерел на цьому етапі, і вам потрібно провести оптимізацію, аби усунути помилки, повтори, нульові поля та при цьому зберегти користувальницьку бізнес-логіку. Якщо у вас немає прозорого автоматизованого процесу, який перевіряє вхідні дані, якість вашого аналізу продовжуватиме деградувати, а ви при цьому не зможете встановити справжньої причини такого занепаду. Ваш аналітичний код — це актив, який керує вашим сайтом та додатком. Виготовлення високоякісного коду вимагає серйозного контролю над версією. Долучіть усіх учасників команди до сховища коду на Git, навчіть їх користуватися гілками обговорень та коментування коду. Серйозно ставтеся до документації. Середовище даних у вашій компанії на цьому етапі значно ускладниться. Єдиний спосіб ефективно керувати цими знаннями та ділитися ними із вашою командою — це інвестувати час та енергію, необхідну для документування змін. Це додасть деяких накладних витрат, але якщо ви в це не інвестуєте, ваші аналітики працюватимуть довше над запитами. Існує 2 основних моделі побудови аналітичної команди: централізована та вбудована. Немає чіткої правильної відповіді, яка з моделей пасуватиме вашому проекту. Проте саме це рішення буде ключовим фактором для вашого подальшого зростання. Що не робити: Не приймайте виправдань та компромісів у випадку помилок чи недоліків у роботі. Проведення аналітики на цьому рівні — це важка робота, і для цього потрібна талановита і мотивована команда, яка постійно інноваційно розвивається. Огляди коду вимагають часу та енергії. Аналітики не звикли тестувати свій код, а документування є копіткою працею. Ви можете зіткнутися із опором (явним чи прихованим) з боку тих учасників команди, які пам’ятають, старі добрі часи, коли все було простішим та не настільки бюрократизованим. Але оскільки складність зростає, вам потрібно розвинути свої процеси для адаптації. Серйозне ставлення до збирання та аналізу даних — запорука того, що зростання вашого стартапу на цьому етапі не наштовхнеться на скляну стелю.

Stadija zasnuvannja (vid 0 do 10 pracivnykiv)

Na ćomu etapi u vas nemaje resursiv i nemaje času. Isnuje miľjon rečej, jaki možna vymirjaty, ale vy nastiľky blyźki do detalej svogo biznesu, ščo vy naspravdi možete pryjmaty dosyť instynktyvni rišennja i bez nadto pryskiplyvoї analityky. Jedyne, ščo potribno dlja perevirky togo, ščo vy vymirjujete, — vaš produkt. Rešta pytań možuť začekaty.

Ščo robyty: Vstanoviť Google Analytics na svojemu sajti ta nalaštujte Google Tag Manager. Dani ne buduť ideaľnymy bez dodatkovoї roboty, prote naviť bazovyh nalaštuvań vam bude dosyť. Dlja elektronnoї torgivli takož možete nalaštuvaty fiľtry. Jakščo vy stvorjujete programne zabezpečennja buď-jakogo typu, vam potribne vidstežennja podij v režymi reaľnogo času. Dlja cijeї mety možna skorystatysja takymy servisamy, jak Mixpanel ta Heap. Dlja analizu finansovoї zvitnosti možna vykorystaty Quickbooks, Excel ta Baremetrics. Jakščo u vas brakuje tehničnyh znań, možlyvo, vam znadobyťsja fahiveć, jakyj dopomože vam proanalizuvaty GA ta vidstežuvaty podiї.

Ščo ne robyty: Vse, ščo ne je odnym z pererahovanyh vyšče punktiv. Ne dozvoljajte komuś prodavaty vam shovyšče danyh, platformu BI, velykyj konsaltyngovyj proekt. V analityčnu platformu čy skladnu systemu obrobky danyh je sens investuvaty na značno piznišyh etapah.

Duže rannja stadija (vid 10 do 20 pracivnykiv)

Vy trohy pokraščujete svoju komandu. Svojeju čergoju, ljudy potrebujuť danyh, ščoby vykonuvaty svoju robotu naležnym čynom. Pry ćomu ne u vsih je ekspertyza ščodo obrobky danyh.

Ščo robyty: Na ćomu etapi vy, napevno, najnjaly marketologa. Perekonajtesja, ščo cja ljudyna volodije robotoju iz GA. Varto, aby usi vaši posylannja na sajti čy rozmiščeni materialy maly UTM-mitky. Perekonajtesja, ščo ne vidbuvajeťsja podvijnyj oblik subdomeniv.

Jakščo u vas je menedžer iz prodaživ i vy korystujetesja CRM, vykorystovujte vbudovani zvity. Perekonajtesja, ščo vaši spivrobitnyky znajuť, jak cym korystovuvatysja. Vam potribno znaty osnovni reči, taki jak produktyvnisť zverneń ta koeficijent konversiї. Salesforce dopomože vam iz cym uporatysja. Ne eksportujte dani v Excel, ne stvorjujte zvity u (žahlyvomu) rozrobnyku zvitiv.

Biľšisť system dovidkovoї služby čy analityčnyh system ne majuť zručnyh zvitiv, tomu vybyrajte KPI, jaki možna legko vymirjaty v mežah najavnogo interfejsu. Perekonajtesja, ščo vy vidstežujete NPS. Sprobujte takož skorystatysja Wootric abo Delighted.

Ščo ne robyty: Šče zarano dlja shovyšča danyh ta dlja analityky na osnovi SQL – ce prosto zajmatyme bagato času. Vy povynni vytratyty veś svij čas na te, ščoby pracjuvaty, a ne analizuvaty, i najprostišyj sposib ce zrobyty — vykorystovuvaty vbudovani možlyvosti zvituvannja riznyh produktiv SaaS, jaki vy vykorystovujete dlja vedennja biznesu. Vy takož ne povynni najmaty analityka na povnyj robočyj deń. Tut važlyviše vytratyty obmeženi košty.

Rannja stadija (vid 20 do 50 pracivnykiv)

Na cij stadiї vy pobačyte, ščo tehnologija analityky staje kraščoju ta švydšoju. Raniše cej typ infrastruktury buv dostupnyj lyše dlja nabagato biľšyh kompanij. Ce — najvažča i najvažlyviša faza.

Ščo robyty: Nalaštujte svoju infrastrukturu danyh. Ce označaje vybir shovyšča danyh, instrumentu ETL ta instrumenta BI. Vam takož znadobyťsja cila komanda analitykiv: inženery, analityky, fahivci z roboty iz danymy. Vam potribno znajty taku osoblyvu ljudynu, jaka zmože zibraty dovkola sebe komandu potribnyh fahivciv. Často ci ljudy majuť dosvid roboty u sferi konsaltyngu abo finansiv, majuť MVA. Podumajte nad tym, aby najnjaty konsuľtanta.

Ščo ne robyty: Jakščo mašynne navčannja ne je osnovnoju častynoju vašogo produktu, poky ne najmajte naukovogo spivrobitnyka. Ne varto robyty kastomnyh analityčnyh šabloniv čy vlasnyh system analityky. Ne varto zaoščadžuvaty na hmarnomu shovyšči, korystujučysja tradycijnymy bazamy danyh, takymy jak Postgres.

Serednij etap (vid 50 do 150 pracivnykiv)

Cej etap potencijno je najbiľš skladnym. Vy — jak i raniše — majete vidnosno nevelyku komandu ta nebagato resursiv, ale vas prosjať nadaty dlja biznesu vse biľš skladnu ta riznomanitnu analityku, i vaša robota može bezposeredńo vplynuty na uspih čy nevdaču kompaniї v cilomu. Tut važlyvo dosjagty progresu, odnočasno perekonavšyś, ščo vy prodovžujete zakladaty osnovu dlja majbutnih etapiv svogo zrostannja.

Čytajte takož: Data Scientist — hto ce takyj i čy varto obyraty cej fah

Ščo robyty: Zaprovadyty proces dlja modeljuvannja danyh na osnovi SQL. Vaši modeli danyh slugujuť osnovnoju biznes-logikoju dlja vašoї analityčnoї roboty, i nymy slid korystuvatysja v peršu čergu. Perekonajtesja, ščo vaš proces obrobky danyh ta їhńogo analizu dozvoljaje vsim korystuvačam vnosyty zminy do skryptiv modeljuvannja danyh, maje kontroľ versij ta pracjuje u prozoromu seredovyšči. Peremistiť svoju analityčnu robotu do Snowplow Analytics. — cej servis volodije tymy ž možlyvostjamy, ščo j platni instrumenty, ale zasnovanyj na open source.  Jakščo vy ne zrobyte perehid na ćomu etapi, vam ne vdasťsja zibraty nabagato biľše detalizovanyh danyh, — a vykorystannja kompleksnyh platnyh instrumentiv legko može «vymyvaty» iz vašogo bjudžetu ščonajmenše $10 tys ščomisjacja.

Jadrom vašoї komandy na ćomu etapi majuť staty biznes-analityky: ljudy, jaki je ekspertamy v SQL i vašyh instrumentah BI, i vytračajuť čas na robotu z biznes-korystuvačamy, ščoby dopomogty їm iz zapytamy danyh. Varto takož na ćomu etapi pošukaty svogo peršogo fahivcja iz posadoju Data Scientist.

Analityka dlja startapiv — jak organizuvaty її naležnym čynom 1
Jakščo vy zajmajetesja biznesom u SaaS-segmenti, vy povynni pracjuvaty nad modellju prognozuvannja potoku. Jakščo vy je komercijnym biznesom, slid pracjuvaty nad modellju prognozuvannja popytu

Ci modeli, jmovirno, ne buduť nadzvyčajno vytončenymy, ale vony stanuť velykym udoskonalennjam u porivnjanni z vypadkovoju robočoju knygoju Excel, jaku vy stvoryly i vely na počatkovomu etapi.

Ščo ne robyty: Legko zanurytysja v sebe i počaty investuvaty u skladnu infrastrukturu dlja obrobky danyh. Ne robiť ćogo. Na ćomu etapi velyki investyciї v infrastrukturu zalyšajuťsja dorogym vidvolikannjam vid osnovnoї mety. Dodajte do robočyh noutbukiv Jupyter dlja roboty z danymy. Znajdiť nedorogi sposoby stvorennja naboriv danyh ETL, jaki ne majuť integrovanyh komponentiv.

Etap zrostannja (vid 150 do 500 pracivnykiv)

Cej etap poljagaje u stvorenni masštabnyh analityčnyh procesiv. Potribno zbalansuvaty vidpovidi na pytannja, jaki vam potribni śogodni, z vprovadžennjam praktyk analityky, jaki buduť potribni u majbutńomu, po miri masštabuvannja proektu ta komandy.  U kompaniї na 150 pracivnykiv lyše 3-6 potijnyh analitykiv. Koly vy dorostete do 500+ spivrobitnykiv, možete legko zbiľšyty cej viddil up’jatero. Jakščo vy ne vporajeteś iz cym perehodom, vy pracjuvatymete menš efektyvno po miri zrostannja komand. Vam dovedeťsja dovše skladaty značušči statystyčni dani, a vaši vidpovidi buduť menš jakisnymy. Ščoby podolaty cej vyklyk, slid nalagodyty vidpovidni procesy.

Ščo robyty: Slid zaprovadyty testuvannja danyh. U vas je dani, ščo nadhodjať iz prynajmni desjatka džerel na ćomu etapi, i vam potribno provesty optymizaciju, aby usunuty pomylky, povtory, nuľovi polja ta pry ćomu zberegty korystuvaľnyćku biznes-logiku. Jakščo u vas nemaje prozorogo avtomatyzovanogo procesu, jakyj perevirjaje vhidni dani, jakisť vašogo analizu prodovžuvatyme degraduvaty, a vy pry ćomu ne zmožete vstanovyty spravžńoї pryčyny takogo zanepadu.

Čytajte takož: Vladyslav Flaks, OWOX: «Nalaštuvaty analityku možna za deń»

Vaš analityčnyj kod — ce aktyv, jakyj keruje vašym sajtom ta dodatkom. Vygotovlennja vysokojakisnogo kodu vymagaje serjoznogo kontrolju nad versijeju. Dolučiť usih učasnykiv komandy do shovyšča kodu na Git, navčiť їh korystuvatysja gilkamy obgovoreń ta komentuvannja kodu.

Serjozno stavtesja do dokumentaciї. Seredovyšče danyh u vašij kompaniї na ćomu etapi značno uskladnyťsja. Jedynyj sposib efektyvno keruvaty cymy znannjamy ta dilytysja nymy iz vašoju komandoju — ce investuvaty čas ta energiju, neobhidnu dlja dokumentuvannja zmin. Ce dodasť dejakyh nakladnyh vytrat, ale jakščo vy v ce ne investujete, vaši analityky pracjuvatymuť dovše nad zapytamy.

Isnuje 2 osnovnyh modeli pobudovy analityčnoї komandy: centralizovana ta vbudovana. Nemaje čitkoї pravyľnoї vidpovidi, jaka z modelej pasuvatyme vašomu proektu. Prote same ce rišennja bude ključovym faktorom dlja vašogo podaľšogo zrostannja.

Ščo ne robyty: Ne pryjmajte vypravdań ta kompromisiv u vypadku pomylok čy nedolikiv u roboti. Provedennja analityky na ćomu rivni — ce važka robota, i dlja ćogo potribna talanovyta i motyvovana komanda, jaka postijno innovacijno rozvyvajeťsja. Ogljady kodu vymagajuť času ta energiї. Analityky ne zvykly testuvaty svij kod, a dokumentuvannja je kopitkoju praceju. Vy možete zitknutysja iz oporom (javnym čy pryhovanym) z boku tyh učasnykiv komandy, jaki pam’jatajuť, «stari dobri časy», koly vse bulo prostišym ta ne nastiľky «bjurokratyzovanym». Ale oskiľky skladnisť zrostaje, vam potribno rozvynuty svoї procesy dlja adaptaciї. Serjozne stavlennja do zbyrannja ta analizu danyh — zaporuka togo, ščo zrostannja vašogo startapu na ćomu etapi ne naštovhneťsja na «skljanu stelju».

Jakščo vy znajšly pomylku, buď laska, vydiliť fragment tekstu ta natysniť Ctrl Enter.

Dodaty komentar

Takyj e-mail vže zarejestrovano. Skorystujtesja Formoju vhodu abo vvediť inšyj.

Vy vkazaly nekorektni login abo paroľ

Vybačte, dlja komentuvannja neobhidno uvijty.
Šče
Vy čytajete sajt ukraїnśkoju latynkoju. Podrobyci v Manifesti
Hello. Add your message here.

Povidomyty pro pomylku

Tekst, jakyj bude nadislano našym redaktoram: