Kako smo unaprijedili proces analitike anketa korisnika

Ako vas zanimaju praktični primjeri kako unaprijediti procese analitike anketa korisnika ili klijenata, svakako pročitajte novi blog Voditelja edukacijskog centra Hrvoja Gabelice, koji se osvrnuo na KPI-jeve, prikupljanje podataka te alate koje je koristio prilikom analiza anketa.

S obzirom da u edukacijskom centru Poslovne inteligencije pratimo zadovoljstvo naših klijenata kroz anketiranje nakon svake edukacije, bilo je potrebno napraviti analitički sustav koji će nam automatski prikazati ključne indikatore performansi (KPI) koje želimo pratiti.

Najčešći oblik praćenja zadovoljstva klijenata/kupaca je kroz strukturirane/polustrukturirane i nestrukturirane ankete, a podatke koje dobijemo kao rezultat mogu poslužiti kao neprocjenjivi izvor znanja koje možemo iskoristiti za poboljšanje poslovanja i stvaranja novih poslovnih prilika.

S obzirom da u edukacijskom centru Poslovne inteligencije pratimo zadovoljstvo naših klijenata kroz anketiranje nakon svake edukacije, bilo je potrebno napraviti analitički sustav koji će nam automatski prikazati ključne indikatore performansi (KPI) koje želimo pratiti.

Kako svaka analiza podataka mora imati definiranu poslovnu potrebnu, bilo je potrebno definirati što želimo pratiti. Skraćena verzija KPI-ova koje želimo pratiti su:

  • Prosječna ocjena svih edukacija
  • Broj edukacija koje su imali u određenom periodu
  • Gdje smo održavali edukacije (klijent/PI edukacijski centar)
  • Prosječna ocjena po održanim edukacijama
  • Prosječna ocjena po trenerima

Nakon što smo definirali KPI-ove koje želimo pratiti, bilo je potrebno prikupiti podatke na najnižoj razini granulacije, odnosno na razini pojedinog odgovora kako bismo imali što kvalitetniju analizu podataka. Za naše potrebe smo koristili SurveyMonkey kao jednu od najboljih platformi za anketiranje.

Najčešći izazovi s kojima se poslovni korisnici susreću u prikupljanju, pripremi i analizi podataka su:

  • Manualno prikupljanje podataka (copy-paste u Excelu)
  • Manualna priprema podataka kroz Excel
  • Izrada izvještaja za svaki pojedini mjesec iz početka

Ovaj način nije u pravilu neispravan, međutim zahtjeva puno vremena i održavanja, što naravno troši novac i ostale resurse. S obzirom da u svom radu volim automatizirati stvari, odlučio sam automatizirati učitavanje, pripremu, izvoz i analizu podataka.

Za potrebe učitavanja podataka iz više izvora podataka (Google Sheets i Excel), pripremu (grupiranje podataka, spajanje tablica iz više izvora te izvoz u više formata (Excel, Tableau Hyper) samo odlučio koristiti KNIME Analytics Platform.

KNIME kao softverski paket je Gartnerov lider za Data Science platforme i koristio sam ga u ovom slučaju jer je:

  • Besplatan (za komercijalne svrhe)
  • Ima intuitivno grafičko sučelje za krajnjeg (poslovnog) korisnika
  • Podržava spajanje na različite izvore podataka (Excel, CSV, baze podataka, Big Data, JSON, XML itd.)
  • Na jednostavan način se napravi proces automatizacije učitavanja i pripreme podataka

Cjelokupan proces učitavanja, pripreme i izvoza podataka sam napravio u 30 minuta i kad dođu novi podaci ne mora se raditi cjelokupan proces nego ga ponovno pokrenuti što traje manje od 5 sekundi.

Cjelokupno izvještavanje i vizualizacija podataka napravljena je u Tableau Software, koji je trenutno apsolutni lider u području alata za vizualnu analitiku. Primjer koji prikazujem je napravljen u 15 minuta s obzirom da smo cjelokupnu pripremu podataka napravili u KNIME-u, iako je to nešto što se također može napraviti u Tableau.

Kako ne bi previše pisao o opisu izvještaja mislim da je najbolje vidjeti kako izgleda rezultat u praksi u donjem interaktivnom dashboardu.

 

 

Autor: Hrvoje Gabelica, Voditelj edukacijskog centra Poslovne inteligencije

Posljednje Blog objave

At Poslovna inteligencija, we are data experts. Our dedication to transforming business data utilization has led us to a partnership with Tableau, the global frontrunner in data visualization. This partnership is more than just a collaboration; it's our commitment to arm companies with the tools they need to unlock the full potential of their data.
In the age of digitalization, data is like the new oil. But extracting value from data over the long-term requires a strategy – and this post will help you establish one. We’ll cover why data strategy is important, how data strategy supports business strategy, and the 9 essential elements your data strategy should contain to be successful. Let’s dive in.
Environmental, Social, and Governance (ESG) reporting is not just a business trend but a regulatory necessity. It has become a crucial framework for assessing a company's impact on society and the environment, as well as its governance practices.
Financial consolidation is challenging for many reasons, but the biggest one for large enterprises is managing the complexity of the financial data itself. We will show you how IBM Cognos Controller can simplify the process and what are the best practices to maximize efficiency in financial consolidation.
In today’s digital age, data has become just as important as the products themselves. But for it to become valuable, data needs to be governed. In this article, you will learn how to implement a data governance strategy, as well as how data maturity assessments can help your organization get from simple data management to real-time data governance.
Financial consolidation is an essential process for an organization, especially if it has multiple entities. As a finance manager or executive, it empowers you with a complete understanding of your organization's financial well-being, enabling you to make informed decisions about where to allocate resources and how to plan strategically.
In today's competitive business landscape, maximizing profitability and unlocking your organization's true potential are critical to sustained success. PI Profitability Solution, powered by the IBM Planning Analytics with Watson platform, helps you achieve precisely that.
Data governance is the most important, yet most overlooked, part of creating an enterprise-level analytical system. It’s the key to making data-driven business decisions, but many enterprises don’t do it right – or not at all.
Scroll to Top

Budite u toku s novostima

Budite u toku s novostima

Prijavite se na naš newsletter i budite uvijek u toku s novostima i tehnologijama iz svijeta Poslovne inteligencije.


Business & Data Analysis
Planning, OLAP & Reporting & Financial consolidation
Data Integration, Data Migration & Data Engineering
Data Governance, Data Quality & Master Data Management
Data Science
DWH models
XBRL point
ConQ Content Analytics
SynQ

I acknowledge that the personal data I submit through this contact form will be used by Poslovna inteligencija d.o.o. to contact me and provide information related to my inquiry/application. I consent to Poslovna inteligencija using my submitted personal data to send newsletters containing information about news, products, and services of Poslovna inteligencija. I also acknowledge that I can unsubscribe from receiving newsletters at any time by clicking the 'Unsubscribe' link in each newsletter. Comprehensive information related to my rights and the use of my personal data can be found in Poslovna inteligencija's Privacy Policy.:
Yes No *

Please don't insert text in the box below!

The fields marked with * are required