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
