В этой статье мы поделимся опытом настройки и использования систем аналитики и визуализации данных, которые помогают в управлении подразделением. Этот подход могут применять не только руководители подразделений, но и все, кому нужно постоянно принимать решения внутри проекта, продукта или бизнеса.

Привет, меня зовут Наталья Устименко, я управляющий партнер и директор performance-направления JetStyle. В рамках недавно прошедшего Уральского диджитал-тура от Ruward и Далее, я рассказывала о том, как выстроила управление бизнес-юнитом на основе данных. Это статья по мотивам моего выступления. 

Речь пойдет о том:

• с какими проблемами я столкнулась как руководитель подразделения;
• какие инструменты для сбора данных и принятия управленческих решений я использовала, чем они были хороши и не очень;
• на каком инструменте остановилась, и как он работает (спойлер, это дашборды на основе DataLens — в конце статьи лежат демо, чтобы каждый мог их покрутить).

Кроме того, в моей статье вы найдете последовательность шагов по настройке подобных дашбордов и чеклист готовности к их внедрению. 

Поехали!

Проблемы руководителя подразделения и что с ними делать

Я работаю в JetStyle — это комплексный digital-продакшен, который состоит из трех независимых подразделений, мы называем их бизнес-юнитами. У каждого есть своя стратегия развития, свои клиенты и сотрудники, свои проекты и свои финансы. Руководитель волен строить работу внутри своего бизнес-юнита по собственному усмотрению — это большая свобода и большая ответственность. 

Моя рутина — это тактические и стратегические задачи:

• контроль за поступлением и расходованием денежных средств,
• управление портфелем клиентов,
• управление командой и координация загрузки специалистов,
• оперативная реакция на возникающие проблемы,
• планирование стратегии развития подразделения. 

Для принятия любого решения необходим доступ к актуальным данным, а они поступают из нескольких, не связанных друг с другом, систем, и чтобы анализировать их вместе — пришлось поискать решение.

Через тернии к дашбордам

Мой бизнес-юнит существует с 2016 года. И до 2021 большая часть доходов приходилась на услуги по разработке. Сейчас же две мои опоры и основные ноги — дизайн и интернет-маркетинг. 

Со сменой услуг сменился и темп развития.

Чтобы эффективно управлять своим юнитом, я изначально много внимания уделяла аналитике того, что с ним происходит. Мы прошли несколько этапов в этом процессе.

Этап 1: эра Excel-таблиц

С 2016 по 2020 год мы сводили всю аналитику на базе Excel-таблиц. Это понятный и доступный инструмент, но у него есть свои особенности:

• чтобы найти ответ на вопрос, необходимо выгрузить данные или перенести их руками, написать формулы и внимательно следить, чтобы эти формулы захватывали необходимые значения;
• для каждого нового вопроса этот цикл повторяется;
• чтобы видеть важные показатели в динамике, нужно делать апдейт данных регулярно. 

Это всё нудно и долго.

Этап 2: знакомство с Google Data Studio

В 2021 году мы изменили подход к работе с табличками:

• сократили их количество,
• подключили источники данных напрямую к Google Data Studio,
• визуализировали чарты. 

Увы, пользовались этим решением недолго — возник слишком высокий риск потерять доступ к данным.

Этап 3: переход на дашборды в Yandex DataLens

С 2022 года в наших коммерческих проектах мы активно использовали визуализацию данных при помощи DataLens. Мы настроили их для всех наших крупных клиентов: «Уральских авиалиний», Besins Healthcare, «Сервье Россия». Клиенты счастливы, потому что у них есть удобные дашборды с данными для принятия решений. Мы же решили не быть сапожниками без сапог — и настроили собственную аналитику с помощью этого же инструмента.

Срезы, которые я анализирую, и за динамикой показателей которых я слежу:

1. Экономика.
2. Продажи
3. Производство.

Чтобы у всех читателей была возможность «пощупать» наши дашборды, мы сделали демопанель: данные в ней синтетические, но дают представление о том, как всё работает.

Если вы оцените наших эльфов, гномов, Арагорна и Мордор, порадуется один digital-стратег, который помог мне с подготовкой демопанели.

Посмотрим, как устроены наши дашборды.

Дашборды экономической части

С точки зрения экономики мы следим за следующими показателями:

• оборот/прибыль/рентабельность в динамике;
• распределение прибыли по проектам/менеджерам;
• доля утилизации часов;
• оборот/прибыль по типам услуг;
• оборот/прибыль по форматам оплаты. 

На дашбордах все наглядно:

Дашборды про продажи

Мы следим за следующими показателями:

• динамика входящих заявок;
• распределение целевых и нецелевых заявок;
• распределение заявок по юнитам;
• соотношение новых продаж и апсейлов;
• распределение заявок по каналам/источникам/сферам. 

Например, с точки зрения воронки продаж, мы следим за балансом и ищем ответы на вопросы:

1. Есть ли изменение в распределении входящих?
   • Если есть, то почему оно произошло?
   • Сломался скоринг и нужно перепроверить данные?
   • Стало больше целевых входящих, тогда что мы такого сделали, чтобы это масштабировать?
   • Или мы просто взяли нового менеджера и переключили поток на него?

2. А может быть стало меньше входящих?
   • Если да, то почему?
   • Имеет место сезонность?
   • Сломался какой-то канал?
   • Или может быть менеджеры перестали заносить лиды в CRM?

Намного проще следить за балансом новых продаж и апсейлов. Для нас, например, распределение 50 на 50 — это нормально, а вот если оно ломается, мы ищем причину. 

Вот распределение по каналам/источникам входящих: 

Если запустили ABM на авторынок, то следим за тем, растет ли спрос в категории «Авто». Или, например, видим, что увеличилась доля входящих в категории «Логистика» — делаем про этот сегмент отдельный лендинг, чтобы поддержать спрос маркетинговой активностью. 

Дашборды про производство

С помощью дашбордов про производство мы следим:

• какие проекты есть на специалисте/группе специалистов,
• изменение коммерческой/некоммерческой загрузки.

Анализируем, например, растет ли коммерческая загрузка на недавно принятого специалиста, чтобы понять его востребованность. Или отлавливаем ситуации, когда человека нужно разгрузить/догрузить по количеству проектов.

Как настроить такую аналитику у себя

В нашем случае схема попадания данных в DataLens выглядит следующим образом:

В вашем случае набор может быть другим. Но есть обязательные условия для того, чтобы засетапить и развернуть подобную историю. 

Прежде всего, команда:

1. Владелец процесса — описывает требования к процессу, ставит задачу и менеджерит этот процесс. Ему, собственно говоря, больше всех надо.
2. Специалист по разметке данных — обрабатывает неструктурированные данные и расставляет тэги.
3. Python-разработчик — достаточно уровня джуна — загружает данные в ClickHouse.
4. Аналитик данных — настраивает и занимается отладкой дашбордов в DataLens. 

С точки зрения процессов вам важно убедиться, что в компании:

1. Налажены процессы разметки и выгрузки данных.
2. Специалисты трекают рабочие часы.
3. Понятно, как проверить полноту данных.
4. Возможно провести кросс-чек.
5. Существует документация, в которой описывается, как, откуда и по какой логике подтягиваются данные, как они размечаются, куда идут дальше.

Итого

Если вы хотите сами разобраться в том, как работают наши дашборды — переходите на нашу демопанель.

Кстати, там же мы опубликовали и другие демодашборды, которые настраиваем для клиентов:

— анализ спроса на бренды китайских автомобилей,

— SEO-дашборды.

Если вы хотите посмотреть запись этого выступления, все материалы доступны на сайте Уральского диджитал-тура в разделе «Екатеринбург».
А если вы хотите такие дашборды для себя или своих клиентов или хотите получить консультацию по их настройке, напишите мне в Telegram.