Datamodellen bouwen om selfservicegebruikers te ondersteunen

Blog

We leven in een wereld van gegevens: er zijn er meer dan ooit tevoren, in een steeds groter wordende reeks vormen en locaties. Omgaan met gegevens is uw venster op de manieren waarop datateams de uitdagingen van deze nieuwe wereld aangaan om hun bedrijven en hun klanten te helpen floreren.

Een van de sleutels tot een succesvol, modern bedrijf is om elke werknemer uit te rusten met de tools, vaardigheden en gegevens die ze nodig hebben om hun werk beter te doen en slimmere beslissingen te nemen. Als lid van het datateam is uw rol complex en veelzijdig, maar een belangrijke manier waarop u uw collega’s in het hele bedrijf ondersteunt, is door datamodellen op te bouwen en te onderhouden.

Datamodellen zijn de motor die elk aspect van het dataprogramma van uw bedrijf aanstuurt: u voert geavanceerde analyses uit, productteams sturen de ingebedde analyses van uw app aan en eerstelijnsgebruikers vertrouwen erop voor selfservice-verkenning. Laten we eens kijken hoe we betere datamodellen kunnen bouwen om deze brede gebruikersgroep te ondersteunen en waarom dat zo belangrijk is in de wereld van big data waarin we leven.

Een richting kiezen voor uw datamodel

De belangrijkste stap bij het bouwen van een product (en dat is precies wat je doet als je een datamodel maakt) is uitzoeken voor wie het is en wat je ermee wilt doen.

Bij het maken van een datamodel voor eenvoudige point-and-click-analyse en filtering, kunnen data-ingenieurs onbewerkte, genormaliseerde tabellen in hun magazijn opnemen en deze omzetten in gedenormaliseerde, enkelvoudige samenvattingstabellen, zoals gebruikelijk is bij datamodellering in codegestuurde analyses. Dit gegevensmodel is een uitstekende keuze voor tijdige levering van geaggregeerde statistieken op het hoogste niveau waarvoor niet veel extra context nodig is.

Bij het ondersteunen van robuuste selfservice-ervaringen die zijn gebouwd voor autonome verkenning via automatisch gegenereerde boorpaden, kruisfilters en hiërarchieën, zijn verschillende transformaties en ontwerpoverwegingen vereist: in plaats van tabellen te denormaliseren, bereiden gegevensingenieurs gegevens voor door relaties op te bouwen tussen genormaliseerde tabellen en de velden in die tabellen om gespecialiseerde sterschema’s te vormen voor dagelijkse rapportage en eenvoudige ad-hocbehoeften.

Dit kan een uitdaging zijn voor datateams die in het verleden hebben voldaan aan de rapportagebehoeften van de organisatie op basis van alleen overzichtstabellen. Een stap terug doen en nadenken over hoe gegevens moeten worden georganiseerd om een ​​groot aantal veelvoorkomende, maar onvoorspelbare vragen te behandelen, is een niet-triviale taak, maar het valt niet alleen op het datateam. Dit is waar datateams moeten praten met de bedrijfsorganisaties die ze bedienen (verkoop, marketing, onderzoek en ontwikkeling, enz.).

Denk als een ontwerper

Het bouwen van een effectief gegevensmodel vereist een grondig begrip van uw gebruikers en hun doelen, workflows en uitdagingen. Maar als u uw gebruikers gewoon vraagt: “Wat wilt u?” of “Wat heb je nodig?” levert u niet per se nuttige antwoorden op. Een mogelijke oplossing: denk als een ontwerper.

Denk aan uw analysedatabase als een product. Je zou geen product ontwerpen zonder de problemen te begrijpen die het oplost; pas dezelfde logica toe op de datastore die uw bedrijfsanalyses dient.

Begrijp de doelen en doelstellingen van uw gebruikers

Vergeet de tools die u nu hebt, of de tools die u overweegt te bouwen of te kopen. Het is belangrijk om de doelen en doelstellingen van de collega’s die u bedient te begrijpen, zonder het beperkende kader van specifieke oplossingen in gedachten.

Zoek vertegenwoordigers uit elke groep die u bedient en vraag ze om diep na te denken over de soorten vragen die ze moeten beantwoorden. Er kan meer dan één interview nodig zijn om alle benodigde informatie te verzamelen en op te nemen. Niemand zal je elke vraag kunnen vertellen die ze moeten stellen als ze hun zelfbedieningsanalyses gebruiken (dat is het hele punt van zelfbedieningsanalyses), maar na een paar gespreksrondes zul je een duidelijkere beeld van hun behoeften.

“Een handige manier om de uitdagingen van uw gebruikers te leren kennen, is door een gebruikersverzoek om gegevens op te volgen met vragen”, zegt Chris Meier, Manager Analytics Engineering bij BI.nl. “Vraag gebruikers dingen als: ‘Welke beslissing ga je nemen als de gegevens je X vertellen? Of misschien precies het tegenovergestelde: Y? ‘ Door deze extremen te gebruiken, kunnen gebruikers gemakkelijk hypothesen overwegen en uitkomsten bieden op basis van het spectrum van gegevens dat u mogelijk verstrekt. Weten hoe ze omgaan met gegevens over de extremen, geeft je de grenzen van hun gebruiksscenario en geeft je een goed idee van wat ze zouden kunnen doen als ze de gegevens zien waarom ze hebben gevraagd. ”

Begrijp hoe uw gebruikers vandaag gegevens gebruiken; articuleren hun problemen

Door te observeren hoe uw gebruikers momenteel omgaan met gegevens, zullen hiaten en uitdagingen aan het licht komen die ze routinematig negeren omdat ze denken dat een betere wereld niet mogelijk is. Mensen zijn opmerkelijk goed in het doen ondanks tekortkomingen in hun workflows.

Gewapend met een goed begrip van de doelen van uw gebruikers en hoe ze momenteel met gegevens werken, kunt u proberen hun uitdagingen onder woorden te brengen en ter discussie te stellen.

Betrek uw gebruikers om uw observaties en lessen te herzien en actief hun pijnpunten. Je zult merken dat mensen meestal veel te zeggen hebben over hun uitdagingen wanneer ze voor hen liggen. Luisteren is hier de sleutel: stel zinvolle vragen en faciliteer waar nodig, maar de echte waarde komt voort uit de reacties van de gebruikers.

“Ik ben er vast van overtuigd dat iedereen gegevens op een andere manier absorbeert – net zoals we verschillende leerstijlen hebben – dus je moet dat door het eindproduct laten komen door feedback te krijgen”, zegt Jennah Crotts, Data Analytics Manager bij Jukin Media. “Zakelijke gebruikers toestaan ​​om weergavevoorkeuren te kiezen, is geweldig voor buy-in omdat ze zelf onderdeel zijn geworden van het ontwerpteam. Kijken hoe ze omgaan met dashboards is ook cruciaal: probeerden ze bijvoorbeeld ergens op te klikken om meer details te krijgen waar ik een jump-to-dashboard kon toevoegen? Tot welk tijdsbestek en welk tijdsbestek probeerden ze te komen? Het aanpassen van deze elementen kan cruciaal zijn om het gebruiksgemak en de acceptatie te verbeteren. “

Verander het allemaal in een verhaal om uw strategie te sturen

Nu kun je een stap terug doen en alles wat je hebt geleerd, samenvoegen in een verhaal dat je gebruikers, hun doelen en de reis beschrijft die ze afleggen om ze te bereiken. (Op dit punt kun je zelfs stoppen met het gebruik van de term “gebruiker” en naar hen gaan verwijzen als een “persona.”) Hoe u ook naar uw gebruikers verwijst, dit is het punt waarop u kunt beginnen met het bouwen van uw datamodel en hen kunt helpen meer uit de datastores van uw bedrijf te halen.

Moedig bouwen om uw gebruikers meer mogelijkheden te bieden

Hun teams uitrusten met echte selfservice-analyses is al jaren het doel van talloze bedrijven. Desondanks is de adoptie achtergebleven. Een deel hiervan was te wijten aan het feit dat de beschikbare tools niet voldeden aan de behoeften van hun eerstelijnsgebruikers, maar een mentaliteitsverandering was ook een krachtig ontbrekend onderdeel.

Gewapend met de hier geschetste informatie, zou u hopelijk een stap dichter bij het belichamen van die broodnodige paradigmaverschuiving binnen uw organisatie moeten zijn. Leer uw gebruikers kennen, begrijp hun workflows en uitdagingen en ga vervolgens aan de slag met het bouwen van een datamodel waarmee ze diep in de data van uw bedrijf kunnen graven en echt datagedreven kunnen worden. Het doorsluizen van dat model naar het juiste analyse- en BI-platform zal de sleutel zijn om deze verandering te stimuleren.

Het ontdekken van gebruikersbehoeften en modellering voor selfservice vereist tijd en werk. Dit is onvermijdelijk, maar het netto resultaat is een duidelijk pad naar het meest zinvolle werk dat gedaan moet worden. U bouwt de motor die de inzichten van uw bedrijf zal stimuleren. Bouw het moedig op!

Tristan Nunnally is een productmanager voor op code gebaseerde analyses bij BI.nl. Hij is gepassioneerd door mensen, ideeën en technologie, in die volgorde.