Gyakran felmerül a kérdés, hogy milyen módszerek állnak rendelkezésre az ilyen jellegű adatok elemzésére? Hogyan tudunk ezekből az adatokból értéket teremteni? Sokan a legfapadosabb megoldást választják: adatok exportálása végtelen Excel táblázatokba, aztán fkeres és vkeres függvények, makrók, és más Excel fekete mágia gyakorlatok, sűrűsödő munkafüzetek stb. Ez azonban nagyon időigényes és macerás megoldás, mely számtalan hibalehetőséget rejt magában, illetve minden egyes alkalommal újra és újra le kell gyártani ezeket a táblázatokat. Nagyvállalati szinten azonban felmerül a kérdés, hogy létezik erre esetleg jobb megoldás? Nézzük, milyen lépésekből áll egy ilyen elemzés!
Cégünk egy K+F belsős projektje volt a különböző Facebook oldalainkon, valamint más social media felületeinken képződő adatok összekapcsolása és együttes elemzése, hogy ezzel segítsük a marketinges kollégák munkáját. Nem titkolt hosszútávú célunk ezzel a projekttel volt az is, hogy egy olyan általános, de adott esetben testreszabható megoldást találjunk (későbbi értékesítési célzattal), melyben esetenként minimálisan kell csak módosítani az elemzés mögötti kódokat, és az igényeknek megfelelően könnyen bővíthető.
Nézzük, milyen szempontokat kell figyelembe vennünk a megfelelő technológia kiválasztásához?
Költség
Az első – és talán legfontosabb – szempont a rendelkezésre álló költségkeret, hisz adott esetben ez nem csak leszűkítheti de meg is határozhatja a döntést.
Hol szeretnénk használni a platformot?
On-premise vagy cloud megoldásban gondolkozunk, mennyi felhasználó fogja használni, ehhez milyen licensz társul, a további felmerülő speciális igényekről nem is beszélve.
Adatfeldolgozás
Milyen mennyiségű adatot kell feldolgozni? Milyen sebességgel? Milyen követelmények vannak az adatfeldolgozással kapcsolatban?
Adatintegráció
Egyrészt a kiválasztásra kerülő eszközünknek csatlakoznia kell a különböző adatforrásokhoz (Facebook, Twitter, Google Analytics, stb.), tehát rendelkeznie kell a megfelelő konnektorokkal, amelyek segítségével egy helyre integrálhatjuk adatainkat. De milyen konnektorokat válasszunk? Olyat, ami mindenre jó, vagy valami specializált eszközt? Általában ez a legnagyobb kérdés, mivel ennek adott esetben komoly anyagi vonzata lehet az alap költségeken felül. Bizonyos típusú adatforrások esetén nem elegendő a generalizált web / REST konnektor testreszabása; a problémát csak komoly erőforrások igénybevételével lehet megoldani. A specializált konnektorok ugyan drágábbak, de direkt erre a célra vannak lefejlesztve – minden ilyen jellegű adatot le tudnak kérdezni– azonban mindig szem előtt kell tartani a rendelkezésre álló erőforrásokat. Továbbá, a social media adatforrások más struktúrában tárolják le az adatot, ebből fakadóan a kiválasztandó technológiának rendelkeznie kell olyan ETL eszközökkel, amelyek használatával elő tud állni az elemzéshez szükséges adatmodell.
Felhasználói felület
A használathoz elengedhetetlen egy letisztult és egyszerűen felépített felület, amin akár egy laikus üzleti felhasználó is gyorsan el tud igazodni, segíti az elemzést és láthatóvá teszi az adatok közötti összefüggést.
IT faktor
Talán nem túlzás azt állítani, hogy a marketing és az IT között állandóak a „kihívások”. Mások az elképzelések, a felhasználó túl bonyolultnak ítéli az IT által javasolt megoldást, nem minden esetben érthető ki mire gondol pontosan – és még sorolhatnánk.
A feladat tehát adott volt: egy olyan platformot kellett találni, amely a laikus felhasználó számára is egyszerűen és gyorsan használható, rugalmas, megfelel a kitűzött céloknak és nem igényel állandó asszisztenciát az IT részlegtől. Mindezeken felül gyors és olcsó
A K+F projekt során felmértük az igényeket és ennek megfelelően számos megoldást megvizsgáltunk. Beleástuk magunkat a social media oldalainkról érkező adatokba, és megnéztük, pontosan milyen adatokat tudunk és akarunk elemezni. A Facebook esetében például – csak pár fontosabbat megemlítve a teljesség igénye nélkül -: page like, talking about, share, feed shares, feed comments – de vajon milyen összefüggések vannak az adatok között? Mely posztok értek el nagyobb közönséget? A képes, videós vagy sima szöveges tartalmak voltak népszerűbbek? Milyen témák mozgatták meg a nagyközönséget a legjobban?
A döntésünk végül egy modern üzleti intelligencia eszköz „átszabására” esett. A szükséges paraméreket a marketing csapattal együtt dolgoztuk ki, majd megkértük őket, hogy kezdjék el használni a felületet. Örömmel tapasztalták, hogy egy olyan letisztult analitikai felületet kaptak, amellyel időt és energiát spórolhatnak, illetve könnyen és gyorsan tudnak vele dolgozni. Külön öröm volt számukra, hogy az egyes folyamatok automatizáltak, így az aktualizáláshoz semmilyen extra idő vagy energiabefektetésre nincs szükség.
Ha kíváncsi vagy arra, hogy melyik eszközt vettük alapul, és hogyan szabtuk át a nekünk legmegfelelőbb formára, akkor ne menj messzire, hiszen hamarosan beavatunk az ezzel kapcsolatos részletekbe is a cikksorozatunk következő részében! Amennyiben megosztanád velünk, hogy Te milyen megoldást alkalmaztál a probléma megoldására, itt tudsz nekünk üzenetet írni!
Komor Attila, BI konzulens, Nextent Informatika Zrt.
[cegajanlo id=”nextent”]
