Так.
Я понимаю, что tableau для некоторых стало эхом ушедшей молодости. Но это не повод не зарегистрироваться на RSTUG: #02VizNaDvore 16 Апреля 2024

причина номер 1. Будут топовые спикеры (как всегда)
🔝 Скромный Вадим Панасюк Tableau Ambassador из Vizuators собственной персоной расскажет про построение BI команды. У него нет бороды, но да бог ему судья
🔝Не-Скромный Александр Варламов Tableau Zen Master и Ambassador - взорвет вам мозг своими tableau трюками (скромные люди не делают такие вещи)
🔝 Диана и Александр из Wargaming. Там крутой уровень зрелости BI и точно будет что-то самобытное.
🔗 См агенду и темы тут

причина номер 2. Мы сменим формат (по вашим заявкам). Попробуем зум вместо стрима на youtube. Можно будет кроме чата - поднимать руку и подключаться в беседы, задавать вопросы голосом.

причина номер 3. Табло, не табло - не важно. В конце концов БиАй это про жизнь, тут важен принцип. Атмосфера легкого декаданса будет обеспечиваться джазом на фоне и легким сарказмом ведущих.

Короче регайтесь активнее гайз. Весна же

💩И да. Егор закинул конкурс на создание логотипа для нашей с вами tableau user group. Ведь это самое важное. Пока заявок немного, есть все шансы победить и забрать приз - поездку на Tableau Conference в Сиэтл

На этой неделе думал про дата культуру.

Разные компании пишут правильные стратегии, говоря о приоритетности дата грамотности. Но "Качество" людей (ужас какой) умножает на 0 бюджеты на проекты и наоборот - поднимает сложные инициативы без видимых усилий.

Возникает в центре эта самая Дата культура — то, как люди воспринимают себя, руководство и свои задачи с точки зрения данных, желательные модели принятия решений.
Кажется это самая актуальная тема из тех, о которых меньше всего говорят.
Думаю, никто не знает, как изменить это на практике.

Пока я думал об этом - выделил для себя 4 черты целевой data-driven культуры:

1️⃣ Приоритет объективности - решения основаны на эмпирических пруфах в результате анализа данных. Экспертные оценки являются второстепенными.

2️⃣ Challenge культура - Постановка под вопрос мнений руководства при условии подкрепления данными

3️⃣ Test and Learn (привет Костя Маркелов из Tinkoff Bank) - широкое использование экспериментов для управленческих решений

4️⃣ No Fear to Fail - поощряется делиться уроками как из успешных, так и из неудачных кейсов.

Большинство примеров, которые я вижу, это технологические компании, созданные за последние 20 лет.
Поэтому я пытаюсь понять эффективные методы трансформации для остальных. Помогайте.

Вот топ-3 (обратная нумерация):

3️⃣ Марафоны - это глобальные массовые длительные ивенты, где (почти все) сотрудники компании одновременно "бегут" по темам в режиме спринта, решают кейсы и отмечают результаты.
+ агрессивный маркетинг в интранете с участием топ-менеджеров и приглашенных экспертов (🤝@lingualize )

2️⃣ C-Level менеджмент имеет высокую data / AI грамотность и выступает активными спонсорами и евангелистами инноваций.

1️⃣ Корпоративная политика найма с обязательными требованием к дата скилам. Замена сотрудников, не обладающих данными навыками.
Это кажется наиболее эффективным методом. Может быть как жестким там и плавным.

Есть ли другие идеи/практики?

Картинку кладу в D&A Strategy and Tactics Guide

😎 Публичный Гайд по повышению BI Adoption перевел в более читабельный PDF формат ☝️

Размышлял над темой год и пора упаковать и переключится.

Еще родился шаблон для воркшопа, чтоб самим провести анализ в команде.

Кому эта тема интересна пишите и приходите на курс по BI стратегии в мае.
Там это все обсудится и пошарится

Фрейморки, борды, темплейты, сколько можно 😵‍💫

За год я произвел какое-то количество тулов для data/bi менеджеров.
Поток этого "творчества" не унять, это побочный продукт основной работы. Но нужно хотя бы структурировать. Вот последние:
- Data & Analytics Maturity Canvas
- BI Adoption guide и темплейт, PDF версия
- Data & Analytics Strategy & Tactics Guide 2.0
- Борд - Почему Data Catalogs не взлетают?
- BI Leader Ramble
- Info Design Songbooks (вместе с Настей)
- Some Dashboards Roasting (вместе с Ромой)

Удачные из них останутся, остальные переродятся во что то другое. Все надо касдевить в этой жизни - напишите в коментах кто чем пользовался.

Не только вам, но и мне требуется усилие, чтобы переварить эти борды, подружить с новыми мыслями и c задачами в работе, убедиться что они реально помогают решать
проблемы. Сложно не скатываться в итоге в инфо-продукты формата so-what и спасибо-кэп.

В том числе для этого я использую свой курс по BI стратегии. Кстати логичнее его переназвать в Разработка Data&Analytics стратегии и тактики, чтоб соответствовало содержанию.
Старт 15 мая, можем взять еще 2-3 человека, кому интересно, пишите. Если коротко - это 3-недельный марафон с длинными встречами по вечерам, "лекциями и домашками", tg-чатом и общением.

🤱Сейчас в работе есть еще несколько новых исследований - будущих Miro бордов, на разных стадиях:
- BI about BI: контент менеджмент гайд о том, что имеет смысл трекать в своей BI системе + примеры дашбордов
- Карта d&a болей: типология проблем разных дата и бизнес ролей + шаблон для воркшопа
- Коллекция шаблонов упражнений для воркшопа по дата/BI стратегии (полноценный экстеншн к этому гайду)
- Data Governance Program Guide 2.0 - сильно переосмысленный и дополненный
- Типология Оргструктур дата команд
- Tableau Report Optimization Guide
- ...

✍️Напишите в коменты, как думаете - в какие темы вложить больше усилий и продвинуть к готовности в первую очередь?
Часть добью и покажу на курсе в мае и потом выведу в паблик. Остальные будут созревать дальше.

#cамореклама

Какие вызовы возникают у корпораций при внедрении визуализации данных?

Меня попросили ответить а этот вопрос на конференции, но потом не хватило времени озвучить ответ.
Оставляю здесь свои мысли:

1️⃣ Первая мысль

Большинство data профессионалов не имеют интуитивного чувства, что хорошо и что плохо в визуализации данных. И это неисправимо.
После тренингов по визуализации аналитики учатся создавать разные типы графиков механически, без чувства дизайна.
Стайлгайды и шаблоны помогают избежать создания слишком уродливого контента, делая средний уровень более-менее нормальным.

Но создание высококачественных визуализаций остается исключительным сервисом отдельной команды с фокусом на дизайн.

2️⃣ Вторая мысль

Ценность визуализации данных не очень высока в корпоративном мире.
Она была преувеличена, в основном, Tableau, поскольку это их основное преимущество.
Это вызывает разочарование у аналитиков при начале работы бизнес-дешбординге.
Каждый сначала ищет как «применить» все многообразие чартинга, но потом осознает оптимальные типы графиков для любой метрики.
95% - BANs, бары и таблицы. Нет никакой необходимости их улучшать.
Релевантность аналитики и доверие к ней в разы важнее.
Поэтому я предпочитаю говорить больше например о процессах сертификации контента, чем о визуализации данных.
В ней нет ничего критически важного для бизнес-аналитики.
К сожалению.

3️⃣ И третье:

Качество визуализации - это фактор гигиенический. Оно не должно быть ниже определенного уровня в любом случае.

Поэтому я вижу тренд к вендоров (не у всех) в упрощении BI разработки.
Вместо множества модных экстеншенов для «сложных» графиков у BI-инструментов должен быть набор стандартных строительных блоков и готовых лейаутов.
Это ограничивает визуальное разнообразие, но обеспечивает единый формат (без ручных аудитов), ускоряет разработку и доводит время отклика отчетов на уровень приложений.

И вероятно это правильный тренд.

Парадокс Жевона в дата аналитике

Парадокс или Эффект Жевона описал английский экономист Уильям Жевон в 1865 году, изучая влияние улучшений в эффективности использования угля.

Прогресс в области инженерии данных снизил затраты на производство, распространение моделей данных и дашбордов. Задачи, которые раньше требовали недель работы команды из 3-4 BI/Data инженеров, теперь могут быть выполнены одним за несколько дней. Те же Копайлоты дали ощутимый буст времени на написание и аудит кода.

С уменьшением затрат на производство, растет спрос на данные и все их деривативы, что приводит к дальнейшему размножению датасетов и дашбордов.

Поддержание этого множества контента сокращает полученные выгоды: увеличиваются затраты на обслуживание, становится все сложнее для потребителей найти нужную информацию.
Сложность обнаружения и часто низкое качество дата контента стимулирует создание еще большего количества датасетов и дашбордов, поддерживая этот цикл.

Чтобы прервать этот отрицательный цикл, нужно более радикально переосмыслить способ работы, чем просто архивация ненужного:

1. Введение новых абстракций поверх базовых наборов данных. metric store связанный с семантическим слоем помогает повышать переиспользование и адаптацию мастер слоя для бОльшего количества кейсов использования.

2. Дата продукты и связанный с ними процесс сертификации и гавернанса. Создание объектов в местах наибольших пересечений требований разных потребителей и развитие этого слоя на аналитике их потребления.

Мораль: Если не начать эти инициативы сейчас, через 2-3 года вас с командой совсем не будет видно за кучей таблиц и отчетов, к которым добавятся еще и AI/ML модели 😭 😬

Осмыслил пост из Linkedin

Экспертная фасилитация - как формат аудита и доработки плана развития дата платформы.

Расскажу про интересный проект, который сделали этой весной вместе с мощным Женей Ермаковым (Toloka, ex-Yandex) для одной классной компании.

Задача была буквально:

сделать ревью существующего плана - убрать лишнее, добавить нужное, получив "структурированные рельсы" в виде набора рекомендаций и практик, которые бы подходили непосредственно нам, а не просто набор общемировых практик в вакууме.

Еще для длинного проекта по дата стратегии не было времени ни у нас ни у клиента, поэтому ...изобрели новый формат.

Основные этапы

1. Подготовка - 2-3 уточняющие встречи, подготовка шаблонов для обсуждений
2. Онлайн Воркшопы - 12 человек, 3 сессии по 3 часа по обсуждению ключевых тем. Работа в MIRO, Aнализ болей (описывал шаблон тут), дизайн TO BE решений и проч и проч
3 - Сведение результатов - упаковка инициатив, параметры их внедрения, слайдообразная преза для боссов.

Концепт

В основе идеи лежит наблюдение что весь консалтинг "под ключ" часто оторван от реалий компании, содержит много декларативности. Хотелось это убрать.

В этом формате фасилитатор должен быть сильно в предмете с высокой насмотренностью, при этом рулить групповыми обсуждениями, быстро реагировать, вникать в контексты и набрасывать мысли по ходу.
Делили с Женей роли и было круто.
Было опасение что получится неглубоко, но в итоге клиент доволен.

Мысли

Не склонен переоценивать пользу. Есть такой bias консультанта - ощущение что бог только что спустил на землю откровение и выбрал тебя проводником.

Ребятам (сюрприз) самим нужно будет уже все это реализовывать, но теперь уверенность в роудмапе сильно выше, выше поддержка менеджмента и команды. Больше вдохновения и воли. Важная штука.

Часть из предложенных решений не взлетит из-за проблем, которые мы не рассмотрели.
Будем наблюдать.
Ведь совершенство это не цель, это путь. 🚴‍♂️
Тем более в дата аналитике.

Если кому тема зашла - пишите, расскажу подробнее 🎩

Кому не зашла - перечитайте пост снова 😎