📈 Залетай в BI: Итоги работы за полгода __S3E4__ Давно не писал как у меня дела в новой роли: 1. Найм сотрудника Я бессовестно воспользовался личными связями — мне снова удалось нанять в команду Настю Кузнецову aka @nastengraph. Она работала в моей команде в Такси, мы много делаем совместных проектов по обучению компаний, а ещё она просто мой хороший друг. Поэтому нанять её — было большой удачей. 2. Система дашбордов для HR-аналитики Сначала сделали quick-win для анализа воронки найма, потом провели сессию Dashboard Map и сформировали какие дашборды нужны в ближайшие полгода, cобрали данные и сделали где-то 70% из запланированных в системе дашбордов. Сейчас уже есть и алерты с рассылками, и страницы сущности, и аналитические дашборды, и проверка качества данных — получается здорово, нравится и нам, и бизнес-заказчикам. 3. Финансовый анализ Сделали несколько дашбордов для анализа и автоматизации P&L и Cashflow компании. Тут работа идёт медленнее, чем в HR — пришлось настроить загрузку данных с помощью кода, а не через Fivetran. Но уже показали пользу, хотя пока больше в автоматизации, чем в анализе. 4. Как про…ть 3K$: Jira-дашборды Придумали концепт, проверили концепт, потеряли 3K$ 🙈 Многие процессы в компании проходят через тикеты в Jira. Появилась идея — сделать шаблоный дашборд, который позволил бы следить за статусами тикетов, их сроками, загрузкой сотрудников и т.п. Сделали шаблон и показали руководителям отделов. Кто-то был восторжен, а кто-то сразу относился скорее со скептицизмом. В итоге сделали 6 дашбордов, но регулярно сейчас пользуются, к сожалению, только 1-2 дашбордами. Тема оказалась не так интересна, как думали, надо подумать как это переупаковать или отказаться. Ещё случайно потратили лишних 3 тысячи долларов в пустую. Одна из команд переделала полностью всю свою очередь в Jira. Это привело к изменению всех полей в уже закрытых тикетах. Так как мы пользуемся Fivetran для заливки данных, мы потратили большое кол-во «строк» за пару ночей, а следовательно и лишние деньги. У нас уже были алерты на такие вещи, но я не сразу сообразил, что происходит и в итоге получился косяк. При средних расходах в 800-900$ в месяц, 3 тысячи кончено стали неприятным сюрпризом. Урок — расследуйте, что происходит с алертами сразу, а не «вот сейчас закончу задачку и гляну». Я просто сначала подумал, что это были реальные данные. Да дорогие, но нужные данные, а оказалось, что нет. А ещё обязательно проговаривайте с владельцами исходной системы, как их действия могут повлиять на ваши бюджеты. 🙈 5. Технологический стэк Добавили в стэк dbt cloud, теперь полностью цепочка выглядит как: `Система-источник → → Fivetran или код → raw слой в Postgre → dbt cloud → DDS/Reporting слои в Postgre → Дашборды в Tableau ` Ещё наделали всякого по мелочи — сделали style guide, провели обучение для сотрудников по работе с web-edit, сделали алерты и технические дашборды, чтобы следить за системой, запустили процесс согласования доступов для дашбордов (было критично сразу сделать хорошо, так как у нас чувствительные данные в дашбордах). Итоги Пока как метрику успеха проекта рассматриваю охват. За полгода получилось дойти по WAU с 0 до 40 человек. Адопшен рейт (WAU пользователей / общее кол-во пользователей в этом домене или отделе) в некоторых отделах достиг 70%, это прям очень неплохо. Но в целом в нашем направлении он гораздо ниже и ещё есть куда расти. Я разобрался в основах DWH и мы построили, хоть и простое, но эффективное для наших задач хранилище. Сейчас собираем данные из 12 разных источников. Рад, что не утонули в куче инфраструктурных вопросов и коде. На основе этих данных сделали порядка двадцати дашбордов. На этом закончу этот сезон сериала. Я снова «залетел в BI» и может что-то ещё расскажу, но позже. Следующая большая цель — сделать не только операционную аналитику, но и поменять бизнес-процессы на основе этих данных. Все серии: — S3E0: Трейлер — S3E1: Архитектура решения — S3E2: Data Ingestion — S3E3: Инструмент Data Ingestion — S3E4: Итоги за полгода #залетайвbi