Lee mis apuntes de la charla ‘Desayuno con Tableau y Clearpeaks’ ( Mejores prácticas para empresas con enfoque ‘data-driven’).
La semana pasada he asistido a una charla organizada por Tableau y el equipo de Clearpeaks.
No tengo ninguna afiliación con las dos empresas.
Me parecía interesante ver cuales son las prácticas buenas y conocer casos de éxito de la implementación de BI.
Aquí os dejo un recap que las cosas que me he apuntado + algunas observaciones de mi experiencia.
Tableau tiene una herramienta que es Tableau prep builder para preparar los datos.
Tableau prep builder está incluido en la licencia de Tableau. No lo he probado todavía, pero hay que destacar que la preparación de los datos es muy importante en un proyecto de BI.
Yo personalmente he tratado el tema de requerimientos cuando hemos construido dashboards de search (PPC + SEO) de varios canales durante mi tiempo en Vistaprint, pero ya lo se que la preparación de lo que necesitas, como lo tienes que utilizar es más importante de lo que imaginas.
Es decir, como cualquier otra cosa, tu trabajo no es útil si luego nadie analiza los datos y saca conclusiones. Ahí está el problema, tener datos, big data, data-driven suena muy guay 🙂 , pero la verdad es que poca gente sabe cómo interpretar los datos.
Por lo tanto, si alguien construye tu Tableau y está basado en tus requerimientos ambiguos, pues, es pérdida de tiempo y recursos si no utiliza o interpreta para avanzar con tu negocio. Te recomiendo pensar bien en los requerimientos o pedir ayudar, porque el análisis de requerimientos es clave.
La estrategia es importante + limpiar y preparar los datos. Luego viene la parte de la adopción del dashboard, onboarding de la gente que lo tiene que utilizar e interpretar en su trabajo diario.
El análisis de los datos es cultura personal y de empresa, se requiere comprensión avanzada de los datos. La chica de Tableau ha mencionado en la charla que se trata de falta de data literacy, algo que hay que superar. Por eso, siempre digo que el aprendizaje continuo tiene que formar parte de nuestro ADN :).
Tableau te puede ayudar crear una historia, incluir dashboards y notas para contar lo que dicen los datos, la ventaja de Tableau es que te permite analizar los datos en tiempo real. Si en la empresa se hacen o quieren hacer análisis en detalle, pues, es mejor trabajar con Tableau dashboards o herramientas de dashboards en tiempo real que cogen los datos de varias fuentes.
Apunta y aprende: Existen dos tipos de datos, estáticos y en tiempo real! La elección de uno u otro depende de tu caso de uso.
Desde mi experiencia te puedo recomendar explorar en detalle Power BI, QLIK, Tableau para configurar dashboards y crearlos en tiempo real. Si quieres trabajar con dashboards sencillos o informes estáticos, cuenta con Google Analytics o Adobe Sitecatalyst.
Yo personalmente tengo apuntado a probar Power BI que es gratis 🙂
Volviendo al tema de Tableau que te permite lo siguiente:
- Colaboración – permite que un usuario puede etiquetar otro usuario con simple @
- ‘Tableau ask data’
Una funcionalidad que me llamaba la atención, porque es búsqueda con voz (solo se ofrece en inglés de momento), es uso de lenguaje natural, que los datos hablan solos.
- una iniciativa buena de Tableau es ‘Tableau doctor’
Preguntas, dudas, sobre el uso de Tableau. Esto me ha dado la idea de experimentar con un programa nuevo en mi empresa actual para ofrecer ‘ask me anything’ /’doctor’ tipo de programa para compartir conocimientos de mi producto con los compañeros.
Explicar los datos
Funcionalidad de Tableau que me parecía interesante es: haces clic en un dato, luego eliges explain data ‘explicar los datos’ en un dropdown y se explican los datos. Eso si que es muy útil para la gente que necesita un empujón para empezar a interpretar los datos. Se puede usar en tu herramienta de BI si estás desarrollando un producto de BI o dashboards 🙂
Al final a lo mejor las user personas de tu producto de BI tienen nivel diferente de data literacy y una funcionalidad así podría ayudar con la adopción del producto.
‘Explicar los datos’ es una ayuda muy sencilla, pero explica algunas de las razones posibles para los cambios y segmentos, argumentos. Así la gente entiende más los datos.
Prácticamente detecta los valores extremos y relaciona segmentos (e.g. grupos de clientes).
Explicar los datos es una funcionalidad útil para empujar el análisis de datos / no para usuarios solo, a nivel configuración.
Otra cosa interesante es ‘buscar por palabra’, permite una búsqueda más larga, natural y salen sugerencia mientras uno busca info en Tableau.
Caso de uso – Noatum Maritime
La segunda parte de la charla incluye un caso de uso de Noatum Maritime.
Es impresionante cuántos años lleva un proyecto asi!
Un proyecto de BI empieza por la estrategia, pero es imprescindible invertir tiempo para limpiar / validar los datos con que trabajamos.
Puntos clave:
- respetar el tiempo de adopción
- no subestimar la preparación, la limpieza
- sin perder el foco 😉
Una cosa interesante al respecto a Tableau son las limitaciones de OLAP cubos.
Un proyecto de BI dentro de una empresa global debería incluir la formación, enseñar los cubos + proveer info para garantizar la adopción del uso, explicar que se puede sacar y conseguir con los datos.
Analítica avanzada
De Clearpeaks han enseñado un caso de Tableau de mostrar ‘aging de facturas’. Cuando me van a pagar la factura?
Han usado machine learning para el modelo, han invertido en la la preparación de los datos y luego lo muestran en Tableau para la predicción de facturas.
Importante:
Analizar + preparas los datos
Identificar bien las fuentes de datos
No olvides que es un proceso iterativo
Preparación de los datos
Limpiar los datos es clave, porque casi siempre se tienen que cambiar tipos de datos, limpiar nulls, normalizar los datos y equilibrarlos. Esto requiere el 80-90% del tiempo!
Visita ClearPeaks y Tableau