מענה לשאלות עסקיות בעזרת נתונים

חלק מהמשימות של דאטה אנליסט הוא לעזור לגורמים העסקיים לענות על שאלות עסקיות בעזרת נתונים.

דוגמאות לשאלות עסקיות:

• מדוע יש ירידה בשיעור ההמרה בחודש נובמבר? האם יש סגמנט מסוים שגורם לירידה הזאת?
• באיזו עיר יש יותר לווים שמאחרים בהחזר תשלומים. והאם זה קורה רק בחודש מסוים?
• האם יש לקוחות שמעדיפים מוצרי יוקרה? איזה מוצרים נוספים אפשר להציע ללקוחות האלה?

תשובה לשאלות מהסוג הזה יעזרו לגורם העסקי להחליט על הפעולות שעליו לבצע בהמשך.

במאמר הבא אתאר את השלבים שעל האנליסט לבצע כדי לענות על השאלות הללו.

הבנת השאלה העסקית

בשלב הראשון לפני שהאנליסט ייגש לטבלאות, עליו להבין מהגורם העסקי מה רוצים להבין מהנתונים, מהי השאלה העסקית שחשוב לענות עליה. הגדרה מדויקת של הבעיה חשובה מאד להצלחת האנליזה והאנליסט יכול לעזור בחידוד הבנת הבעיה כדי שיוכל לענות עליה באופן כמותי בשלבים הבאים. לדוגמה, כשגורם עסקי מדבר על כמות הפרטים שנמכרו ברבעון האחרון, האנליסט צריך לדעת הוא מתכוון למכירות של כלל המוצרים של החברה או רק למוצרים שהמחלקה שלו משווקת. 

תהליך זה גם מאפשר תיאום ציפיות בין האנליסט לגורם העסקי. בלעדי תיאום ציפיות זה, לגורם העסקי עלול להיות רעיון מסוים בראש ובפועל הוא יקבל תוצאה שונה ממה שהוא ציפה לקבל.

איתור מאגרי המידע

לאחר שהאנליסט הבין היטב את השאלה העסקית, עליו 'לכתת רגליו' בנבכי מחסן הנתונים (DWH) של הארגון ולאתר את השדות שיכולים לעזור לו לענות על השאלה. בתהליך איתור הנתונים האנליסט יכול גם להיעזר גם ב- DBA שמכיר את הטבלאות ויכול להפנות אותו לטבלאות הרלוונטיות.

בניה של מודל הנתונים

ברוב המקרים, בנתונים עסקיים יש חריגות ותקלות ולכן בשלב הראשון האנליסט צריך לבחון את הנתונים שהוא עובד עליהם ולנקות אותם במידת הצורך. למשל, בבסיס הנתונים עלולים להיות לקוחות שנוצרו ע"י מחלקת ה- Product בשביל בדיקה, והשארתם באנליזה עלולה לעוות את התוצאות.

בשלב הבא האנליסט יבנה את מודל הנתונים הרלוונטי לשאלה העסקית על ידי יצירת טבלאות אגרגטיביות (טבלאות מסכמות) וחיבור בין טבלאות שונות ב- DWH. האנליסט גם יכול ליצור פאנל של נתונים (טבלה חדשה שמסכמת את כל הנתונים שצריך לאנליזה) כדי שיוכל לתחקר אותה בהמשך.

שלב זה הוא טכני ביסודו ודורש יכולות תכנות. לרוב, התכנות יהיה בשפת SQL על גבי המנוע של ה- DWH, אך ניתן לבנות מודל נתונים גם בשפת R או Python ובמקרים מסוימים גם ב- Excel. ישנם בשוק גם כלי BI שמאפשרים לבצע את השלבים האלה.

ויזואליזציה והצגת הנתונים

לאחר בניית המודל המתאים לשאלה העסקית, האנליסט יבצע תחקורים על המודל כדי למצוא תשובות לשאלות. כדי להציג את התשובות בהמשך בד"כ האנליסט ירצה להשתמש בגרפים. לרוב אנליסטים משתמשים בגרפים כדי להציג נתונים כיוון שיותר קשה למוח להשוות בין נתונים כמותיים כאשר עובדים בטבלאות.

בשוק ישנם כלים רבים שיכולים להציג נתונים גרפיים, מאקסל ועד כלי BI מתקדמים. אין זה משנה באיזה כלי BI תבחרו, אך הדבר החשוב הוא שהכלי יוכל לייצר תצוגה ברורה ועל הגרפים להיות ניתנים להבנה במבט אחד עם כמה שפחות קווים וסימנים.

התחום של הצגת נתונים הוא תורה שלמה, אך רצוי שהאנליסט יכיר לפחות את העקרונות הבסיסים לפני שהוא מציג נתונים. ניתן למצוא חומר רב (גם בעברית) על הנושאים האלה.
קראו עוד במאמר שלי על טיפים לדאטה אנליסט המתחיל.

בדיקת שפיות – Sanity check

תהליך ניתוח הנתונים הוא תהליך מורכב מאד ולכן סביר להניח שטעויות יקרו בדרך בכל אחד מהשלבים. למשל, בחירה לא נכונה של השדות בבניית המודל תוביל לתוצאות לא הגיוניות, שגיאה בבניית מודל הנתונים עלולה לעוות את התוצאות. לכן, כדי למנוע את המצבים האלה, האנליסט יבצע בדיקות שפיות בכל שלב.

בבדיקות השפיות אנליסט יחזור לגורם העסקי וישאל אותו האם הנתונים שהוא הגיע אליהם הגיוניים כדי לוודא שלא היו שגיאות בדרך. דוגמה לשאלה כזאת יכולה להיות "האם זה הגיוני שמחזור המכירות של החודש האחרון היה 2 מיליון ₪?" או "האם זה הגיוני שבחודש מרץ אני רואה עליה חדה בכמות המשתמשים באפליקציה?".

אם התשובות לבדיקות השפיות לא מסתדרות עם הנתונים שהאנליסט מקבל, עליו לחזור לשלבים הקודמים ולמצוא היכן התקלה. לפעמים בבדיקות האלה מגלים שהנתונים בטבלאות לא נכונים ועל אנשי ה- DWH לסדר ולתקן אותם.

הצגת הנתונים לגורם העסקי – לספר את הסיפור של הנתונים

בסוף האנליזה האנליסט יציג את התובנות לגורם העסקי. לרוב, התוצאות יוצגו במצגת או במסמך שיסדרו את הגרפים והנתונים בסדר לוגי שיראה את התובנות העיקריות ומה הגורמים להן. במצגת כזו יכולות להיות תובנות עסקיות, פעולות לביצוע, והשערות לשאלות עסקיות נוספות.
בכתיבת התובנות על האנליסט לשים לב שהוא אינו שוגה בניתוח הנתונים והתובנות שלו אינן מושפעות ממשתנים מתערבים.

אופן ההצגה של הגרפים והנתונים צריך להיות בצורה דידקטית. הדימוי של מורה המלמד תלמיד בבית ספר יסודי מתאים בדיוק לכאן. ככל שהסיפור יהיה פשוט להבנה ומגובה בממצאים כך הגורם העסקי יפנים בקלות את הידע וישתמש בתובנות אלו. 

סוג הצגה זה מכונה לספר את הסיפור של הנתונים. באנגלית זה נשמע טוב יותר story telling with data והרעיון הוא לתת לגורם העסקי חוויה נעימה ופשוטה ככל האפשר. 

אני יודע שהשורות האחרונות נראות כאילו נלקחו מעולמות השיווק או הפסיכולוגיה, אך הסיבה לכך היא שישנם גורמים עסקיים שיש להם רתיעה מתחום ניתוח הנתונים ולכן ככל שהאנליסט יקל עליהם בהצגת הממצאים כך תפחת החרדה שלהם.

לסיכום

במאמר תיארתי את השלבים במענה לשאלה עסקית ע"י אנליסט עד לתשובה מלאה ויפה שמספרת את הסיפור של הנתונים. השלבים במאמר הם מאד מפורטים ובפועל לא תמיד צריך לעבור את כל השלבים בשביל לענות על כל שאלה עסקית.

בחלק מהמקרים ניתן להשתמש במודל נתונים קיים כדי לקצר את על התהליך, ולעיתים יש מצבים בהם התשובות הן פשוטות וכבר מופיעות בדו"ח KPI של החברה. יחד עם זאת, חשוב לזכור שתמיד יש לעשות תיאום ציפיות עם הגורם העסקי באשר לתוצר שהוא צפוי לקבל ותמיד תמיד (תמיד!) חשוב לעשות בדיקות שפיות במהלך העבודה על נתונים.

צריכים דאטה אנליסט בכדי לענות על השאלות העסקיות של החברה שלכם?
מוזמנים ליצור איתי קשר [email protected]

* המאמר נכתב בלשון זכר אך מתייחס לכל המינים.

לקריאה נוספת

היתרונות בהעסקת דאטה אנליסט חיצוני (פרילנסר).
שיפור יחס המרה על ידי דאטה אנליסט.
מהן התפקידים של דאטה אנליסט וכיצד לנצל את הכישורים שלו בצורה הטובה ביותר.

English version of the article –Answering business questions with data