Self-Servis Analitik (Self-Service Analytics)
Self-servis analitik, iş kullanıcılarının her yeni görünüm için veri ekibine talep açmadan, yönetişim altındaki BI araçlarında verileri keşfettiği, raporlar oluşturduğu ve kendi sorularını yanıtladığı bir yaklaşımdır.
Self-servis analitik nedir?
Self-servis bir yelpazedir: hazırlanmış bir paneli filtrelemekten, sertifikalı veri setlerinden yeni raporlar oluşturmaya kadar uzanır. Hafif uçta kullanıcılar, kendileri için oluşturulmuş panellerde tarihleri, bölgeleri ve kanalları değiştirir.
Ortada, düzenlenmiş bir modelden alanları sürükleyerek kendi grafiklerini oluştururlar. En uçta ise SQL yazar veya doğal dilde sorular sorarlar.
Model dört katmandan oluşur: yönetişim altındaki veriler, metrikleri tanımlayan bir semantik katman, bir BI aracı ve kimin ne yapabileceğine karar veren eğitim ve yetkiler. Bu, veri demokratikleşmesinin pratik biçimidir ve veri ekibinin işini rapor üretmekten güvenilir yapı taşlarını sürdürmeye kaydırır. Faydalı bir sağlık kontrolü, talep açılmadan yanıtlanan soruların oranıdır; bu oran devreye almadan sonra sabit kalıyorsa veri setleri veya eğitim işe yaramıyor demektir.
Self-servis analitiğin işlemesi için ne gerekir?
Self-servisin başarısı BI aracına değil, kullanıcıların başladığı veri setlerinin kalitesine bağlıdır.
Sertifikalı veri setleri: siparişler ve müşteriler gibi, resmi kaynak olarak işaretlenmiş, az sayıda belgelenmiş ve test edilmiş tablo.
Bir semantik katman: "gelir"in tek bir anlamı olması için LookML, Power BI semantik modelleri veya dbt Semantic Layer'da bir kez tanımlanan metrikler.
Satır düzeyinde güvenlik: bir bölge müdürü yalnızca kendi bölgesinin satırlarını görür.
Bir metrik sözlüğü: her alanın yanında sade dilde tanımlar.
Yetkinleştirme: kısa eğitim oturumları, şablonlar ve danışma saatleri.
Kullanım izleme: hangi raporların açıldığını takip edin, açılmayanları kaldırın.
Self-servis analitik pratikte nasıl görünür?
Amaç, veri ekibinin talep kuyruğunu daha küçük bir yeniden kullanılabilir varlık setine dönüştürmektir. Üç analistin ayda, diyelim ki, 40 rapor talebi aldığı ve bunların çoğunun "geçen çeyrek kategori bazında GMV" sorusunun varyasyonları olduğu 150 kişilik bir online pazaryerini düşünün.
Ekip iki sertifikalı Looker explore'u oluşturur: siparişler ve satıcılar.
LookML, brüt mal hacmini (GMV) ve komisyon oranını (komisyon geliri ÷ GMV) bir kez tanımlar.
Kategori yöneticileri, kendi sorularını alıştırma olarak kullandıkları iki adet bir saatlik eğitim oturumuna katılır.
Explore'da yanıtlanabilecek talepler, kısa bir ekran kaydıyla oraya yönlendirilir.
Diyelim ki bir çeyrek sonra talepler ayda 15'e düşüyor ve analistler, açılan zamanı tekrar eden veri çekimleri yerine fiyatlandırma deneylerine harcıyor.
Self-servis analitiğin riskleri nelerdir?
Yönetişimsiz self-servis, daha fazla sayı ve daha az uzlaşı üretir. Tekrarlayan başarısızlık biçimleri iyi bilinir:
Metrik dağınıklığı: üç panel, üç farklı gelir versiyonu, her toplantıda bir tartışma.
Panel mezarlıkları: yüzlerce rapor, çoğu bir ay sonra hiç açılmıyor.
Yetki sızıntıları: maaş veya müşteri verilerini yanlış ekibe açan paylaşılmış bir rapor.
Düşük veri okuryazarlığı: ortalamaları yanlış okuyan veya eksik dönemleri karşılaştıran kullanıcılar.
Düzenlemeye tabi finansal raporlama, karmaşık istatistiksel çalışmalar veya yüksek riskli tek seferlik sorular için yanlış modeldir. Bunlar hâlâ yönteminin arkasında durabilecek analistlere aittir.
Self-servis analitik, geleneksel BI'dan nasıl ayrılır?
Geleneksel, BT liderliğindeki iş zekâsında her raporu uzmanlar oluşturur; self-serviste ise uzmanlar temelleri, kullanıcılar raporları oluşturur. Geleneksel iş zekâsı sıkı kontrol ve tutarlılık sağlar, ancak teslim süresi yavaştır.
Self-servis hız sağlar, ancak tutarlı kalmak için bir semantik katmana ve sertifikasyona ihtiyaç duyar. Olgun ekiplerin çoğu ikisini birlikte yürütür; yönetici ve finans raporlamasını merkezi olarak sahiplenmeye devam eder.
Yaygın araçlar arasında Power BI, Tableau, Looker, Looker Studio, Metabase, Sigma ve ThoughtSpot bulunur. Metabase ve Looker Studio küçük ekiplere uygundur; Looker ve Power BI daha büyük ekipler için daha güçlü semantik modelleme sunar. Self-servis aynı zamanda ad hoc raporlama kuyruklarının doğal halefidir.
Self-servis analitik ve BT liderliğinde raporlama karşılaştırması
Self-servis analitik | BT liderliğinde raporlama | |
|---|---|---|
Raporları kim oluşturur | Sertifikalı verilerden iş kullanıcıları | Veri veya BI uzmanları |
Teslim süresi | Dakikalardan saatlere | Talep başına günlerden haftalara |
Tutarlılık riski | Semantik katman olmadan metrik dağınıklığı | Düşük, ancak darboğazlı |
En uygun olduğu alan | Keşif, operasyonel sorular | Finans, yönetim kurulu ve düzenleyici raporlama |
Tipik araçlar | Looker, Power BI, Metabase, Sigma | Power BI, Tableau, SSRS |
VIZIO AI self-servis analitiği nasıl oluşturuyor?
VIZIO AI, self-servisi kullanıcıların zaten ihtiyaç duyduğu filtreler ve görünümler etrafında tasarlar, ardından platformu sahiplenmeleri için onları eğitir. ABD merkezli küresel bir dijital pazarlama ajansı için Growth Studio'muz, Google, Meta ve LinkedIn verilerini birleştiren, tarih, kanal ve kampanyaya göre filtrelenebilen markalı bir Looker Studio portalı geliştirdi; böylece müşteriler yeni bir rapor istemeden performansı kontrol edebildi. Ajans haftalık raporlama saatlerini %40 azalttı ve müşteri portalı etkileşimini 4× artırdı.
ABD'de bölgesel bir HVAC ve sıhhi tesisat hizmet sağlayıcısı için stüdyo, pazarlama ekibinin Power BI panellerini bağımsız olarak yönetebilmesi için yetkinleştirme oturumları düzenledi ve manuel raporlama eforunu %60 azalttı. Nereden başlamalı: en çok tekrarlanan on veri talebinizi listeleyin; bunlar ilk sertifikalı veri setinizi tanımlar.
VIZIO AI vaka çalışmalarında Self-Servis Analitik (Self-Service Analytics)
- Digital Marketing Analytics ›Filtrelenebilir bir Looker Studio müşteri portalı, bir pazarlama ajansı için haftalık raporlama saatlerini %40 azalttı ve müşteri portalı etkileşimini 4× artırdı.
- Advertising Performance Analytics ›Yetkinleştirme oturumları, pazarlama ekibinin Power BI panellerini bağımsız olarak yönetmesini sağladı ve manuel raporlama eforunu %60 azalttı.