Архитектура аналитического решения
При старте любого проекта по рекламе архитектура аналитического решения должна быть.
Архитектура аналитического решения — это понятие применимо к работе с большими данными, когда используются полноценные ETL процессы, имеется хранилище данных и BI слой. Но упрощённо я его использую и при запуске рекламных проектов. Простыми словами — это схема работы с данными, имеющая несколько слоёв.
На скриншоте привожу пример простейшей архитектуры аналитического решения для ручной отчётности при запуске рекламы.
Слой источников
Слой содержит все источники данных, которые мы будем использовать.
В примере это:
- рекламные площадки с данными по расходам, показам и кликам;
- данные из CRM со статусами заявки и utm-метками с рекламы;
- информация из системы колл-трекинга;
- данные из Гугл Аналитикс с информацией по целям.
Мы тянем их в более-менее стандартизированном виде, чтобы в дальнейшем склеивать в единые отчёты и таблицы данных.
Слой Хранилище
В данном слое мы из сырых данных делаем магию. То есть преобразуем данные таким образом, чтобы их было удобно забирать на слой бизнес-пользователей.
Его условно можно разделить на несколько этапов. Первый — слой сырые данные. Сюда информация попадает без обработки. В больших облачных хранилищах для этого могут быть предназначены отдельные базы данных. В нашем примере это таблицы Excel.
Второй — слой с предобработкой сырых данных и справочными таблицами. Именно тут мы обрабатываем информацию в удобный нам вид, добавляем новые столбцы, меняем размерность и формат значений, добавляем НДС и так далее.
Отдельно скажу про справочные таблицы — в них мы вносим ту информацию, без которой на BI слое не обойтись. Например, справочник названий кампаний и их типов.
Третий — слой с готовыми наборами данных в виде сводных таблиц, которые можно использовать для построения отчётов бизнес-пользователей. Эти отчёты можно сразу отдавать, а можно перейти к третьему этапу аналитической архитектуры.
Слой BI
Слой предназначается для конечных пользователей, которые принимают решения. Обычно это ТОП-менеджмент, руководители и собственники бизнеса.
Это уже готовые дашборды данных, преимущественно с графиками и показателями. Без наличия больших сложных таблиц. Информация, которую несёт каждый элемент дашборда, должна быть хорошо понятна читателю.
А что делать дальше
Подготовив архитектуру аналитического решения гораздо проще двигаться вперёд и строить отчётность. Описанная схема очень проста для понимания бизнес-пользователей, собственно, ради которых всё это и строится.
Ну а далее, когда у нас есть понимание типов данных и их источников, мы можем построить модель данных, в которой с помощью ключей свяжем между собой таблицы и сможем начать реализовывать всю архитектуру аналитического решения.
Чтобы проиллюстрировать на примере, я подготовил статью про построение отчёта до продаж в Битриксе. Ознакомиться можно по ссылке:
Заключение
На мой взгляд, возможность разложить сложные процессы на небольшие простые шаги очень важна при работе с глубокой аналитикой данных, помогает не только лучше понять структуру данных, но и облегчает процесс анализа, выявления закономерностей и построения прогнозов. Разделяя задачи на более мелкие компоненты, мы можем сосредоточиться на каждой отдельной части, что снижает риск ошибок и позволяет более эффективно использовать доступные ресурсы.
А ещё больше полезных материалов можно забрать ниже: