Быстрый или бедный

Power BI – новый уровень в работе с данными

Microsoft Power BI – одна из систем интерпретации данных.

Сервисы формата BI выгружают данные из различных систем учета и встраивают их в единую модель. Эту модель можно создать под свои цели из готовых модулей. Можно видеть различные срезы, прогнозы, закономерности. Можно давать доступ к отчетам аналитикам и специалистам, маркетологам и топ-менеджерам.

Power BI имеет множество готовых коннекторов, которые способны забирать данные из систем статистики. Не требуется настройка связи между CRM и Google Analytics, а также системой коллтрекинга и Яндекс.Метрикой. Без физической интеграции вы можете связать различные данные. Например, звонки и заявки с конкретной рекламной кампании – с продажами, а людей, зашедших на сайт, – с посетителями офлайн-магазина.

Вы создаете бизнес-надстройку, которая агрегирует данные, рассказывает и показывает, что было, есть и будет эффективно и почему.

• Не требуется физическая настройка сквозной аналитики (интеграция). Все данные сводятся непосредственно в Power BI. Вы значительно экономите время на настройку системы сквозной аналитики и ресурс разработчиков.

• Power BI во многих случаях позволяет увидеть а) данные с момента настройки сквозной аналитики и б) ретроспективные данные. Это возможно благодаря тому, что в основе системы не лежит физическая интеграция. Вы получаете значительно больше информации для анализа и принятия решений.

• Модель объединения данных и принципы построения отчетов можно настроить под потребности и параметры конкретного бизнеса. Можно адаптировать отчет под принятие конкретных решений с широкими возможностями визуализации. В результате вы получаете отчетность, которая понятна и digital-специалистам, и бизнесу. Это позволяет всем участникам процесса говорить на одном языке.

Российский рынок начал всерьез рассматривать Power BI буквально пару лет назад.

Эта платформа все чаще используется для построения систем бизнес-аналитики с визуализацией и детальной интерпретацией данных.

Сквозная аналитика – это не просто технология, которую можно внедрить и забыть о ней. Это качественно иной процесс привлечения клиентов, взаимодействия с ними. Да, в последние полгода-год прослеживается явный тренд на принятие ее рынком. Но существуют как минимум три причины того, почему эта технология до сих пор не стала общепринятой практикой.

Проблема 1. Бизнес не до конца понимает ценность веб-аналитики

Однако уровень непонимания снижается, в том числе за счет того, что лидеры digital не перестают обучать рынок, и эта книга не исключение.

Проблема 2. Отсутствует техническая возможность настройки системы

Как правило, у бизнеса нет компетенций, нет специалистов. И это прямое следствие первой проблемы.

Проблема 3. Бизнес не готов менять что-либо в привычной работе

И этот страх перемен порой бывает блокирующим. Нет смысла настраивать сквозную аналитику для галочки, «чтобы было». Важно понять, чем она будет полезна бизнесу и готов ли бизнес к этим улучшениям, какие решения можно или даже нужно будет принять, придется ли менять бизнес-процесс.

Со сквозной аналитикой не получится так, что агентство (подрядчик) все делает, а заказчик об этом и думать забыл. Наоборот: агентство все настроит, но что дальше бизнес будет с этим делать? В Ingate мы точно знаем, для каких целей и результатов настраивается сквозная аналитика у каждого конкретного клиента. При этом сами клиенты зачастую до конца не понимают, зачем именно все это делается. Но наши специалисты помогают донести ценность, обосновывают рекомендации и то, каким образом будет усилена маркетинговая стратегия. А без такого прикладного применения сам факт настройки аналитики теряет всякий смысл.

Технология сквозной аналитики – это доступный сегодня каждому бизнесу способ сделать уверенный шаг вперед и начать меняться.

2.2. Будущее, которое уже наступило: объединяем данные в онлайне и офлайне

Мы рассмотрели три основные схемы сквозной аналитики, которая, безусловно, должна быть обязательным компонентом маркетинговой стратегии бизнеса. Но каждая из этих схем, пусть и в разной степени, имеет погрешности в работе с данными, если речь идет об офлайне. Пользователь может назвать менеджеру не артикул товара с уникальным идентификатором, а просто модель. Или месяц выбирать что-то на сайте, а потом в магазине подойти к терминалу самообслуживания, найти товар и пробить себе чек. И ничего с этим не поделать.

Пока что жизнь человека в интернете и его обычная жизнь – это две разные вещи. И поэтому идеальной схемы сквозной аналитики не существует. Но грань уже тонка. Так, апгрейд Яндекса «Королев» – это не что иное, как еще один шаг к большей персонализации, объединению в один портрет желаний человека в офлайне и его действий в онлайне на разных устройствах. Поисковые системы говорят: «Мы угадываем ваши желания», что на самом деле значит «Мы следим за вами».

Уже сейчас при настройке онлайн-рекламы можно задавать точный таргетинг, изучать отчеты по кросс-девайсным конверсиям, и уже тестируются отчеты о данных аналитики офлайн. Пока такие методы несовершенны, но это только первые шаги. Понятно, к чему все идет: со временем пользователь в сети и вне интернета будет для маркетолога, для аналитических систем одним человеком.

Никита Карпук, директор по продуктам Virgin Connect:

– Уже сегодня бизнес может использовать данные о потенциальных клиентах в офлайне для показа им онлайн-рекламы. Технология, лежащая в основе услуги MacTarget от Virgin Connect, основана на сборе MAC-адресов посетителей через пассивные сигналы Wi-Fi-модуля смартфонов и интеграции с рекламными площадками. Сегодня система работает со всеми сервисами Mail.ru Group (ВКонтакте, Одноклассники и др.), и список будет расширяться. Данная технология позволяет настраивать адресный таргетинг на аудиторию и находить потенциальных клиентов среди тех, кто проходит мимо ваших магазинов, ресторанов, автосалонов, объектов недвижимости. Все просто: в локациях устанавливаются радиосенсоры (Wi-Fi-роутеры). Они сканируют пространство, используя сигналы смартфонов посетителей. Вашу рекламу видят те, кто посещал кафе, проходил мимо, был в офисе, находился неподалеку.

Идентификаторов, способных сопоставить данные пользователей различных устройств, уже много: Client ID, User ID, телефон, email, MAC-адреса устройств, геолокация. Привязка параметров аналитики к устройству и, как следствие, местоположению клиента приближает нас к пониманию полной картины поведения покупателей в офлайне: как часто человек посещает торговый центр, ресторан или другую офлайн-точку, сколько в среднем времени там проводит, как перемещается и т. д.