ThoughtSpot je analytická platforma, ktorej hlavnou myšlienkou je, že sa na svoje dáta pýtate otázkami v bežnej reči, podobne ako keď niečo hľadáte vo vyhľadávači. Namiesto skladania grafov klikaním do zložitých rozhraní napíšete vetu, napríklad otázku na predaj podľa regiónu v poslednom období, a systém z pripojených dát vytvorí tabuľku alebo graf. Cieľom je, aby sa k odpovediam dostali aj ľudia, ktorí nie sú analytici.
Článok vysvetlí, ako takýto prístup funguje, komu sa hodí a kde treba byť opatrný. Aktuálne produkty, funkcie a podmienky si overte na oficiálnom webe.
Analytika cez otázky
Klasický reportovací nástroj funguje takto: analytik pripraví dashboard a ostatní si ho pozerajú. Ak sa niekto spýta niečo, čo v dashboarde nie je, musí čakať. ThoughtSpot sa snaží tento problém obísť. Používateľ si môže položiť novú otázku sám a dostane odpoveď z aktuálnych dát.
Platforma je určená hlavne väčším organizáciám, ktoré majú dáta v cloudových dátových skladoch a chcú ich sprístupniť mnohým ľuďom v rôznych oddeleniach. Typickí používatelia sú obchodní manažéri, marketéri, finančníci a prevádzkoví pracovníci. Dátový tím zase pripravuje modely, definície a pravidlá, aby odpovede boli správne.
Pre jednotlivca, ktorý si chce prezrieť jednu tabuľku, je to zvyčajne príliš veľké riešenie.
Ako to funguje
ThoughtSpot sa pripája k dátovým zdrojom, najčastejšie k cloudovým skladom ako Snowflake alebo Databricks, a dotazuje sa na ne bez toho, aby ste museli dáta kopírovať ručne. Konkrétny zoznam podporovaných zdrojov nájdete v dokumentácii.
Pracovný postup má zvyčajne tieto časti.
- Dátový tím pripojí zdroje a opíše, čo jednotlivé stĺpce a ukazovatele znamenajú.
- Používateľ napíše otázku do vyhľadávacieho poľa alebo sa pýta asistenta.
- Systém ju preloží na dotaz, vykoná ho a zobrazí výsledok ako tabuľku či graf.
- Užitočné výsledky sa dajú uložiť do tzv. liveboardov, teda interaktívnych dashbordov, ktoré sa aktualizujú s novými dátami.
- Používatelia môžu výsledky ďalej filtrovať, rozkladať a zdieľať.
Platforma ponúka aj možnosť vkladať analytiku do iných aplikácií a funkcie s podporou umelej inteligencie. Ich presný rozsah a názvy sa vyvíjajú, preto sa spoľahnite na oficiálne materiály.
Dôležitý je takzvaný sémantický model. Je to vrstva, ktorá vysvetľuje systému, čo znamená „tržby", „zákazník" či „aktívny používateľ". Bez dobrých definícií sa odpovede môžu mylne líšiť od toho, čo čakáte.
Na čo ho použiť
- Rýchle ad hoc otázky. Obchodný manažér chce vedieť, ako sa darí produktu v regióne, a nemusí čakať na report.
- Samoobslužné reporty pre oddelenia. Marketing, financie a prevádzka si pozerajú vlastné čísla v jednotnom systéme.
- Skúmanie príčin. Po poklese predaja používateľ postupne rozkladá číslo podľa kanála, produktu či obdobia.
- Zdieľané dashboardy pre vedenie s priebežne aktualizovanými údajmi.
- Vkladanie analytiky do vlastného produktu, aby zákazníci videli prehľady o svojich dátach.
- Znižovanie vyťaženia dátového tímu, ktorý tak rieši menej opakujúcich sa požiadaviek.
- Sledovanie zmien a upozornenia na neobvyklé hodnoty, ak ich platforma ponúka.
Ako začať krok za krokom
Typicky ide o firemné zavedenie, nie o registráciu na pár minút.
- Určite si, ktoré otázky chcete vedieť zodpovedať, napríklad o predaji, zákazníkoch alebo nákladoch.
- Zistite, kde sú dáta, a či sú v podporovanom zdroji. Ak nie, je potrebné ich najprv zjednotiť.
- Kontaktujte dodávateľa cez oficiálny web a overte možnosti skúšobnej verzie alebo ukážky.
- Pripojte jeden zdroj a vyberte tabuľky pre pilot.
- Pomenujte stĺpce zrozumiteľne a zapíšte definície kľúčových ukazovateľov.
- Nechajte skupinu používateľov z biznisu vyskúšať otázky a zbierajte, kde systém neporozumel.
- Opravte definície, doplňte synonymá a pridajte najčastejšie dashboardy.
- Až potom rozširujte prístup na ďalšie tímy.
Tipy pre lepšie výsledky
Investujte do pomenovania. Čím zrozumiteľnejšie sú názvy a popisy, tým lepšie systém chápe otázky. Technické skratky z databázy zmeňte na pojmy, ktoré používa biznis.
Definujte ukazovatele raz. Ak sa „tržby" počítajú v troch podobách, ľudia dostanú tri rôzne čísla a prestanú dôverovať systému.
Učte používateľov formulovať otázky konkrétne: čo, za aké obdobie, podľa čoho. Nejasné zadanie vedie k nejasnej odpovedi.
Výsledky overujte. Pri dôležitých číslach porovnajte odpoveď s existujúcim reportom, aspoň na začiatku, kým si vybudujete dôveru.
Dôležité dashboardy dopĺňajte popismi, aby bolo jasné, odkiaľ dáta pochádzajú a kedy sa aktualizujú.
Obmedzenia a riziká
Presnosť a interpretácia. Aj dobre fungujúci systém môže otázku pochopiť inak, než ste mysleli. Odpoveď, ktorá vyzerá presvedčivo, nemusí byť správna.
Závislosť od kvality dát a definícií. Platforma nezlepší chybné zdroje. Ak dáta nesedia, nesedia ani odpovede.
Súkromie a prístupy. Keď sprístupníte dáta širokému okruhu ľudí, musíte dôsledne riešiť oprávnenia, najmä pri osobných údajoch zákazníkov a zamestnancov.
Funkcie umelej inteligencie. Ak asistent pracuje s jazykovým modelom, zistite, ako sa spracúvajú vaše otázky a dáta, a či ich využíva dodávateľ.
Náklady a zavedenie. Ide o podnikové riešenie. Podmienky a ceny si overte priamo u dodávateľa, nie z druhej ruky.
Pre koho nie je vhodný
Ak máte pár tabuliek v Exceli, výhody sa nepremietnu. Pre menšie tímy s databázou je jednoduchšou voľbou Metabase. Pre bezplatné reporty nad službami Googlu poslúži Looker Studio. Ak ste v prostredí Microsoftu, prirodzene zapadne Power BI. Ak potrebujete detailné prispôsobenie vizualizácií, porovnajte Tableau.
Rozmyslite si aj to, či máte ľudí na správu sémantického modelu. Bez nich sa zo samoobslužnej analytiky môže stať zdroj nejasností.
Príklad: obchodný manažér pýta za pochodu
Veľký maloobchodník má dáta o predaji v cloudovom sklade a dátový tím pripravil sémantický model s jasnými definíciami. Regionálny manažér pred poradou potrebuje vedieť, ktoré kategórie produktov v jeho regióne zaostali oproti predchádzajúcemu obdobiu. Napíše otázku, dostane graf a ďalšími otázkami ho rozloží podľa predajní.
Zistí, že pokles sa sústreďuje v niekoľkých pobočkách, a uloží výsledok do zdieľaného dashboardu pre tím. Na poradu príde s konkrétnymi dátami, nie so všeobecným dojmom. Ak by systém otázku pochopil nesprávne, manažér to zistí z názvov použitých stĺpcov a filtrov, ktoré nástroj zobrazí, a upraví zadanie. Dátový tím medzitým rieši zložitejšie úlohy, nie opakujúce sa žiadosti o jednoduché prehľady.
Alternatívy z katalógu
Z reportovacích nástrojov sú to Power BI, Tableau, Looker Studio a Metabase. Ak hľadáte rýchle otázky v bežnej reči nad nahraným súborom, vyskúšajte Julius AI. Pre vlastnú dátovú základňu môžete uvažovať o Snowflake alebo Databricks, s ktorými sa podobné nástroje často prepájajú.
Časté otázky
Naozaj sa stačí pýtať ako človeku?
Do veľkej miery áno, no kvalita odpovedí závisí od pripravenosti dát a definícií. Formulujte otázky konkrétne a výsledky kontrolujte.
Nahradí dátových analytikov?
Nie. Odľahčí ich od jednoduchých opakujúcich sa požiadaviek, ale návrh modelu, kvalita dát a zložitejšie analýzy ostávajú na odborníkoch.
Funguje v slovenčine?
Podpora jazykov sa líši a mení. Overte ju v oficiálnej dokumentácii a vyskúšajte na vlastných otázkach.
Dá sa vyskúšať pred nákupom?
Možnosti ukážok a skúšobných verzií sa menia. Informácie nájdete na oficiálnom webe.