No comments

Борис Маяцкий: «Для того, чтобы ехать по МКАДу, не нужен Boeing»

Борис Маяцкий, руководитель аналитического направления Департамента информационных технологий Правительства Москвы, рассказал о том, как Tableau помог ему обойти конкурентов, изменить подход руководства к принятию управленческих решений и совершить карьерный прорыв.

%d0%bc%d0%b0%d1%8f%d1%86%d0%ba%d0%b8%d0%b9

Еще четыре года назад мне было сложно поверить, насколько сильно отдельно взятый BI-продукт может изменить мою карьеру.

Все началось в  2012-м году, когда  я возглавлял проект по разработке аналитической системы для Правительства Москвы. Существовала система электронного документооборота, которая не могла быстро сформировывать отчетность. Просто потому, что ее архитектура для этого не предназначена, а модернизация стоила очень дорого. Над решением задачи заказом работало несколько проектных команд из крупных и известных организаций. Такая конкуренция всегда неплохо мотивирует. Особенно, когда со стороны конкурентов звучат обещания реализовать все и сразу в короткие сроки по причине исключительной опытности привлекаемой команды

В первую очередь нами было разработано аналитическое хранилище, а необходимые отчеты  автоматически выгружались заказчику в Excel. Через какое-то время мы по-настоящему крепко уперлись в ограничения Excel по количеству записей, а заказчик никак не соглашался ограничивать себя в детализации информации. Казалось бы, кому может понадобиться информация в таблице из более 65 тысяч строк? Однако заказчику это почему-то было нужно, и он продолжал настаивать на своем. Отступать было некуда. Мы понимали, что 16 форм отчетов в формате Excel избыточны и нечитаемы.

Казалось бы, кому может понадобиться информация в таблице из более 65 тысяч строк? Однако заказчик настаивал на своем, и отступать было некуда.

Тогда мы начали искать альтернативное решение, которое в короткие сроки решит проектную проблему. Более того, нам хотелось двигаться к интерактивной прогнозной аналитике, и мы понимали, что единственным удачным вариантом для наших конечных пользователей была интерактивная визуализация отчетов.

Для того, чтобы убедить нашего заказчика перейти от таблиц к графике, мы решили создать WOW-эффект, продемонстрировав решение конкретной задачи иными, более гибкими и простыми методами. В процессе анализа рынка основными критериями к продукту мы определили простоту использования (важным критерием являлась возможность создания готового отчета без привлечения программиста), скорость внедрения и обучения, скорость работы самого инструмента, а также максимально широкий спектр возможных коннекторов к данным. Ориентация была на окупаемость в течение полутора лет, в идеале – года.

%d0%b2%d0%be%d0%bf%d1%80%d0%be%d1%81%d1%8b-%d0%be%d1%82-%d0%b3%d1%80%d0%b0%d0%b6%d0%b4%d0%b0%d0%bd
Отчет отражает динамику количества вопросов от граждан, зарегистрированных за период с 01.09.2015 по 24.11.2015. Реализована детализация непосредственно по самим запросам, их темам, округам поступления обращения, актуальности и обоснованности вопросов.

Источник данных для создания отчетов был на базе Oracle, которая не имела точного описания данных (мэппинга данных) и могла в любой момент структурно измениться. Данный фактор, а также наши требования к простоте разработки отчетов, срокам внедрения и возможности работы с инструментом самостоятельно без привлечения подрядчиков пугали многих поставщиков решений.

Пока искали, почти все сроки истекли, и до дедлайна по внедрению решения осталось чуть более месяца. В результате осталось три претендента, которых мы сразу решили проверить в бою. Мы оперативно собрали тестовый стенд из нескольких весомых витрин данных и пригласили всех участников. Требовалось подключиться к витринам и сформировать отчет, который можно было бы в режиме реального времени изменить с помощью простых фильтров. Одним словом, мы ставили задачу, чтобы с помощью мышки конечный пользователь мог «поиграться» с графикой и реально решить какую-то проблему. С этим, к моему удивлению, справилось только Tableau, хотя я на него, откровенно говоря, не рассчитывал.

Пока искали, почти все сроки истекли, и до дедлайна по внедрению решения осталось чуть более месяца.

В качестве пилотного проекта Юрий Фаль, ведущий аналитик компании АНАЛИТИКА ПЛЮС, сконструировал отчет по темам обращения граждан в Мэрию. Причем он не просто собрал динамику, когда и по какой теме обращаются граждане, а еще и показал это на карте Москвы. Это было действительно круто, когда прямо на карте можно посмотреть, когда и из какого округа в каком количестве поступили обращения по определенной проблеме.

%d0%ba%d0%b0%d1%80%d1%82%d0%b0-%d0%bf%d0%b0%d1%80%d0%ba%d0%be%d0%b2%d0%be%d0%ba
Отчет отражает плотность размещения парковочных мест в округах и районах Москвы с учетом их стоимости.

Признаюсь, на тот момент у меня не было доверия к «легкому» BI-продукту. Опыт подсказывал, что выбирая простое IT-решение, мы, скорее всего, быстро наткнемся на какое-нибудь неожиданное ограничение. Все же пилотный проект был достаточно небольшим, поэтому мне было трудно поверить, что Tableau может справиться с быстрой обработкой большого объема данных. Я честно озвучил свои опасения коллегам из компании АНАЛИТИКА ПЛЮС, и мне предложили организовать встречу с Avito. Идея понравилась, мы поехали. В Avito нас встретил не менеджер по продажам, а сразу Data Scientist. Быстро перейдя к делу, он показал нам архитектуру их решения , а затем продемонстрировал собранный в Tableau интерактивный отчет (вес данных составлял более 4 ТБ) и за секунды изменил  его. Я попросил выполнить еще ряд, по моему мнению, довольно сложных задач, с которыми Tableau также успешно справился. Помню, что был очень рад, так как понимал, что я и моя команда находимся на пороге карьерного взлета и прорыва в мир анализа данных.

Конечно, все это был дилетантский подход. У меня, как у руководителя проекта, не было необходимого для внедрения подобных продуктов опыта, но была замечательная команда. Команда, где архитектор знал Кимбалла, наверное, разве что не лично, где разработчик мог ночами и по выходным разрабатывать невозможное в сжатые сроки, где аналитики могли, а главное –  очень хотели быстро и качественно решить по-настоящему сложные задачи. Администратор проекта часто плакала, переживая за наш успех. Мотивированная на постоянное развитие собственных «скиллов» команда – самое главное на проекте. Это сердце проекта, лицо компании и руки менеджера проекта. А когда у команды есть столь эффективный инструмент как Tableau – невозможное становится возможным.

Помню, что был очень рад, так как понимал – мы находимся на пороге карьерного прорыва в мир анализа данных .

Наступил «час икс». Мы показали заказчику два интерактивных отчета, заменяющих шесть отчетных форм Excel. Представьте, два интерактивных графика, собранные за час, заменили трехмесячную разработку отчетов на базе таблиц. Сложно передать реакцию заказчика, это определенно была победа.

Два интерактивных графика, собранные за час, заменили трехмесячную разработку отчетов на базе таблиц.

Именно тогда у меня появилась мечта от управления проектами перейти к анализу данных. То есть не только управлять командой и работать над концепциями аналитических систем, а действительно создавать что-то своими руками и приносить реальную пользу. Впоследствии судьба сама расставила все по местам. Сейчас у меня интересная, а главное – любимая работа. Я работаю в Департаменте информационных технологий Москвы в должности архитектора аналитической системы продукта Общегородской контакт-центр Москвы. Я сам разрабатываю аналитическое хранилище, настраиваю процессы получения данных, делаю интерактивные отчеты и аналитические заключения. Получаю настоящее удовольствие от работы с данными.

Именно тогда у меня появилась мечта от управления проектами перейти к анализу данных.

Сейчас мой проект – 32 горячие линии большого мегаполиса. Это 2 миллиона входящих звонков в месяц и самый крупный контакт центр в государственных структурах в России. Для анализа функционирования линии идеально подошло Tableau. С его помощью я визуализирую трафик, который к нам поступает, отражаю информационные аномалии, оцениваю эффективность работы линии и делаю аналитические заключения, влияющие на управленческое решение руководства.

Например, не так давно у нас на линии произошел скачок трафика, и внезапно увеличилось  количество обращений. Оказалось, что до конца года огромное количество москвичей пытается решить вопрос с материнским капиталом. А ведь такие вещи можно увидеть и даже заранее спрогнозировать с помощью Tableau. Допустим, если мы объявим, что скоро будет расширение парковочного пространства в Москве, то на определенной горячей линии повысится количество обращений, потому что люди будут спрашивать, как получить разрешение на бесплатную парковку или годовой абонемент. Соответственно, имея такие прогнозы, мы можем заранее технически подготовиться к подобному скачку трафика и обеспечить нужное количество операторов, чтобы москвичи могли дозвониться и решить проблему.

%d0%b2%d0%b0%d0%b9%d0%b2%d0%b0%d0%b9
Отчет показывает наличие и радиус сигнала WIFI-точек в парках Москвы с возможностью выбора радиуса покрытия точки.

Другой анализ, реализованный с помощью Tableau, – FCR-аналитика (показатель решения вопроса абонента с первого звонка). Если проблема разрешилась после первого звонка – хорошо, со второго – уже не очень, с третьего или четвертого – работа линии недостаточно эффективна, и с этим что-то нужно делать.

В 2017-м году мы с коллегами планируем внедрить речевую аналитику, которая позволит нам оценить качество работы оператора и эмоциональный фон звонящего, его удовлетворенность оказанной услугой. Мониторинг и отчеты будут построены при помощи Tableau.

С помощью Tableau мы можем видеть, сколько минут человек слушал речевого автоинформатора, какую кнопку потом нажал, сколько провел в очереди перед соединением с оператором, сколько проговорил с оператором, чем закончился звонок.

По моему мнению, важно четко понимать поставленную задачу и всегда держать ее в голове. Сейчас очень модно работать с Big Data, быть Data Scientist, знать пару языков программирования. Таким образом, зачастую огромное количество драгоценного времени уходит на изучение малоэффективных методик, и происходит внедрение продукта ради продукта, а стоимость решения задачи становится слишком высокой. Я видел такие проекты, и мы их обошли на повороте, когда сделали за минуты то, что программист на R делал месяц. И я вижу эти проекты до сих пор. Конечно, когда-нибудь программист сможет сделать лучше, но уже момент будет упущен. Скажу откровенно, я не считаю себя большим гуру в анализе данных, но я вижу лица расстроенных предпринимателей, которые за миллионы рублей внедрили калькулятор. Давайте посмотрим на рынок со стороны и найдем крупные BI-проекты больших компаний, разберемся в них, поймем суть задач и ознакомимся со стоимостью внедрения и сопровождения. В большинстве случаев Вы придете к выводу, что 90% задач можно было решить посредством «легкого» BI, не нанимая штат специалистов и не закупая безумно дорогое BI-решение, а также «железо» к нему.

Я всегда повторяю и заказчику, и своей команде: «Для того, чтобы ехать по МКАДу, не нужен Boeing». Большинство задач по аналитике данных решается при помощи Tableau.

No Comments Yet.

Leave a reply