АНАЛИТИКА ПЛЮС
Решения для анализа данных

Аналитика по YouTube от «А» до «Я»

 

Цель:

— Потратить минимум времени на решение задачи 1 раз, чтобы экономить время в дальнейшем

— Сделать качественное решение, которое быстро, удобно и наглядно решает конкретную задачу (отвечает на конкретную задачу)

 

Давайте разберем методологии управления проектами:

— Классическая каскадная методология

— Гибкие методологии управления проектами (стильный-модный Agile)

— RAD (Rapid Application Development)

 

Наш опыт подсказывает, что при реализации проектов по автоматизации отчетности с использованием Tableau:

— RAD подходит лучше всего (небольшие проекты, небольшая проектная команда, много неопределенности, тесное взаимодействие с заказчиком)

— Каскадная методология допустима, если заказчик готов потратить время на полноценное написание ТЗ + заказчик знает чего хочет (как правило, задачи переноса готовых отчетов из других система в формате 1:1)

— Agile может быть полезен в случае крупных проектов

 

Общий алгоритм решения аналитических задач:

шаг 1. Выясняем задачу заказчика (вопрос, на который нужен ответ)

шаг 2. Формируем набор показателей и срезов, которые решают задачу

шаг 3. Ищем данные и реализуем процессы подготовки данных

шаг 4. Делаем эскиз дашборда

шаг 5. Согласовываем эскиз с заказчиком

шаг 6. Вносим правки по необходимости (возвращаемся на шаг 5. при необходимости)

шаг 7. Собираем дашборд

шаг 8. Готовый дашборд и счастливый заказчик

 

Шаг 1. Выясняем задачу заказчика (вопрос, на который нужен ответ)

Итак, задачи:

— Необходимо мониторить, что происходит с YouTube каналом Академия Аналитики

— Мониторить типичные показатели (подписчики, количество видео, просмотры, лайки и так далее)

— Нужно получить не только факт показателей на день, но и добавить контекст для сравнения факта и прироста (предыдущие дни и недели)

— Если что-то идет не так (просадки в приросте) — идем на другие дашборды и копаем «вглубь»

— Если все хорошо, то не тратим время на другие отчеты по YouTube

— Доступная аналитика на YouTube не помогает решить эти задачи

 

Вопрос заказчика: Есть ли просадки в приростах основных показателей по YouTube каналу Академии Аналитики на конкретную дату по сравнению с предыдущим периодами и каковы значения показателей на конкретную дату?*

* Далеко не всегда заказчик формулирует свой вопрос так точно, задача исполнителя — сделать четкую формулировку вопроса на стадии интервью с заказчиком

 

Шаг 2.Формируем набор показателей и срезов, которые решают задачу.

Основная идея: ничего не забываем, почаще задаем вопрос «зачем?»

Срезы:

— Дата: последние X дней, последние X недель

Показатели:

— Подписчики канала: подписчики канала (N чел.), абсолютный прирост подписчиков канала за период (+ N чел.), относительный прирост подписчиков канала к пред. периоду (+N%)

— Количество видео на канале: количество видео на канале (N видео), абсолютный прирост видео на канале за период  (+N видео), относительный прирост видео на канале к пред. периоду (+N%)

— Кол-во просмотров видео: количество просмотров видео  (N просмотров), абсолютный прирост просмотров видео за период  (+N просмотров), относительный прирост просмотров видео к пред. периоду (+N%)

— Кол-во комментариев

— Кол-во лайков

— Кол-во дизлайков

 

Шаг 3. Ищем данные и реализуем процессы подготовки данных

YouTube предоставляет несколько API для выгрузки данных:

— Analytics API

— Reporting API

Нужно найти наиболее простой способ получения данных, используя любой из API. На GitHub огромное количество библиотек, написанных на Python, которые позволяют взаимодействовать с API YouTube и выгружать данные. Нужно лишь подобрать ту, которая наиболее удобна для вас. Далее пишем небольшой скрипт с использованием этой библиотеки, который на выходе формирует 1 или несколько Dataframe pandas с нужными таблицами.

 

Как мы решили задачу с данными?

 

 

 

Шаг 4. Создание эскиза дашборда:

Не важно как создавать (PowerPoint / Figma / салфетка + ручка). Главное — чтобы:

— Он существовал

— Был сделан быстро

— Наглядно демонстрировал идеи решения задачи

— Заказчик и разработчик понимали его одинаково

— Был реализуем в BI-платформе

 

Так выглядел, наш эскиз дашборда:

 

Шаг 5. Согласовываем эскиз с заказчиком

Заказчик согласовал эскиз дашборда без правок.

 

Шаг 6. Вносим правки по необходимости (возвращаемся на шаг 5. при необходимости)

 

Шаг 7. Собираем дашборд

 

Детали дашборда: минимизируем количество визов

— Не стоит рисовать клетки отдельными визуализациями — это ухудшает производительность и усложняет поддержку дашборда

— Красными рамками выделены имеющиеся визуализации на дашборде (12 штук)

— Благодаря технологии Query Fusion в Tableau минимизируется количество запросов к источнику данных, если на нескольких визуализациях применены одни и те же наборы фильтров + у визуализаций одинаковый перечень Dimensions

— Дашборд очень шустро отрисовывается в Live (3 секунды)

 

Детали: оптимизируем расчеты показателей

— Большая часть вычислений сделана при помощи Table Calculations

— Чтобы у последней недели и дня корректно работали Table Calc’и нужно отрисовать дополнительную неделю/день и скрыть это (Hide)

 

Детали: в 1 удаве 38 попугаев

— Как сделать единую раскраску? У разных показателей разные порядки значений

— Красный — общий прирост за период — день или неделю (результат этого периода / результат прошлого периода – 1, форматирование в %)

Решение: делаем раскраску по среднедневному приросту за период (желтый)

— В случае дней мы и так имеем среднедневной прирост, остается рассчитать его для недель

— Делить на 7 прирост в процентах за период для недель нельзя J

— На помощь приходит формула расчета сложного процента (сумма банковского вклада под определенную процентную ставку спустя N лет)

SUM = X * (1 + %)n       =>       n = SUM1/n / X1/n — 1

 

Шаг 8. Готовый дашборд и счастливый заказчик

 

Обучение анализу данных

Академия Аналитики — онлайн-образовательный проект, созданный командой АНАЛИТИКА ПЛЮС для того, чтобы компании быстро и успешно внедряли решения для анализа данных, а их сотрудники профессионально росли. На нашей платформе Академия Аналитики множество обучающих видео-курсов, которые будут полезны и аналитикам, и ИТ-специалистам.

Особенно рекомендуем:

Аналитик данных Здесь мы РЕГУЛЯРНО публикуем новые бесплатные видео-уроки,  которые будут полезны аналитикам данных и тем, кто хочет научиться управлять на основе данных. Мы делимся нашими наработками и дашбордами в следующих областях: продажи, клиентская аналитика, реклама, логистика, склад, производство, финансы, кадры и др. На практических примерах из реальной жизни показываем и рассказываем как анализировать данные, зачем строить сложные отчеты и как ими пользоваться.

Инженер данных  Здесь мы РЕГУЛЯРНО публикуем новые бесплатные видео-уроки,  которые будут полезны инженерам данных. Стек технологий Airflow, ClickHouse. Мы делимся результатами наших проектов по выгрузке «сырых» данных из Яндекс.Метрика, LogsAPI Яндекс Appmetrica, CRM систем, 1С и др. , по обработке данных, созданию аналитических хранилищ данных. Рассказываем о проблемах, с которыми сталкиваемся и как их решаем.

Подписывайтесь в Телеграм  @analytixacademy_chat, чтобы не пропустить новые видео-уроки, курсы, обсуждения, ответы на вопросы.

 

x

Этот сайт использует файлы cookies, чтобы облегчить вам пользование нашим веб-сайтом.

Продолжая использовать этот веб-сайт, вы даете согласие на использование файлов cookies.