Способы анализа базы данных

r_d media

Как анализировать базу данных

Рассказывает Оксана Носенко, лектор курса по SQL.

У каждой базы данных (БД) — разные:

• структура
• количество таблиц, данных, столбцов
• связи и ключи
• актуальность информации, которая хранится в ней

Оксана Носенко, Senior Product Analyst в Jooble и лектор курса «SQL для аналитики», объясняет, как разобраться в новой для вас БД.

Определяем связи в БД

Прежде чем писать SQL-запросы и анализировать результаты, надо разобраться в данных и схемах.

Если вы не можете получить схему данных и связей в базе, определите связи самостоятельно.

#1. Определите, какие из таблиц базы данных актуальны.

Очень часто в БД могут лежать исторические данные, архивы и локальные копии. Такая информация может вам вообще не понадобиться. Стоит выделить ее сразу, чтобы затем пропускать.

#2. Определите словари. Они обычно содержат 2-4 поля с расшифровкой ключей. Это небольшие таблицы, но их может быть много. Если вы выделите словари в отдельный пул, количество таблиц для потенциального анализа уменьшится.

#3. Найдите таблицы, которые описывают сущности или логи (например, пользователей и их поведение).
Это основной датасет. В таких таблицах информации и столбцов много, данные актуальны и постоянно дополняются.

В итоге останутся таблицы с актуальными системными или техническими данными, логика записи которых непонятна. Скорее всего, вы не будете обращаться к ним часто, поэтому на старте не нужно их подробно изучать.

Рекомендую все выводы конспектировать в документации. Тогда в поиске нужной информации вы будете просматривать небольшой пул таблиц, в котором, скорее всего, найдете ответ.

После определения основного сета таблиц и данных начните их изучать. Обычно такой сет составляет около 50% от базы. Просмотрите каждую таблицу отдельно, примените к ней запросы, чтобы понять, какие данные там хранятся.

Ответьте на вопросы:

• информация за какой период хранится в таблице;
• какие в ней идентификаторы (поля ids);
• какие события содержит таблица;
• хранится ли там информация по сущностям. Если да — просмотрите ее с агрегацией по разным признакам (например, верифицированные пользователи и нет, удаленные и нет).

Если идентификаторов (ids) много, постарайтесь найти для всех таблицы-словари. Можете ориентироваться на название поля перед id и искать таблицу с похожим названием. Например, если вы увидели в таблице ключ user_id, постарайтесь найти таблицы с ‘users’ в названии. Скорее всего, расшифровка будет лежать в одной из них.

Если вы заметили, что не все столбцы заполняются, отметьте это в документации. Не обращайтесь к этим столбцам — там вряд ли появится информация. Проверяйте перед написанием запросов, есть ли расшифровка в таблицах словаря.

Когда данные изучены и определены, можно приступать к созданию SQL-запроса.

Составляем схему результирующего набора

Обычно задача аналитика не включает список всех данных, которые надо получить.

Но так как SQL-запрос выдаст вам набор из метрик и показателей, надо продумать его заранее.

#1. Определите список столбцов: метрик и сущностей, которые помогут ответить на вопрос. Не ориентируйтесь на наличие именно этих данных в базе. Не страшно, если придется дополнительно посчитать их. Но помните — если данных для расчета показателя в базе нет, не стоит включать эту метрику в схему результирующего набора (она не будет посчитана).

#2. Напишите во втором столбце (после названия метрик) формулу для расчета показателя. Она должна быть основана на данных из реальных столбцов базы.

#3. Укажите список таблиц, которые необходимы для расчета формулы. Если столбец — это сущность, укажите одну таблицу, из которой нужно его взять.

#4. Вверху схемы пропишите условия, которые применяются к выборке: временной диапазон, ограничения по стране, типам устройств или операционным системам. Это нужно, чтобы исключить неинтересные для анализа данные при написании запроса.

Когда подготовите схему, спросите себя:

• сколько таблиц участвует в запросе?
• возможно ли дублирование данных при соединении этих таблиц?
• удастся ли избежать его с помощью оператора distinct или придется прибегать к подзапросам / CTE.
• какой объем информации предстоит запросить у базы? Можно ли его уменьшить? Нужны ли дополнительные ограничения?
• какие данные должны быть образующими для запроса? Важно ли учесть все сущности словаря или, наоборот, данные обо всех активностях (даже если их расшифровки нет в словарях)?

Пример заметок перед созданием запроса в новой базе данных

Пишем сложный SQL query

Проверьте результирующий набор на тестовом примере. Если запрос сложен, вы можете сделать ошибку, которая будет заметна только при выборочной проверке.

Поэтому возьмите одного пользователя или одно событие и проверьте результат последовательным набором простых select + where.

Не применяйте сложные вычисления, в которых можно совершить ошибку (windows functions, having, коррелирующие подзапросы). Ограничьтесь простым select c фильтром. Если вы прошли эту цепочку и получили тот же результат, что и ваш сложный запрос, — высока вероятность, что он написан верно.

Если вы сделали проверку и результат не совпал, начните отладку запроса. Ее можно делать постепенно — проверяя каждый из этапов на тестовом наборе данных, искусственном фильтре, который даст вам 1-2 результирующие строки.

Затем рекомендую сохранить запрос с привязкой к задаче, которую он решал. Можете вставить вопрос комментарием или прикрепить запрос в схему — возможно, он пригодится в будущем, а писать его еще раз нецелесообразно.

Как работать с комплексными SQL-запросами:

• проверяйте корректность выполнения каждой части — гораздо проще отловить ошибку на промежуточном этапе, чем в конце;
• не пишите слишком много вложенных друг в друга подзапросов. Даже вам будет трудно разобраться в таком коде через пару дней. Старайтесь выделять логические части в CTE;
• старайтесь не мешать CTE и подзапросы с вложенностью больше трех. Применяйте в коде что-то одно, выносите все сложные части в общие табличные выражения или пишите подзапросы с большой вложенностью;
• ставьте фильтры на первых этапах. Чем раньше вы ограничите выборку, тем меньше данных придется вычислять в следующих операциях;
• не переименовывайте столбцы и таблицы без причины. Не стоит давать таблице alias ради сокращения ее названия на 2 символа. Не переименовывайте столбцы из таблиц, к которым не применялась обработка. Используйте псевдонимы при необходимости. Например, если название таблицы очень длинное. Тип псевдонима по первой букве таблицы можно применить, если все в вашей компании знают, что s — sales table. Но если это может быть sales_profit, sales_roi или sales_partners, лучше оставить название без изменения;
• оставляйте комментарии;
• не забывайте о форматировании. Его отсутствие может сделать скрипт нечитаемым и привести к неверной интерпретации другим членом команды. Поэтому делайте табуляцию, отступы и не пишите все сплошным текстом.
• выносите отдельно все повторяющиеся части запроса, чтобы к ним можно было обратиться несколько раз, не переписывая заново.

Всегда просматривайте результат со здоровым скептицизмом — все ли показатели выглядят достижимыми? Нет ли аномалий? Верный запрос не защитит вас от ошибок в данных, которые можно отловить на постанализе.

Источник

Топ 20 инструментов для анализа данных

Соберите все данные для сквозной аналитики вместе с OWOX BI

Соберите все данные для сквозной аналитики вместе с OWOX BI

Создание хорошей маркетинговой стратегии начинается с анализа данных. В конце концов, сложно что-то улучшить, не оценив исходную точку. К счастью, вам не нужно делать это вручную — существует множество специализированных инструментов, которые помогут вам автоматизировать анализ и сэкономить время. В этой статье мы рассмотрим 20 широко используемых сервисов анализа данных и поможем выбрать наиболее подходящий для вас.

Содержание

Узнайте, какие кампании приносят прибыль, а какие не окупаются

Автоматически импортируйте расходы из рекламных сервисов в Google Analytics. Сравнивайте затраты, CPC и ROAS разных кампаний в одном отчете.

Что такое анализ данных?

В маркетинге анализ данных — это процесс организации, объяснения и интерпретации данных, чтобы ответить на вопросы о маркетинговой стратегии, умножить ее преимущества и укрепить ее слабые места. Например, с помощью анализа, вы сможете найти ответы на следующие вопросы:

• Сколько уникальных посетителей у вашего сайта в среднем в день, неделю и месяц? Сколько из них новых? На какие страницы они приходят?
• Какой из ваших рекламных каналов самый эффективный?
• На каких каналах вам следует сосредоточиться, чтобы увеличить доход?

Маркетологам необходим анализ данных. С его помощью они могут избежать догадок и увидеть, какие области их маркетинговой стратегии требуют особого внимания. Анализ данных можно использовать для выявления тенденций, закономерностей и ценной информации, чтобы упростить рабочий процесс, корректировать рекламные кампании и повышать доход.

Правильно анализируя данные, вы сможете достичь следующих маркетинговых целей:

• Уменьшить расходы на рекламу. Найдите неэффективные кампании, ключевые слова, регионы, посадочные или товары, которые плохо конвертируют, прекратите вкладывать в них средства и сосредоточьтесь на каналах, которые приносят больше дохода.
• Увеличить доход от посетителей. Прогнозируйте LTV (жизненную ценность клиента) и вероятность конверсии; предлагайте пользователям товары, которые действительно им нужны за счет повышения уровня персонализации.
• Вовремя принимать решения на основе данных. Получая качественные данные, вы будете иметь прочную основу для своевременного принятия решений, быстрого тестирования гипотез и будете уверены в своих следующих шагах.

Читайте также: Почему важно проверять качество данных для маркетинг-анализа

Инструменты для работы с данными в маркетинге отличаются по уровню детализации и методам интерпретации. Как правило, они сосредоточены на сборе, анализе или визуализации информации. Тем не менее, количество вариантов на рынке довольно велико, и найти идеальный инструмент не так просто. Давайте разберемся, как происходит процесс анализа и что следует учитывать при выборе инструмента.

Как анализировать данные?

Основная цель анализа данных — найти в них смысл, который вы сможете использовать для улучшения маркетинговой стратегии.

Анализ данных состоит из следующих этапов:

1. Определение цели. Определите свои ожидания и вопросы, на которые вы хотите ответить с помощью анализа. Решите, какие данные вам необходимо собрать (о рекламных кампаниях, посетителях, заказах, открытых электронных письмах и т. д.).
2. Сбор данных. Соберите и объедините данные из разных источников, затем очистите, упорядочите и систематизируйте их.
3. Обеспечение качества. Убедитесь, что в ваших данных нет ошибок или пропусков. В противном случае дальнейшая интерпретация не будет достоверной.
4. Анализ и интерпретация результатов. Создайте дашборды, отчеты или диаграммы и сопоставьте их с вашими начальными вопросами и ожиданиями.
5. Действия на основе данных. Используйте найденные инсайты в качестве основания для дальнейших действий: перераспределите бюджет, скорректируйте ставки, создайте новые сегменты аудитории или отключите неэффективные кампании, чтобы повысить эффективность вашей маркетинговой стратегии.
6. Повтор цикла. Анализируйте, как результаты меняются с течением времени.

Ручной сбор, очистка и систематизация данных занимают много времени, к тому же предполагают высокую вероятность человеческой ошибки. Низкое качество данных может привести к потере до 21% вашего маркетингового бюджета. Вы можете часами искать ошибки в куче таблиц без гарантии качества результатов. Чтобы сэкономить время и убедиться в точности полученной информации, автоматизируйте анализ с помощью специализированных инструментов.

Перед выбором инструмента сузьте список возможных вариантов, определив:

• типы данных, которые вы хотите анализировать
• цель, которую вы хотите достичь с помощью анализа
• уровень детализации, которого вы хотите достичь в своем анализе

Теперь давайте взглянем на двадцать самых популярных инструментов анализа данных.

Топ 20 инструментов для анализа данных

Мы подготовили список лучших инструментов для сбора, анализа и визуализации маркетинговых данных, учитывая принцип работы каждого сервиса и его основные характеристики.

Инструменты для сбора и анализа данных

1. Google Analytics

Google Analytics — самый популярный аналитический сервис. С помощью кода отслеживания Google Analytics он собирает информацию из трех источников: HTTP-запросы пользователей, файлы cookie и информация о браузерах и операционных системах. После сбора данные поступают на серверы Google Analytics в виде списка параметров. Затем Google Analytics анализирует эти параметры и создает отчеты, которые вы можете найти в своей учетной записи Google Analytics.

• Ограничения на сбор: в бесплатной версии можно собирать до 10 миллионов обращений в месяц для каждого ресурса; чтобы собирать больше, нужно перейти на Google Analytics 360 или воспользоваться другим инструментом
• Нет данных из CRM и сторонних сервисов (кроме Google), если вы не импортируете их вручную
• Обработка занимает от 24 до 48 часов

Google Analytics можно использовать бесплатно, но если вы работаете с большими объемами информации, вам следует перейти на Google Analytics 360, стоимостью от 150 000 долларов в год.

2. Mixpanel

Mixpanel позволяет отслеживать и анализировать поведение пользователей в режиме реального времени. Для анализа действий пользователя с вашим продуктом Mixpanel использует модель на основе событий и профилей пользователей. Модель Mixpanel построена на следующих ключевых переменных:

• событие — действие пользователя на сайте
• свойство — свойство события
• профиль пользователя — совокупность информации об отдельном пользователе

• Перед сбором данных необходимо создать план отслеживания с учетом ваших бизнес-целей
• Имеет собственное хранилище со своей структурой, отличной от других подобных инструментов
• Ограничения на объем данных, которые вы можете собрать — всего 2000 свойств на профиль пользователя

Mixpanel предлагает бесплатный план до 100 000 отслеживаемых пользователей в месяц, а цены на планы с неограниченной отчетностью начинаются от 17 долларов в месяц.

С OWOX BI вы можете легко и без ограничений собирать данные со своего веб-сайта, Google Analytics, рекламных сервисов и своей CRM-системы и объединять их в GBQ для создания маркетинговых отчетов

3. Kissmetrics

Kissmetrics — это платформа бизнес-аналитики, которая позволяет анализировать поведение пользователей на вашем веб-сайте, классифицировать аудитории и хранить данные на одной централизованной платформе. С помощью библиотеки JavaScript Kissmetrics можно автоматически отслеживать сразу несколько событий: посещение сайта, заполнение полей формы, клики рекламной кампании и просмотр страницы. Сервис также позволяет отслеживать профили клиентов, отчеты, события и кампании, а также анонимную активность пользователей до их регистрации в интернет ресурсе.

• Может отслеживать данные в реальном времени с помощью функции Kissmetrics Live
• Ограниченные возможности интеграции: невозможно интегрировать Kissmetrics с продуктами Google
• Подходит для малого и среднего SaaS бизнеса и сервисов электронной торговли

Цены начинаются от 299 долларов в месяц.

4. Weborama

Weborama предоставляет услуги поведенческого таргетинга и рекламную аналитику на основе механизма семантического анализа. С помощью семантической ИИ-платформы Weborama BigFish вы можете анализировать разговоры на веб-сайтах, поведение пользователей и мнения потребителей. С помощью Weborama BigSea вы можете создать базу данных потребителей и построить соответствующую оценку цифрового поведения для каждого пользователя.

• Позволяет объединить данные из CRM и поведенческие данные, а также построить прогнозную модель поведения пользователя
• Активирует аудитории, у которых высокий риск оттока
• Нужен отдельный инструмент с функцией сбора ваших данных (например, в формате CSV) перед их загрузкой в ​​Weborama для дальнейшего анализа

Цены на услуги Weborama не доступны на официальном сайте. Чтобы узнать текущие цены, необходимо связаться с представителем.

5. OWOX BI

OWOX BI — это универсальная платформа для маркетинговой аналитики, которая автоматически собирает данные из нескольких онлайн и офлайн источников в одном месте, например, Google Analytics или Google BigQuery, где маркетологи и аналитики могут продолжить работу с данными.

OWOX BI объединяет, очищает и систематизирует данные, собранные из рекламных сервисов, веб-сайтов, Google Analytics, CRM, офлайн-магазинов и других источников. Затем вы можете использовать сервис для построения отчетов из шаблонов или создания собственных отчетов, чтобы увидеть, что лучше всего работает в вашем маркетинге. Одним из больших преимуществ OWOX BI является то, что вам не нужно понимать принцип работы программного обеспечения или знать SQL — вы можете создать любой отчет в простом конструкторе.

• Собирает данные в структуре Google Analytics, а также контролирует их качество
• Можно интегрировать с другими маркетинговыми инструментами, такими как Google Analytics и Google BigQuery, и импортировать расчеты в сервисы визуализации или инструменты бизнес-аналитики, например, Google Sheets, Looker, Tableau, Power BI и Data Studio
• Никаких ограничений на собираемые данные, они обрабатываются в режиме реального времени и не сэмплируются
• Предлагает собственную data-driven модель атрибуции, которая с помощью машинного обучения оценивает, как ваши маркетинговые каналы влияют друг на друга и на конверсии.

Вы можете использовать OWOX BI бесплатно. Платные планы начинаются от 42 долларов в месяц, и вы можете запросить план, соответствующий вашим конкретным потребностям.

Узнайте, какие кампании приносят прибыль, а какие не окупаются

Автоматически импортируйте расходы из рекламных сервисов в Google Analytics. Сравнивайте затраты, CPC и ROAS разных кампаний в одном отчете.

6. Datorama

Datorama — это платформа бизнес-аналитики на базе искусственного интеллекта со встроенными функциями отчетности и автоматическими прогнозами по достижению целей. Он собирает и объединяет маркетинговые данные на одной централизованной платформе, анализирует их по разным каналам и кампаниям, а также строит отчеты на основе результатов.

• Подходит для B2B-маркетологов и предприятий
• Позволяет кроссплатформенное управление: настраивать кампании в Google, Facebook и других инструментах, подключенных к Datorama
• Высокая цена планов без возможности платить ежемесячно — доступна только ежегодная оплата

Цены начинаются от 3000 долларов в месяц при оплате за год.

7. Supermetrics

Supermetrics — это облачная ETL платформа, которая собирает и анализирует ваши маркетинговые данные с помощью API-интерфейсов и отправляет их в хранилище или инструмент визуализации, отчетности или бизнес-аналитики по вашему выбору. Supermetrics позволяет автоматизировать отчетность и передавать результаты туда, куда вы хотите.

• Не предлагает мониторинга качества и отчетов об атрибуции
• Можно интегрировать с Google Data Studio
• Предлагает несколько интеграций, в том числе с такими источниками, как Google Analytics и Google Реклама

Цена начинается с 39 долларов в месяц и зависит от выбранных вами интеграций и функций.

8. Funnel

Funnel — это ETL платформа, которая позволяет собирать данные и автоматически обрабатывать их путем очистки, сопоставления и группировки. Затем вы можете создавать отчеты и информационные панели с ключевыми метриками, и отправлять собранные данные в хранилище, Google Data Studio, Looker или другой инструмент (около 500 интеграций).

• Не поддерживает динамические UTM-параметры или потоковую передачу пользовательских данных с веб-сайта.
• Нет мониторинга качества или отчетов об атрибуции
• Собирает данные в собственном хранилище, из которого вы можете передавать их в нужное вам хранилище
• Можно интегрировать с Google Data Studio

Стоимость планов начинается от 499 евро в месяц.

Если вы строите отчет на данных более чем одного источника, объединение происходит на стороне Data Studio, что приводит к замедлению процесса анализа. Если у вас более двух источников, подумайте о OWOX BI, чтобы ускорить анализ данных и получить отчеты об атрибуции.

9. Improvado

Improvado — это облачная ETL платформа, которая собирает данные из разных источников и упорядочивает их с помощью REST API. Затем Improvado совершает анализ: объединяет таблицы, выполняет вычисления и изменяет структуру результатов. После этого интерпретированные данные поступают либо во внешнее хранилище (Google BigQuery, Redshift, PostgreSQL и т. Д.), либо во внутреннее хранилище Improvado.

• Первоначальный сбор занимает около 24 часов, после чего процесс автоматического обновления происходит дважды в день
• Можно использовать Improvado с другими маркетинговыми инструментами, например, с Google Analytics и Salesforce
• Нет бесплатного пробного периода
• Не собирает данные о поведении пользователей и не выполняет когортный анализ

Стоимость определяется индивидуально.

10. AppsFlyer

AppsFlyer — это инструмент аналитики мобильного маркетинга, который позволяет создавать отчеты с динамическими когортами и необработанными данными, а также настраиваемые информационные панели и оповещения в реальном времени. С AppsFlyer вы можете отслеживать эффективность ваших платных мобильных медиа-источников и их активность в режиме реального времени.

• Предлагает безопасное хранение данных в Amazon S3
• Поддерживает языковую локализацию, местный часовой пояс и валюту
• Для сбора и анализа данных с вашего веб-сайта, рекламных сервисов, CRM и офлайн-магазинов вам следует рассмотреть возможность использования другого инструмента, например, OWOX BI

Можно начать с бесплатной учетной записи, а затем платить от 6 долларов за конверсию по мере роста вашего бизнеса.

11. Adobe Analytics

Adobe Analytics позволяет объединять и анализировать данные о действиях клиентов в реальном времени на основе онлайн и офлайн источников. Adobe Analytics предлагает различные типы анализа, такие как специальный (настраиваемый), когортный и потоковый анализ, что позволяет отслеживать наиболее важные аспекты пути пользователя.

• Может настраивать предупреждения для обнаружения аномалий с помощью статистического моделирования и машинного обучения
• Можно интегрировать с другими инструментами с помощью API или в пользовательском интерфейсе
• Нет бесплатной пробной версии

Несмотря на то, что вы можете сравнить цены планов для Adobe Analytics — Select, Prime и Ultimate — вам все равно необходимо связаться с представителем Adobe, чтобы узнать точную цену для вашей компании.

12. Fivetran

Fivetran — это автоматизированная ETL платформа для интеграции и аналитики, которая позволяет объединять данные из нескольких источников в одном сервисе.

• Благодаря функции репликации, может анализировать информацию, которой уже не существует в системе источника
• Не хранит данные, а загружает их в выбранное вами хранилище
• Предлагает исторический режим для анализа данных за определенный момент времени, но этот параметр доступен не для всех коннекторов

Цены Fivetran основаны на потреблении и начинаются с 1 доллара за кредит. Это означает, что Fivetran каждый месяц подсчитывает, сколько месячных активных строк (MAR) вы использовали в течение месяца и какой будет цена за этот месяц. Кроме того, вы можете приобрести определенное количество кредитов заранее.

Инструменты визуализации данных

13. Google Data Studio

Возможно, самым популярным инструментом визуализации данных и отчетности является Google Data Studio. Этот сервис позволяет настроить коннектор для сбора, фильтрации и сравнения данных, настройки автоматизированных интерактивных панелей мониторинга и обмена отчетами с коллегами. Также вы можете создавать визуализации в Data Studio Explorer — отдельном пространстве для подробного изучения собранных данных.

• Можно интегрировать с другими сервисами Google: Google Sheets, Analytics, BigQuery и т. д.
• Нет официальной поддержки Google
• Ограничения на количество загружаемых данных:
  • 1000 наборов данных на пользователя
  • 2 ГБ хранилища на пользователя
  • 100 загрузок на набор данных в день
  • Максимальный размер файла — 100 МБ

Google Data Studio бесплатна.

14. Microsoft Power BI

Microsoft Power BI — это платформа бизнес-аналитики и инструмент отчетности, который позволяет собирать и визуализировать данные, создавать персонализированные отчеты и безопасно делиться ими с коллегами. Microsoft Power BI предлагает более 120 бесплатных коннекторов и облачных источников, таких как Salesforce, SQL Azure, Excel и Dynamics 365.

• Бесплатные настольные и мобильные приложения для Android, iOS и Windows Mobile для совместной работы над визуализацией
• Есть функции, как у других продуктов Microsoft (например, самообслуживание Power Query, как в Excel).
• Может встраивать аналитику и интерактивные отчеты в ваши приложения

Цена начинается с 9,99 долларов США в месяц за пользователя, если вы используете общую среду обработки, и 4 995 долларов США в месяц для выделенного облака.

15. Tableau

Tableau — это платформа визуальной аналитики, которая собирает и анализирует ваши данные с помощью машинного обучения. С Tableau вы можете создавать визуализации с помощью функции перетаскивания и использовать статистическое моделирование на основе искусственного интеллекта.

• Частично основан на языке запросов VizQL, который переводит компоненты панели мониторинга и визуализации в запросы и снижает потребность в ручной оптимизации.
• Есть мобильное приложение для iOS и Android
• Позволяет интегрировать собственные протоколы безопасности

Цена начинается от 70 долларов за пользователя в месяц.

16. Looker

Looker — это облачная платформа для анализа данных и бизнес-аналитики, которая собирает и объединяет данные из различных источников в автоматически созданную модель LookML. С помощью Looker вы можете настраивать оповещения, динамические панели мониторинга и визуализации. Встроенный редактор кода позволяет при необходимости изменять автоматически созданные модели.

• Можно интегрировать с Salesforce, Sharepoint, Confluence, PowerPoint и другими инструментами.
• Чтобы использовать Looker, вы должны изучить принцип работы базовой модели LookML.
• Функция Looker Blocks предлагает готовые фрагменты кода, которые можно использовать для ускорения анализа.

Стоимость Looker зависит от вашего конкретного случая, количества пользователей и масштаба развертывания.

17. Sisense

Sisense — это облачная платформа аналитики на основе искусственного интеллекта, которая позволяет обрабатывать и визуализировать бизнес-данные. Сервис предлагает множество интерактивных панелей мониторинга для совместной работы с товарищами по команде.

• Предлагает специальную технологию In-Chip, которая позволяет использовать быстрое кэширования процессора
• Позволяет создавать аналитические приложения на основе ваших данных для встраивания их извне
• Предлагает отдельные пакеты для аналитиков и продакт-менеджеров

Sisense предлагает индивидуальные планы, поэтому вам необходимо связаться с представителем, чтобы узнать цену.

18. Qlik Sense

Qlik Sense — это платформа для анализа данных на основе искусственного интеллекта и механизма ассоциативной аналитики, которая позволяет создавать отчеты и интерактивные информационные панели. Qlik поддерживает различные среды, включая облачные (например, Azure и AWS), платформы потоковой передачи (например, Apache Kafka и Confluent), хранилища (например, Exadata и Teradata) и другие.

• Предлагает открытые API для REST и. NET.
• Позволяет встраивать аналитику в ваши веб-приложения
• Позволяет создавать визуализации карт и выполнять геопространственный анализ

Цены Qlik Sense начинаются с 30 долларов в месяц при оплате за год.

19. Adverity

Adverity — это инструмент анализа данных и отчетности на основе искусственного интеллекта, который позволяет автоматически собирать и объединять маркетинговые данные с помощью модуля интеграции. Вы можете создавать отчеты, дашборды и визуализации с помощью модуля маркетинговой отчетности и использовать ИИ для поиска закономерностей и тенденций.

• Можно собирать данные из партнерских сетей, инструментов веб-отслеживания, автономных файлов, систем измерения телеаудитории и других источников
• Выделяет различия в названиях кампаний и предлагает вам обновить их вручную
• Использует модуль расширенной аналитики для анализа данных, статистического моделирования, машинного обучения и сложных алгоритмов чтобы смоделировать поведение пользователей и создать прогнозы

В Adverity нет фиксированных цен. Цена зависит от того, сколько источников вам нужно интегрировать, сколько аккаунтов вы хотите иметь и какие манипуляции вы хотите произвести с собранными данными.

20. SAS Business Intelligence

SAS Business Intelligence — это платформа для анализа данных и бизнес-аналитики, которая позволяет собирать информацию и создавать интерактивные отчеты и информационные панели с выбранными вами ключевыми метриками. SAS BI автоматически анализирует ваши данные используя машинное обучение и выделяет наиболее важные части в визуальных отчетах, чтобы помочь вам найти полезную информацию.

• Позволяет выполнять визуальный анализ местоположения
• Использует прогнозную аналитику и алгоритмы для анализа и визуализации данных, уменьшая необходимость в ручной оптимизации
• Может настраивать ботов, чтобы упростить получение информацию или подключать ботов к внешним сервисам

Чтобы узнать цены на SAS BI для вашей компании, свяжитесь с представителем SAS BI.

Выводы

Анализ данных — обязательный первый шаг на пути к улучшению вашей маркетинговой стратегии. На рынке существует огромное количество инструментов, которые обещают сделать все за вас. Мы представили наиболее широко используемые из них, чтобы помочь вам сузить область поиска. Что дальше?

Чтобы найти сервис, который будет идеально соответствовать вашим потребностям, определите свои ожидания от анализа, желаемый уровень детализации и типы данных, которые вы будете анализировать. Комбинируйте инструменты, которые собирают, анализируют и визуализируют данные для достижения наилучших результатов с точки зрения качества, удобства и стоимости.

Если вы все еще не знаете, с чего начать, забронируйте бесплатное демо, чтобы увидеть, как вы можете легко собирать и анализировать свои данные в режиме реального времени с OWOX BI.

Наши клиенты
растут на

Растите быстрее, анализируя, что лучше сработает в вашем маркетинге

Измеряйте KPI, находите зоны роста и увеличивайте свой ROI

Источник