Рассказываем в разрезе нашего опыта.

Google Data Studio. Как и зачем использовать

О применимости GDS и других BI-систем на практике.

Google Data Studio, ровно как и Microsoft Power BI и другие аналоги, применимы для динамической визуализации данных, автоматизации построения дашбордов, графиков, конечных цифр.

Чем хороши подобные системы:


  • экономят время на разработку визуала отчетов;

  • из коробки дают настройки доступа, позволяют применять дополнительные правила обработки данных (что также существенно экономит время);

  • выступают центром аналитики с представлением цифр, поступивших из кастомных счетчиков, серверной аналитики, CRM-систем, SQL-баз, счетчиков метрики, google analytics, прямых данных рекламных систем.

Как их использовать

Google Data Studio может стать центральным звеном в работе с массивами данных. Перед использованием в дашбордах разумно определить методы получения конечных данных.

Мы, в качестве метода синхронизации применяем API Google Sheets.

Первоначально все данные выгружаются в локальные директории и обрабатываются в финальные цифры посредством нашего фреймворка для анализа данных IAB.

В последующем производится автоматизированная выгрузка данных в таблицы Google Sheets, откуда Google Data Studio автоматически забирает таблицы и на основе этих таблиц самостоятельно выстраивает отчеты.

Это не единственный возможный вариант архитектуры. Возможно, многим будет удобнее вариант выгрузки данных в SQL, откуда Data Studio также будет автоматически забирать данные.

Единственное - рекомендуем на старте определиться с методом выгрузки данных и придерживаться выбранной системы в рамках всех схожих отчетов. Использование множественных коннекторов усложнит управление отчетами и поиск возможных багов.

О багах

Data Studio - сложная система с множеством коннекторов, множеством настроек и множеством вариантов интерпретации итоговых цифр.

В системе периодически возникают проблемы с новыми выгрузками отчетов, при создании нового отчета нередко приходится искать причины ошибок в построении графиков, неверной интерпретации данных.

Если не хочется мириться с проблемами, разумно написать собственную систему визуализации (мощные библиотеки на Python - Plot, Pandas и другие позволяют довольно быстро сделать альтернативные реализации части функционала), но в глобальном масштабе это время и деньги.

Мы реализовали частичную замену Google Data Studio на собственные решения, но продолжаем использовать текущую BI-систему.

Зачем использовать

Анализ данных должен давать реальную картину происходящего на проектах. Цель дашбордов - агрегировать конечные цифры из разных источников, отсекать лишнее и фокусировать внимание на ключевых метриках.

На основе очищенных и сжатых данных можно принимать реальные управленческие решения.


Если остались вопросы

Свяжемся с вами вотсап.