Transformasi OWOX BI: Normalisasi, siapkan, dan atur data pemasaran digital Anda dengan mudah

Semakin banyak data yang dikumpulkan perusahaan dari berbagai sumber, semakin kompleks keseluruhan sistem analitiknya. Dengan demikian, menjadi lebih sulit untuk mengelola sistem analitik dan menemukan wawasan yang dapat Anda percayai. Analis harus menghabiskan lebih banyak waktu untuk memproses dan menyiapkan data untuk laporan daripada mencari titik pertumbuhan data dan area risiko.

Di OWOX, kami telah terlibat dalam analitik selama lebih dari 20 tahun dan sangat menyadari kesulitan yang dihadapi analis pada setiap tahap bekerja dengan data. Hasilnya, kami telah membuat perangkat lunak dengan UI ramah analis yang membantu analis menyederhanakan pelaporan dan manajemen data serta mendapatkan data siap bisnis dengan lebih cepat dan mudah.

Data siap-bisnis adalah kumpulan data akhir yang dibersihkan dalam struktur yang cocok dengan model bisnis Anda. Data bisnis sebenarnya menggambarkan model bisnis. Misalnya, apa sebenarnya yang dimaksud di perusahaan tertentu dengan istilah pengguna, pengguna B2B, transaksi, prospek, dll? Definisi ini menggambarkan bisnis pada intinya. Model data bisnis memungkinkan semua karyawan memiliki pemahaman yang sama tentang bagaimana data digunakan dan dipahami.

Dengan kata lain, data bisnis siap digunakan dalam pemasaran dan pelaporan produk dan dapat dikirim ke layanan visualisasi apa pun (Power BI, Tableau, Google Data Studio).

Jika Anda membuat laporan pada data mentah yang tidak dimodelkan, Anda dapat menghadapi banyak masalah yang berulang: mencari kesalahan dan penyebab perbedaan membutuhkan banyak waktu, dan logika bisnis harus terus-menerus diduplikasi di semua kueri SQL.

Oleh karena itu, mengubah data mentah menjadi data siap-bisnis merupakan langkah penting yang tidak boleh dilewatkan.

Analis mengumpulkan data dari layanan dan sistem yang berbeda. Secara alami, struktur dan format data dalam sumber-sumber ini bervariasi. Untuk membuat laporan, data dari berbagai sumber harus digabungkan dengan benar. Dengan sendirinya, data yang diunggah melalui konektor atau berbagai layanan ETL tidak akurat (mengandung kesalahan, duplikat, dan perbedaan) dan tidak memiliki logika dan struktur terpadu. Data yang tidak akurat dan terfragmentasi perlu dibersihkan dan dinormalisasi ke dalam format siap analitik.

Mengonversi data dari sumber yang berbeda ke dalam format tunggal itu sulit. Misalnya, Anda dapat mengumpulkan data biaya dari berbagai platform periklanan (Google Ads, Twitter Ads, Facebook Ads) dan setiap sistem dapat memiliki mata uang dan labelnya sendiri untuk bidang ini.

Tujuan lain dari normalisasi data adalah untuk memecahkan masalah redundansi data (ketika data yang sama disimpan dalam database di beberapa tempat). Redundansi data berkontribusi pada berbagai anomali, mengurangi kinerja, dan membuat manajemen data tidak nyaman.

Menormalkan semua data secara manual cukup menantang. Saat bekerja dengan sejumlah besar data, banyak kesalahan dan inkonsistensi dapat muncul, terutama terkait dengan kueri dan skrip SQL yang tidak ada habisnya. Jika ada yang tidak beres atau berubah (misalnya, API layanan diperbarui), semuanya akan runtuh.

Normalisasi data adalah tugas yang mengalihkan perhatian analis dari mengambil tugas yang lebih menarik dan mencari wawasan. Belum lagi biasanya memakan waktu hingga 50% dari waktu kerja seorang analis.

OWOX secara otomatis mengumpulkan data untuk analisis dalam format yang nyaman dari semua sumber pemasaran Anda:

1. Google Analytics 4, Firebase, dan AppsFlyer
2. Data situs web mentah dengan kepatuhan GDPR penuh
3. Platform periklanan
4. sistem CRM
5. Sumber pemasaran lainnya

Dengan OWOX BI, Anda tidak perlu membersihkan, menyusun, dan memproses data secara manual. Layanan akan secara otomatis menormalkan data mentah ke dalam format siap analitik dengan:

• Mengenali parameter dinamis dalam tag UTM sehingga Anda mendapatkan data lengkap tentang kampanye iklan
• Mengubah biaya iklan menjadi satu mata uang sehingga Anda dapat menggabungkan dan membandingkannya
• Menentukan geolokasi pengguna sehingga Anda dapat membuat laporan berdasarkan negara dan wilayah
• Mendeteksi aktivitas bot untuk membersihkan laporan Anda dari data yang kedaluwarsa
• Menghilangkan inkonsistensi dan ketidakakuratan data
• Mengubah semua data menjadi satu format (tanggal, mata uang, dll.)
• Memformat data ke dalam tabel sesuai dengan skema penyimpanan data target
• Melakukan deduplikasi untuk menghilangkan data yang berlebihan
• Menghapus data yang tidak digunakan dan menandai anomali
• Jika perlu, menggabungkan data dari dua nilai menjadi satu atau, sebaliknya, memisahkan data dari satu nilai menjadi dua
• Melakukan audit kualitas data dan pemeriksaan kepatuhan

Sebagai hasil dari manipulasi data ini, Anda mendapatkan data terstruktur yang akurat sebagai output: format tag terpadu, mata uang tunggal, data yang digandakan, dll.

Seperti yang kami katakan di atas, untuk membuat laporan, data dari berbagai sumber harus digabungkan dengan benar. Misalnya, tindakan pengguna perlu digabungkan ke dalam sesi untuk menghubungkan konversi ke kampanye iklan. Biaya dari sumber yang berbeda harus digabungkan menjadi satu struktur sehingga efektivitas sumber-sumber ini dapat dibandingkan.

Mempelajari kompatibilitas data dari berbagai sumber membutuhkan banyak waktu. Selain itu, penggabungan data harus terjadi secara teratur karena sumber data diperbarui, dan seorang analis harus dapat secara fleksibel mengelola logika bisnis sesuai dengan kebutuhan bisnis.

Untuk menyiapkan sistem pelaporan, seorang analis perlu membuat dan memelihara seluruh kaskade transformasi data SQL yang saling berhubungan. Seiring waktu, dalam proyek apa pun, ini berubah menjadi jalinan kueri dan skrip SQL, yang debugging membutuhkan banyak waktu dan tidak menambah nilai baru.

Persiapan data adalah sebuah proses. Tidak cukup hanya menyiapkan laporan (atau bahkan banyak laporan). Data harus diperbarui secara berkala, dan perubahan laporan dilakukan secara permanen. Semua ini sekarang dilakukan secara manual oleh analis, yang membutuhkan banyak waktu, serta dengan bantuan kueri dan skrip SQL.

Jika Anda membuat laporan pada data mentah yang tidak siap untuk bisnis, Anda mungkin mengalami banyak masalah yang berulang: mencari kesalahan dan penyebab perbedaan membutuhkan banyak waktu, dan logika bisnis harus terus diduplikasi di semua kueri SQL.

Seperti apa proses pembuatan laporan untuk data mentah?

Pertama, pemasar memberi tahu analis apa yang harus dilakukan. Kemudian analis menulis kueri SQL dan membuat dasbor berdasarkan hasil mereka. Seperti biasa, beberapa perbedaan ditemukan, beberapa kondisi baru ditambahkan ke permintaan, beberapa iterasi dibuat, umpan balik diterima. Tetapi semua keputusan dibuat dalam konteks laporan yang satu ini. Saat Anda membutuhkan laporan lain dengan data dari sumber lain, kolom baru, atau beberapa irisan data, proses pengecekan konvergensi dan validasi data perlu diulang. Atau seorang analis dapat membuat 10 laporan, di mana jumlah klien, misalnya, berbeda karena logika perhitungan yang berbeda diterapkan. Dengan transformasi dan pemodelan data, tugas ini diselesaikan sebelum laporan dibuat.

OWOX BI Transformation secara otomatis menerapkan transformasi dasar yang dibutuhkan semua orang, seperti sessionization dan penggabungan data biaya. Plus, Anda dapat dengan mudah membuat dan menerapkan transformasi (kustom) Anda sendiri.

OWOX BI memberi Anda data yang siap dianalisis, menghemat waktu untuk persiapan data.

1. Secara otomatis menggabungkan klik sesi

Algoritme OWOX BI secara otomatis menggabungkan klik dalam sesi tanpa menggunakan logika pembentukan sesi Google Analytics. Anda akan mendapatkan tabel sesi yang diperbarui secara otomatis dan siap digunakan dalam struktur yang nyaman tanpa perlu menulis transformasi data yang rumit.

2. Pencampuran data biaya di seluruh saluran

Untuk mengonversi biaya iklan, analis harus mengupload data dari akun iklan ke file terpisah, lalu menguploadnya secara manual melalui antarmuka BigQuery. Kerugian dari metode ini jelas — banyak pekerjaan yang tidak perlu dan tidak ada otomatisasi.

Anda juga dapat menulis skrip Anda sendiri yang akan mengunduh informasi yang Anda butuhkan dari layanan pemasaran. Tetapi pekerjaan solusi ini harus terus dipantau dan dipelihara. Dalam hal ini, Anda akan menghabiskan sumber daya pengembang untuk menggabungkan data dari akun yang berbeda dan untuk tanggal yang berbeda, memeriksa kualitasnya, dan merespons dengan cepat kemungkinan perubahan dalam API layanan periklanan. Jika ini tidak dilakukan, kualitas data yang buruk dapat menyebabkan keputusan yang buruk yang merugikan bisnis.

OWOX BI bekerja dengan lancar dengan akun iklan besar dan mengunggah semua data terlepas dari jumlah kampanye. Ini mengumpulkan semua data biaya dalam tabel yang diperbarui secara otomatis, terpadu, dan ramah pengguna tanpa bidang yang tidak perlu.

Selain mengimpor data biaya secara otomatis, OWOX BI mengenali parameter dinamis dalam tag UTM, mengonversi biaya menjadi satu mata uang, memperbarui data di Google BigQuery secara surut jika berubah dalam layanan periklanan, dan memantau relevansi data.

3. Profil pengguna lintas perangkat tunggal

Semua data tentang perilaku pengguna dari situs Anda serta dari berbagai perangkat dan aplikasi digabungkan menjadi satu profil. Anda akan mendapatkan gambaran lengkap tentang perilaku setiap pengguna untuk menganalisis kualitas kampanye iklan.

4. Jenis pengguna (baru atau kembali)

OWOX BI mendefinisikan tipe pengguna (baru atau kembali) sehingga Anda dapat membuat laporan pada kelompok pengguna yang berbeda.

5. Biaya iklan yang dikaitkan dengan setiap sesi

OWOX BI mengaitkan data biaya pada tingkat sesi. Anda tidak lagi terbatas untuk mengevaluasi efektivitas pemasaran dalam lingkup kampanye iklan dan dapat menghitung unit ekonomi dengan benar. Evaluasi keefektifan iklan untuk kelompok, wilayah, halaman arahan, dan grup produk yang berbeda.

6. Pemodelan atribusi

Di OWOX BI, Anda dapat menghubungkan model atribusi standar apa pun ke pelaporan Anda, menyiapkan model atribusi berdasarkan data berdasarkan perkiraan konversi OWOX, atau menyiapkan model khusus agar sesuai dengan aturan dan corong penjualan Anda. Semua ini dapat dengan mudah dilakukan di antarmuka produk tanpa bantuan insinyur data.

Dengan transformasi data OWOX BI, Anda memiliki peluang luas untuk mengukur dampak kampanye terhadap konversi:

• Pilih model atribusi yang diakui industri (klik terakhir, klik pertama, bentuk U) dari template yang telah ditentukan sebelumnya
• Gunakan model atribusi Berbasis Corong algoritmik
• Buat model kustom Anda sendiri
• Buat laporan berdasarkan model atribusi yang berbeda untuk membandingkan hasil

7. Konversi Model

Gunakan Model Konversi untuk pengukuran tanpa cookie dan prediksi konversi.

Untuk mematuhi persyaratan GDPR, pemilik situs harus menolak mengidentifikasi pengguna yang tidak ingin membagikan cookie mereka dan tidak mengklik tombol ajaib "Terima Cookie". Akibatnya, mode Persetujuan mengurangi jumlah konversi yang sumber lalu lintasnya dapat ditentukan sebesar 30%.

Pemodelan konversi membantu memecahkan masalah ini. Pertama, sistem pembelajaran mesin memproses data dan statistik historis yang tersedia. Kemudian, mengetahui persentase pengguna yang mengizinkan cookie untuk disetel dan bagaimana pengguna tersebut berkonversi, mereka menentukan jalur atribusi yang paling mungkin bagi mereka yang tidak. Ini memungkinkan Anda untuk mencocokkan hasil kampanye dengan biaya kampanye secara lebih akurat — dan pada saat yang sama mematuhi keputusan pengguna terkait cookie.

Untuk menentukan sumber untuk transaksi yang tidak konsisten tersebut, kami menggunakan model pembelajaran mesin yang dilatih pada data yang konsisten serta parameter tambahan (User-Agent, Geo, Device, dan lainnya). Sederhananya, model menganalisis konversi yang cocok dengan sumber yang diketahui dan secara proporsional mendistribusikan sisa konversi yang tidak konsisten ke sumber dan media yang ada dalam data.

Tidak peduli bagaimana Anda mempersiapkan data untuk pelaporan, Anda akan selalu perlu:

• Kontrol logika transformasi data
• Memiliki gambaran yang jelas tentang bagaimana data saling terkait
• Cepat mengidentifikasi penyebab kegagalan dan keterlambatan dalam memperbarui data

Semakin bercabang penyimpanan data internal, semakin sulit untuk menulis logika apa pun yang akan mengumpulkan data siap-bisnis — dan semakin sulit bagi analis untuk mengelola data. Tanpa alat orkestrasi yang nyaman, analis terburu-buru di antara sejumlah besar data, banyak konektor, dan berbagai transformasi dan laporan tanpa memiliki gambaran yang jelas tentang bagaimana mereka semua terhubung. Akibatnya, mencari dan menghilangkan kesalahan dan ketidaksesuaian membutuhkan waktu lama.

OWOX BI Workspace memungkinkan Anda mengelola aliran data dalam UI yang ramah analisis. Kami telah menyederhanakan seluruh proses untuk menawarkan analis cara yang benar-benar baru dalam bekerja dengan data. Analis dapat melakukan semuanya mulai dari memperoleh data mentah hingga memvisualisasikannya sendiri dalam produk yang sama.

• Lacak bagaimana data bergerak dan berubah dari konektor ke dasbor
• Tetapkan dan kendalikan transformasi data dan logika penghitungan metrik di setiap laporan
• Kelola transformasi SQL dalam beberapa klik
• Jadwalkan pembaruan data agar data tetap segar
• Segera lihat kesalahan atau keterlambatan dalam memperbarui data

Produk kami bukanlah kotak tertutup yang menghasilkan hasil yang tidak dapat dipahami. Anda mendapatkan grafik transformasi yang jelas yang menunjukkan dengan jelas bagaimana data Anda bergerak, di mana, dan mengapa. Sangat mudah untuk melihat dan mempengaruhi logika perhitungan. Anda tidak hanya akan melihat hasilnya: Anda akan mengerti bagaimana hal itu terjadi.

Ada hal-hal tertentu yang tidak dapat dilakukan analis sendiri, seperti mendefinisikan model atribusi, menghubungkan sumber data baru, dan membuat transformasi data yang sulit. Untuk tugas-tugas ini, seorang insinyur data diperlukan.

Menyesuaikan dan memelihara alat orkestrasi transformasi khusus seperti Airflow atau dbt memerlukan insinyur data — sumber daya yang langka. Penggunaan alat tersebut nyaman untuk pengembang tetapi tidak untuk analis. Anda dapat membaca lebih lanjut tentang ini di artikel benn.substack.

Inilah sebabnya mengapa analis sering harus menunggu bantuan, dan insinyur data sering teralihkan dari tugas utama mereka. Semua ini memperlambat waktu untuk mendapatkan wawasan, mencegah pengguna bisnis membuat keputusan berbasis data tepat waktu.

OWOX menawarkan cara yang benar-benar baru dan lebih efisien untuk bekerja dengan data, di mana analis menjadi unit bisnis yang mandiri dan sangat efektif. Analis mendapatkan kendali atas seluruh aliran bekerja dengan data dan dapat mewujudkan bakat mereka dalam analisis alih-alih terjebak pada tugas-tugas rutin.

Dengan OWOX, Anda mendapatkan data siap-bisnis yang akurat dalam format siap-SQL untuk menjelajahi wawasan dengan mudah, menghemat waktu penting bagi para insinyur dan analis. Anda tidak memerlukan insinyur data, karena OWOX melakukan semuanya secara otomatis.

Dalam perjalanan menuju format siap-bisnis, ada banyak pekerjaan yang harus diselesaikan dengan data. Selain itu, data untuk pelaporan harus dimutakhirkan secara berkala. Agar tidak membuang waktu analis untuk tugas rutin ini, yang terbaik adalah mengotomatiskan seluruh proses bekerja dengan data dengan bantuan OWOX BI dan membebaskan waktu analis Anda untuk menganalisis data dan mencari wawasan.