“A necessidade de tomar decisões cada vez mais ágeis em diversas indústrias torna essencial o uso de painéis gerenciais (dashboards) com a leitura fácil dos principais indicadores de desempenho do negócio (…)”
(Leia mais sobre construção de dashboards e Data Visualization clicando nesse post do Blog DP6)

 

Por conta da necessidade de tomar decisões cada vez mais ágeis, é bem importante que as empresas possuam uma visão frequente de seu desempenho online, já que este pode ser facilmente mensurado através de ferramentas de web analytics.

Porém, mesmo os dados de desempenho online sendo bastante significativos para as companhias, às vezes é difícil obtê-los com uma periodicidade curta por questões de limitações da ferramenta, que acabam não atendendo as dem. Por exemplo, extrações hora a hora, e/ou conexão direta entre duas ferramentas.

Então, o quê fazer quando são necessárias informações hora a hora de um site, apresentadas em um dashboard, mas você utiliza meios que não possuem conexão direta entre si? É sobre isso que falaremos no post de hoje, utilizando um case fictício que envolve duas ferramentas bastante conhecidas no mundo de digital analytics: Adobe Analytics e Tableau.

Case

Imagine que você deseja ter uma visão atualizada do desempenho de seu site, para que possa tomar decisões diárias. Para isso, seria importante ver os dados de visitas, pedidos e receita atualizados hora a hora, juntos em um dashboard.

Porém, existe um problema: a coleta e a análise de dados do seu site são feitas através do Adobe Analytics, os dashboards são construídos utilizando o Tableau, e essas duas ferramentas não possuem uma conexão direta. Como trabalhar com os dados em uma situação dessas?

Mesmo com algumas limitações, mostraremos aqui uma possível solução para essa situação.

Passo 1 – Extração

O primeiro passo começa na extração dos dados, na Adobe.

Para esse cenário que descrevemos, serão necessárias extrações com granularidade “last hour” das três métricas selecionadas: visitas, pedidos e receita. Essas extrações deverão ser feitas através do Data Warehouse – ferramenta da Adobe que copia dados crus e não processados em uma única tabela, possibilitando o armazenamento de dados e a construção de relatórios avançados e mais detalhados -, programadas sem data de término, e enviadas para um FTP, uma forma prática e versátil de transferir arquivos via internet que permite aos usuários mandar e receber documentos.

Passo 2 – Tratamento de dados

Agora será necessário tratar os dados que chegarão a cada hora em seu FTP.

Os dados de Adobe vêm com Header e com um padrão muito específico de dimensão de data. Para tratar isso, os principais passos são a remoção do header e o tratamento da dimensão de data. Isso pode ser feito através de qualquer linguagem de programação, por exemplo, Python, que lê os arquivos do FTP, realiza o tratamento dos dados, e gera novos arquivos CSV, um formato de armazenamento que agrupa as informações de arquivos de texto em planilhas onde cada linha representa uma linha na planilha, e cada célula é separada, geralmente, por uma vírgula (por isso a nomenclatura Comma Separated Values, ou seja, valores separados por vírgulas).

print_01

Dados extraídos de Adobe  (com header)

print_02

Dados depois da extração (sem header)

Passo 3 – Conexão com o Tableau

Nesta solução que propomos, usamos a biblioteca googleapiclient para integrar o resultado do tratamento de dados com o SQL Google Cloud. Utilizar SQL (Structured Query Language, ou seja, Linguagem Estruturada de Consulta) é uma boa saída pelo fato de ser uma linguagem em que a comunicação com um banco de dados é feita de maneira descomplicada e fácil de compreender. De acordo com o Portal Educação, “seus comandos permitem a escrita de códigos que criam novas estruturas (tabelas, visões, restrições, índices), permitem a inserção e modificações de dados e a sua posterior consulta. Na geração de relatórios, o último item, de consulta de dados, acaba sendo o mais importante e utilizado, com uma grande quantidade de variações”.

print_03

Como podemos ver, o Tableau possui conexão direta com o Google Cloud SQL

Além da facilidade do SQL, utilizar bancos de dados estruturados para dashboards é um boa opção pois eles permitem que os dados sejam manipulados e consultados de forma rápida e segura.

print_06

Depois de conectado à Google Cloud, sempre que abrirmos o arquivo no Tableau aparecerá uma caixa para realizar login e os dados serão atualizados

Passo 4 – Criação do dashboard

A criação do dashboard é bem simples, pois, apesar de possuir inúmeras funcionalidades, o Tableau é uma ferramenta bastante intuitiva. Para esse painél, que é bem básico, escolhemos colocar big numbers com os valores acumulados do dia (até a última atualização) de cada uma das métricas, um gráfico de combinação entre visitas e transações, com dados hora a hora, e um gráfico de barras com os valores de receita, também detalhados por hora.

print_05

Por fim, conseguimos criar um dashboard que se atualiza no meio de cada hora, trazendo dados de uma hora e meia atrás, por exemplo, a atualização de dados ocorre às 17h30, trazendo dados de todas as horas do dia até às 16h.

Mariana Lemos

Trainee na área de Digital Analytics.

Mariana Lemos

Author Mariana Lemos

Trainee na área de Digital Analytics.

More posts by Mariana Lemos

Leave a Reply