• Software Solutions

          Wir helfen Ihnen bei der Auswahl 
          der richtigen Lösungen, um die 
          Kraft Ihrer Daten freizusetzen.
        • Tableau
        • Das weltweit leistungsstärkste Tool zur Datenvisualisierung und -analyse.

        • Alteryx
        • Die führende Plattform in der
          dynamischen Welt der Analytic
          Process Automation.

        • Amazon Web Services (AWS)
        • Führend bei Cloud-First-Datenlösungen.

        • Snowflake
        • Für Cloud-basierte Data-Warehouse-Lösungen der nächsten Stufe.

        • Celonis
        • Process Mining aus Deutschland. Verschaffen Sie sich ein objektives und datengetriebenes Bild Ihrer internen Prozesse. Ganz im Sinne der optimierten  Wertschöpfung.

  • The Data School
  • News
  • Data Events
        • Über Uns

          Lernen Sie The Information Lab kennen, unser Team, unsere Kunden und erfahren Sie, wie auch Sie ein Teil davon werden können.

          Mehr erfahren

        • Use Cases
        • Wir bieten seit Jahren Datenlösungen für Unternehmen. Und so wie hinter allen Daten eine Geschichte steckt, steckt auch hinter jedem unserer Projekte eine Geschichte.

        • Centre of Excellence
        • Geteiltes Wissen ist Macht – vernetzen Sie sich mit unserer wachsenden Zahl von Beratern und Kunden in ganz Europa. Zusammenarbeit ist der beste Weg zu lernen.

        • Internationales Setup
        • The Information Lab ist an 8 europäischen Standorten mit über 300 Consultants aktiv. Unsere Data School gibt es bereits in London, Sydney und Hamburg.

        • Kunden
        • Wir unterstützen seit 2014 namhafte Unternehmen in der DACH-Region und im deutschen Mittelstand.

        • Team
        • Lernen Sie die Menschen hinter The Information Lab kennen.

        • Karriere
        • Join our team! Wir wachsen stetig und suchen insbesondere im Consulting und unserer Data School stets tolle Kollegen und Kolleginnen.

Wie ich ein Miniprojekt in Angriff nehme!
Wie ich ein Miniprojekt in Angriff nehme!

Dies sind ein paar Zeilen, die ich über die Präsentation am Freitag notiert habe, ein Probeprojekt, das uns sehr gut auf unser erstes Kundenprojekt nächste Woche vorbereitet. Unter Berücksichtigung all der Lektionen über Projektmanagement, Anfrageerfassung und einer Reihe von Tableau-Vorbereitungstechniken in dieser Woche konnten wir ein Analyseprojekt aus vier Hauptthemen auswählen, an dem wir arbeiten sollten:

  • SEO-Analytik (Website-Verkehrsdaten)
  • IT-Help-Desk-Beispiel (Support-Desk-Daten)
  • HR-Analytics (Mitarbeiterinformationen und -leistung)
  • Customer Service (Kundenanrufhistorie und Kundenzufriedenheit)

Ich habe mich persönlich mit den HR-Analytics- und Customer Service-Datensätzen vertraut gemacht, da diese KPI-Maßnahmen für Menschen mit einem betriebswirtschaftlichen Hintergrund wie mich ziemlich vertraut sind. Vor diesem Hintergrund beschloss ich, aus meiner Komfortzone herauszutreten und zu versuchen, mit einem neuen Datensatz zu arbeiten: IT-Help-Desk.

Als Erstes müssen wir die Daten untersuchen und versuchen, sie zu verstehen. Soweit es mich betrifft, könnte dieser Datensatz von jedem Unternehmen oder jeder Organisation stammen, die entweder auf Informationstechnologie oder auf eine bestimmte Branche spezialisiert ist. Er enthält 10 Spalten und 100.000 Zeilen aus den Jahren 2013-2017, die den Status der Behebung von IT-Problemen in einem Unternehmen beschreiben. Die Spalte „Ticket“ enthält die ID-Nummer jedes Fehlerprotokolls (Problem), das ein Eröffnungs- und Abschlussdatum (in Sekunden gezählt) hat. Jedes Problem wird von Anfragern, deren Seniorität (Hierarchie in der Struktur des Unternehmens) und vom IT-Eigentümer gelöst. Es gibt zwei Arten von Protokollen: Anfragen und Probleme, die nach ihren technischen Funktionen kategorisiert sind: System, Zugangslogin, Hardware, Software. Je nach Priorität der Probleme wird festgelegt, welches Problem am dringendsten oder am wenigsten dringend behoben werden sollte. Und schließlich gibt es eine allgemeine Bewertung auf einer Skala von 0-3, die den Zufriedenheitsgrad mit dem Behebungsstatus gemäß dem von den Antragstellern angegebenen Protokoll angibt. Zunächst habe ich die ID des IT-Eigentümers und des Antragstellers für eine numerische Maßeinheit gehalten, da sie mit ganzen Zahlen kodiert sind. Ein weiterer Punkt ist die Überprüfung der Skala der Zufriedenheitsbewertung von 0 bis 3, um zu sehen, ob ich die Art und Weise, wie sie aufsteigend nach der inkrementellen Zufriedenheit (schlecht bis gut) bewertet wird, richtig verstehe. Während 1 für Unzufriedenheit und 3 für hohe Zufriedenheit steht, bedeutet die Null (0) eine unbekannte Rückmeldung, die nicht neutral ist, sondern einen Fehler oder die Tatsache bedeutet, dass die Person einfach keine Rückmeldung gibt. Daher habe ich beschlossen, die Zeilen mit 0-unbekannt von meiner Zufriedenheitsanalyse auszuschließen.

Es hat eine Weile gedauert, bis ich die Datenqualität und -struktur verstanden hatte, wobei ich mich daran erinnerte, dass Google und Convo meine besten Freunde sind (was nicht ganz falsch ist). Danach habe ich herausgefunden, mit welchen Fragen oder Problemen der Kunde zu kämpfen hat.

  1. Wie können Sie die Dauer der Problembehebung verkürzen?
  2. Dazu müssen Sie wissen, woher die Fehler kommen?
  3. Welcher IT-Verantwortliche leistet bessere Arbeit als andere? Wer ist am effizientesten? Wer ist am wenigsten effizient?
  4. Durch die Untersuchung der zeitlichen Dimension können Sie herausfinden, wann Fehler normalerweise auftreten und wie viele…

Außerdem habe ich mein allgemeines Dashboard-Layout mit Excalidraw skizziert, dessen Funktionen mir absolut zusagen. Ich möchte das Donut-Diagramm, um meine 2. Fragen zu beantworten, die mit dem Parameter mit den 2 Messgrößen einhergehen: Behebungsdauer und Gesamtticket. Das Säulendiagramm würde definitiv die 3. Frage betreffen und das Liniendiagramm wird die 4. Ein paar BAN-Karten bieten eine schnelle Berechnung der durchschnittlichen Zufriedenheitsbewertung und der Dauer, so dass der Betrachter sofort einen Überblick über die Leistung erhält.

Danach habe ich ein Dashboard erstellt, das wie folgt aussieht. Sie können meine Tableau Public Site besuchen und hier mit den Dynamics Measures und Dimensionen interagieren.

https://public.tableau.com/app/profile/tram7860/viz/IThelpdesk/Dashboard1

Hier sind die Dinge, die man nach dieser Erfahrung mitnehmen kann:

Womit ich zufrieden bin 😊

  • Ich bin froh, dass ich mit der Strategie und den großen Fragen auf die richtige Spur gekommen bin…
  • Die angewandten Parameter sind vielfältig und funktionieren auf Anhieb (was mich sehr freut, denn wir hatten die Technik erst Anfang der Woche gelernt)
  • Der Drilldown für das Datum der eingestellten Aktionen hat mir schwer zu schaffen gemacht, aber ich habe es einfach geschafft 😀
  • Wieder einmal habe ich einen riskanten Weg gewählt, indem ich mich unter Zeitdruck an neue Dinge und neue Techniken herangewagt habe, aber ist es nicht genau die richtige Zeit, um mit Ideen zu experimentieren und Fehler zu machen? Ich empfehle jedem Schüler, es auszuprobieren, es zu schaffen, zu scheitern und es dann neu zu machen, denn man lernt dabei eine Menge.

Was muss verbessert werden :/

  • Bei der Gestaltung meines endgültigen Dashboards in Tableau bin ich auf einige Probleme mit der Formatierung und den Containern gestoßen, für die ich von nun an mindestens 40 Minuten einplanen werde. Das Layout eines sauberen, ordentlichen und funktionalen Dashboards spielt eine sehr wichtige Rolle bei der Präsentation.
  • Mein endgültiges Dashboard war zu voll mit Legenden und Parametern, weil ich zu gierig war, um den Nutzern die Freiheit zu geben, nach Belieben mehrere Kennzahlen, unterteilt in mehrere Dimensionen, auszuwählen.
  • Obligatorische Schritte wie das Hinzufügen von Referenzlinien und das Sortieren von Daten sind von entscheidender Bedeutung, die ich am Ende leider vergessen habe, weil es für die Betrachter viel einfacher ist, Trends zu erkennen.
  • Sie haben nur 4 Stunden Zeit, um eine komplexe Aufgabe zu lösen, die viele Schritte umfasst. Manchmal muss man Abstriche bei den Ideen machen. Schalten Sie jedoch nicht den Faulenzerknopf in Ihrem Gehirn ein, denn als Datenanalysten sehnen wir uns nach Ideen!

P/s: Menschen haben unterschiedliche Ansätze für ein Projekt. Sie können mir in jedem Punkt zustimmen oder widersprechen, aber ich hoffe, dass mein Blog Ihnen einen Hinweis darauf gibt, was in einem Projekt vor sich geht. Machen Sie sich nicht zu viele Sorgen, wenn Sie es nicht rechtzeitig schaffen oder gestresst sind, denn jeder macht den gleichen Lernprozess durch!

ZUR DATA SCHOOL