Klantcase

Van stilgevallen dashboard naar betrouwbare productinzichten

Data

Wat was de situatie?

Bij een grote online retailer werkte ik als productanalist voor meerdere productteams. Om hen inzicht te geven in de kwaliteit en adoptie van hun producten, maakten we gebruik van een belangrijk dashboard.

De basis voor dat dashboard was al gebouwd, maar het dashboard was buiten werking. De achterliggende queries waren te duur geworden en daarom gepauzeerd. Bovendien draaiden ze nog rechtstreeks in Google BigQuery, volgens de oude werkwijze. Daardoor ontbraken automatische controles op de kwaliteit van de data en op de actualiteit van de gebruikte bronnen.

Samen aan de E-commerce Dashboard tafel

Wat was jouw aanpak?

Mijn eerste stap was om de nieuwe werkwijze met dbt goed te leren kennen, zowel binnen de organisatie als specifiek binnen mijn domein. Daarbij kon ik sparren met het analytics engineering team, dat analisten ondersteunde bij de technische kant van het werk.

Ik begon bewust met een aantal kleinere datamodellen. Door die eerst naar de nieuwe dbt-set-up te migreren, kreeg ik het proces goed onder de knie. Vervolgens sloot ik het dashboard in Data Studio aan op de nieuwe databronnen en werden de eerste inzichten weer zichtbaar.

Daarna kwam het zwaardere werk: een aantal zeer complexe datamodellen efficiënter maken. Met behulp van een AI coding assistant heb ik dezelfde berekeningen op een andere manier geïmplementeerd. Zo konden zowel de rekentijd als de kosten van de modellen omlaag.

“I love dbt.”

Wat was het resultaat?

Dankzij de migratie zijn de inzichten voor de productteams weer beschikbaar. Het dashboard is opnieuw in gebruik, zodat teams actuele inzichten in de kwaliteit en adoptie van hun producten kunnen bekijken en delen.

Tegelijkertijd is de betrouwbaarheid van de data beter geborgd. Omdat de modellen nu in dbt draaien, wordt automatisch gecontroleerd of de data klopt en of bronnen op tijd zijn ververst. Problemen worden daardoor eerder zichtbaar en de teams kunnen beter vertrouwen op de cijfers waarmee ze werken.

Ook de zware berekeningen draaien efficiënter. Door dezelfde berekeningen slimmer op te zetten, kosten de modellen minder tijd én minder geld om te draaien.

Tools & systemen

SQL, Google BigQuery, dbt, Data Studio, AI coding assistant

Meer informatie over
werken bij i4talent?

Neem contact op met

Pascale

Talentscout

Meer informatie over het inhuren van een professional via i4talent?
Neem contact op met

Erwin

Salesmanager