OSEMN Çərçivəsi və KPI: Data Analitikasının Təməli

Data analitikası karyerasında müxtəlif mənbələr, metodlar və biznes məqsədləri olan saysız layihə ilə qarşılaşacaqsan. Amma onların hamısının ortaq elementləri var — və bu elementləri təşkil etmək üçün bir çərçivə lazımdır. Bu yazıda data analitikasının təməlini təşkil edən iki anlayışı izah edirik: OSEMN çərçivəsi və KPI (Key Performance Indicator).

Bu yazı data analitikası nədir bələdçisinin davamıdır.

OSEMN çərçivəsi nədir?

OSEMN çərçivəsi ilk dəfə Hilary Mason və Chris Wiggins tərəfindən data layihələrini hissələrə bölmək üçün təsvir edilib. Müəllif onu «awesome» kimi tələffüz edir, amma əslində O-S-E-M-N hərflərindən ibarətdir və beş mərhələni bildirir: obtain (topla), scrub (təmizlə), explore (araşdır), model (modelləşdir), interpret (şərh et). Bu çərçivə böyük data tapşırıqlarını daha kiçik, idarəolunan hissələrə bölməyə kömək edir.

Obtain — Toplamaq

Məqsədindən və cavablandırmaq istədiyin biznes sualından asılı olaraq data daxili mənbələrdən (məsələn, satış datası) və ya kənar mənbələrdən (hökumət bazaları, maliyyə bazarı datası) gələ bilər. Bəzən datanın haradan gələcəyi aydındır; bəzən isə bu addım araşdırma və yaradıcılıq tələb edir — hətta sorğu keçirib öz datanı yaratmalı ola bilərsən.

Scrub — Təmizləmək

Bu mərhələ datanı istifadəyə yararlı hala gətirir: formatları düzəltmək, çatışmayan data nöqtələri ilə necə davranacağına qərar vermək. Yaxşı təmizləmə sonrakı problemlərin qarşısını alır. Çirkli data ilə başlasan, ən mükəmməl model belə yanlış nəticə verər — «zibil girişi, zibil çıxışı» prinsipi (garbage in, garbage out).

Explore — Araşdırmaq

Burada sən bir dedektiv kimi datanın altındakı nümunələri, trendləri və anomaliyaları axtarırsan — datanı kateqoriyalaşdırıb sadə qrafiklərlə vizuallaşdıraraq.

Model — Modelləşdirmək

Statistik və ya riyazi yanaşma ilə nümunələri daha yaxşı anlamaq və proqnozlar yaratmaq. Data analitikləri üçün asan tətbiq olunan bir çox model var.

iNterpret — Şərh etmək

Nəticələri şərh edib başqalarının anlaması üçün vizuallaşdırma, hekayə və təqdimatlar qurursan.

OSEMN populyar çərçivələrdən yalnız biridir; digərləri ilə fərqlər olsa da, hamısı eyni əsas addımları əhatə edir. OSEMN sadə və çevik olduğu üçün əla seçimdir.

OSEMN niyə faydalıdır?

Bir data layihəsinə ilk yaxınlaşanda böyük və mürəkkəb görünə bilər — haradan başlamalı? OSEMN məhz burada işə düşür. O, böyük tapşırığı beş idarəolunan mərhələyə bölür, beləliklə hər dəfə yalnız bir addıma fokuslanırsan. Bu, həm işi asanlaşdırır, həm də heç bir vacib addımı — məsələn, datanı təmizləmək və ya nəticəni düzgün şərh etmək — atlamamağa kömək edir. Bu çərçivə real layihələri strukturlaşdırmaqda daim faydalıdır.

Diqqət yetir ki, OSEMN-in mərhələləri əvvəlki «data analitikası nədir?» tərifindən çox da fərqli deyil — sadəcə həmin addımları səliqəli bir şəkildə yığır. Explore mərhələsində sən bir dedektiv kimi datanın altındakı nümunələri axtarırsan; model mərhələsində isə həmin nümunələri riyazi yanaşma ilə gələcək proqnozlarına çevirirsən.

Məqsədlə başla: SMART goal

Hər data analizindən əvvəl aydın bir məqsəd formalaşdırmaq çox faydalıdır. Yaxşı məqsəd SMART olmalıdır. Nümunə: «Bu ilin sonuna qədər Honolulu marafonunu dörd saatdan az müddətdə qaçmaq istəyirəm.» Bu, niyə SMART-dır?

• Specific (konkret) — hansı marafon olduğu məlumdur.
• Measurable (ölçülə bilən) — marafon 42 km-dir və hədəf 4 saatdan azdır.
• Achievable (əldə edilə bilən) — məşq etsən, mümkündür.
• Relevant (uyğun) — ümumi fitnes planına uyğundur.
• Time-bound (vaxta bağlı) — dekabra qədər hazırlaşmaq lazımdır.

KPI nədir?

KPI (Key Performance Indicator — əsas performans göstəricisi) məqsədə doğru irəliləyişini izləyən ölçülə bilən dəyərdir. Marafon nümunəsində Strava tətbiqi məsafə, vaxt, temp, hündürlük və kalori kimi məlumat verir. Hamısı maraqlıdır, amma ən vacibi tempdir: mildə 11 dəqiqə 49 saniyə qaçırsansa və 4 saatdan az bitirmək istəyirsənsə, təxminən mildə 9 dəqiqəyə enməlisən. Temp burada KPI-dır — məhz məqsədə çatıb-çatmadığını göstərən metrikadır.

Yaxşı KPI üç xüsusiyyətə malikdir: kəmiyyətlə ölçülə bilir, istiqamətlidir (yuxarı və ya aşağı gedir) və məqsədlə birbaşa əlaqəlidir. KPI-lar analitikə həqiqətən vacib metrikaları, sadəcə maraqlı olan datadan ayırmağa kömək edir.

KPI-lar müxtəlif sahələrdə

KPI anlayışı hər sahədə işləyir, sadəcə metrikalar dəyişir. Bir neçə nümunəyə baxaq ki, prinsipi daha yaxşı qavrayasan:

• E-ticarət: məqsəd satışı artırmaqdırsa, primary KPI konversiya dərəcəsi (ziyarətçilərin neçə faizinin alış etməsi), secondary KPI isə səbətə əlavə etmə nisbəti ola bilər.
• Kontent/bloq: məqsəd auditoriya qurmaqdırsa, KPI aylıq unikal oxucu sayı və ya e-poçt abunəçi artımıdır.
• SaaS/tətbiq: məqsəd istifadəçi saxlamaqdırsa (retention), KPI aylıq aktiv istifadəçi və ya churn (tərk etmə) dərəcəsidir.
• Fitnes (marafon nümunəsi): məqsəd 4 saatdan az qaçmaqdırsa, KPI mildə tempdir.

Diqqət et ki, hər halda çoxlu «maraqlı» metrika var, amma yalnız bir-ikisi məqsədə çatmağı birbaşa ölçür. Analitikin işi məhz bu əsas metrikaları seçib, diqqəti onlara yönəltməkdir. Səhv KPI seçmək bütün analizi yanlış istiqamətə apara bilər — məsələn, satışı ölçmək əvəzinə sadəcə sayt baxışlarına baxsan, çox trafik görüb az satış olduğunu gec anlaya bilərsən.

Kəmiyyət və keyfiyyət datası

KPI-lar adətən kəmiyyət (quantitative) xarakterlidir — yəni rəqəmlə ölçülür. Amma data həm də keyfiyyət (qualitative) formasında ola bilər: müştəri rəyləri, müsahibələr, açıq sorğu cavabları. Keyfiyyət datası «niyə» sualına cavab verməyə kömək edir, kəmiyyət datası isə «nə qədər» sualına. Yaxşı analitik ikisini birləşdirir: rəqəm bir problemi göstərir (məsələn, konversiya düşüb), keyfiyyət datası isə onun səbəbini izah edir (müştərilər ödəniş prosesindən şikayət edir).

Primary və secondary KPI

Amsterdamdakı «Calla & Ivy» çiçək biznesinin sahibi Imra saytını açıb və SMART məqsəd qoyub: «May ayında 10 000 sayt ziyarəti əldə etmək.» Onun KPI-ı aylıq sayt ziyarətçilərinin sayıdır — ölçülə bilir, istiqamətlidir və məqsədə birbaşa bağlıdır. Saytının paneli baxılan səhifə sayı, orta ziyarət vaxtı və tranzaksiya sayı kimi başqa metrikalar da verir, amma bunlar onun konkret məqsədi üçün açar deyil.

Metrikaları primary və secondary KPI kimi də ayırmaq olar. Primary KPI birbaşa məqsədə çatıb-çatmadığını ölçür (aylıq ziyarət sayı). Secondary KPI isə primary ilə korrelyasiya edir, amma tək başına məqsədin çatdığını təsdiq etmir — məsələn, Calla & Ivy-nin brend tanınırlığı. Tanınırlıq artdıqca ziyarət ehtimalı artır, amma tanınırlıq tək başına ziyarəti təmin etmir. KPI-ları əvvəlcədən müəyyən etsən, data dənizində itməkdən qorunursan.

Tez-tez verilən suallar (FAQ)

OSEMN çərçivəsi məcburidirmi?

Yox, amma çox faydalıdır. Böyük layihələri kiçik, idarəolunan mərhələlərə bölür və heç bir addımı unutmamağa kömək edir.

KPI ilə adi metrika arasında fərq nədir?

Hər KPI metrikadır, amma hər metrika KPI deyil. KPI məqsədə çatmağı birbaşa ölçən, seçilmiş əsas metrikadır.

SMART goal niyə vacibdir?

Aydın, ölçülə bilən məqsəd olmadan hansı datanı toplayacağını və uğuru necə ölçəcəyini bilə bilməzsən. Məqsəd bütün analizin istiqamətini müəyyən edir.

Data həddindən artıq çox olanda nə etməli?

KPI-ları əvvəlcədən müəyyən et. Onlar hansı metrikaların həqiqətən vacib olduğunu göstərir və səni saysız maraqlı, amma əhəmiyyətsiz rəqəmdə itməkdən qoruyur.

OSEMN kim tərəfindən yaradılıb?

Hilary Mason və Chris Wiggins tərəfindən data analitikası layihələrini strukturlaşdırmaq üçün təsvir edilib.

Primary və secondary KPI-a nümunə nədir?

Sayt trafiki məqsədində primary KPI aylıq ziyarət sayı, secondary KPI isə brend tanınırlığıdır — tanınırlıq ziyarətlə korrelyasiya edir, amma tək başına məqsədi təsdiq etmir.

Yaxşı KPI hansı xüsusiyyətlərə malikdir?

Üç xüsusiyyət: kəmiyyətlə ölçülə bilir, istiqamətlidir (yuxarı və ya aşağı gedir) və məqsədlə birbaşa əlaqəlidir.

Kəmiyyət və keyfiyyət datası arasında fərq nədir?

Kəmiyyət datası «nə qədər» sualına rəqəmlə cavab verir; keyfiyyət datası (rəylər, müsahibələr) isə «niyə» sualına kömək edir. İkisi birlikdə daha tam mənzərə verir.

OSEMN-də hər hərf nəyi bildirir?

O — Obtain (topla), S — Scrub (təmizlə), E — Explore (araşdır), M — Model (modelləşdir), N — iNterpret (şərh et).

Nəticə: çərçivə və ölçü

OSEMN çərçivəsi və KPI anlayışı data analitikasının iki təməl daşıdır. OSEMN sənə «necə» sualına — hansı addımları hansı ardıcıllıqla atmaq lazımdır — cavab verir. KPI isə «uğuru necə ölçəcəyəm» sualına cavab verir. SMART məqsəd bu ikisini birləşdirir: aydın hədəf qoyur, KPI onu ölçür, OSEMN isə ona çatmağın yolunu göstərir. Bu üç anlayışı mənimsəsən, istənilən data layihəsinə inamla yaxınlaşa bilərsən — nə haradan başlayacağını, nə də uğuru necə ölçəcəyini qarışdırmadan.

Praktik məsləhət olaraq işə kiçik başla: bir SMART məqsəd seç, ona bir KPI təyin et və OSEMN-in beş mərhələsini kiçik bir dataset üzərində keç. Bu təcrübə çərçivəni «hiss etməyə» kömək edəcək və növbəti, daha böyük layihələr üçün özünə inam qazandıracaq. Nəzəriyyə vacibdir, amma əsl öyrənmə praktikada gəlir.

OSEMN praktikada: sadə nümunə

OSEMN-in necə işlədiyini bir nümunədə görək. Tutaq ki, kiçik bir onlayn mağazan var və məqsədin «bu rübdə təkrar müştəri sayını 20% artırmaq»dır; KPI-ın təkrar alış edən müştərilərin payıdır. Obtain: satış proqramından son bir ilin sifariş datasını çıxarırsan. Scrub: təkrar sifarişləri, boş e-poçt xanalarını və səhv tarixləri təmizləyirsən. Explore: datanı araşdırıb görürsən ki, təkrar müştərilərin çoxu ilk alışdan sonra 30 gün ərzində ikinci dəfə alır.

Model: bu nümunə əsasında hansı müştərilərin təkrar alış edəcəyini proqnozlaşdıran sadə model qurursan. iNterpret: nəticəni belə şərh edirsən — ilk alışdan sonrakı 30 gün kritikdir, ona görə həmin dövrdə e-poçt endirimi göndərmək təkrar alışı artıra bilər. Gördüyün kimi, hər mərhələ əvvəlkinin üzərində qurulur və hamısı birlikdə konkret bir biznes qərarına aparır. OSEMN olmasaydı, bu prosesi strukturlaşdırmaq və heç bir addımı atlamamaq çətin olardı.

Niyə məqsəd və KPI-ları əvvəlcədən müəyyən etməli?

Bu bələdçidə dəfələrlə görünəcək bir həqiqət var: əksər data tapşırığı üçün nəhəng həcmdə data mövcuddur və bu bolluq tez bir zamanda insanı çaşdıra bilər. Məqsədini və ona bağlı KPI-larını analizdən əvvəl müəyyən etsən, özünü data dənizində itməkdən qorursan. Aydın məqsəd sənə hansı datanı toplayacağını, KPI isə uğuru necə ölçəcəyini deyir. Bu ikisi olmadan analiz istiqamətsiz qalır — çoxlu rəqəm görürsən, amma onların hansının vacib olduğunu bilmirsən.

Praktik məsləhət: hər layihəyə bir SMART məqsəd və bir-iki KPI ilə başla. Sonra OSEMN mərhələlərini keç. Bu iki anlayış bütün prosesi bir arada saxlayan çərçivədir — məqsəd niyəni, KPI ölçünü, OSEMN isə addımları verir. Məqsəd və KPI-lar hazır olanda analizə başlamağa hazırsan.

Növbəti addım: OSEMN-in ilk iki mərhələsini — datanı toplamaq və təmizləmək — öyrən.

👉 Növbəti yazı: data toplama və təmizləmə