Як аналітик Наталія заощадила 45 годин на підготовці звітів для 18 співробітників за допомогою автоматизації

Минулого місяця мені довелося вручну зводити дані з трьох різних LMS-платформ та Google Таблиць, щоб підготувати квартальний звіт для Міністерства. Я витратила понад 40 годин чистого часу на очищення дублікатів та перевірку результатів тестування 5200 слухачів курсів. Через великий обсяг інформації файли постійно гальмували, а Excel вилітав при спробі побудувати складні зведені таблиці. У результаті команда з 18 людей чекала на фінальні цифри три дні, що затримало запуск нової маркетингової кампанії. Це був критичний момент, коли стало зрозуміло, що наші старі методи аналізу більше не масштабуються під наявні обсяги.

Найбільшою складністю була повна відсутність єдиної структури даних між різними курсами для вчителів та адміністраторів. Кожен курс мав свій формат вивантаження результатів, тому мені доводилося писати унікальні формули для кожного окремого випадку. Крім того, виникали постійні конфлікти версій, коли декілька колег одночасно вносили правки в реєстри сертифікатів. Постійна перевірка на помилки виснажувала, а ризик подати некоректну статистику керівництву викликав величезний стрес. Було майже неможливо швидко виокремити динаміку прогресу по конкретних регіонах України в реальному часі.

Проблема полягала в тому, що наша компанія 'Освіта.Про' швидко зросла, і кількість вхідних точок даних збільшилася в 4 рази за останній рік. Ми використовували безкоштовні інструменти, які не розраховані на складну бізнес-аналітику в EdTech-сфері. Брак інтеграції між CRM та навчальною платформою створював 'інформаційні острови', які доводилося з'єднувати вручну. Моя роль як провідного аналітика перетворилася на роботу 'копіпастера', замість того щоб займатися прогнозуванням та оптимізацією навчальних треків. Відсутність автоматизованих скриптів для перевірки цілісності даних робила кожен звіт унікальним викликом.

Для тимчасового вирішення ми найняли фрілансера-розробника, який за 850 доларів написав кілька Python-скриптів для базового парсингу даних. Це дозволило трохи пришвидшити процес зведення таблиць, але скрипти вимагали постійної технічної підтримки при будь-якій зміні формату входу. Ми також придбали розширену підписку на хмарне сховище за 120 доларів на місяць, щоб стабілізувати роботу спільних файлів. Загальні витрати на це напівзаплаточне рішення склали близько 1100 доларів за перші два місяці впровадження. Проте це не вирішило проблему стратегічно, адже я все одно витрачала 15-20 годин на місяць на контроль цих процесів.

Рішення виявилося занадто жорстким і не гнучким до змін у структурі наших освітніх програм для шкільної адміністрації. Щоразу, коли ми додавали новий тип завдань у курс, скрипти ламалися і потребували платних правок від фрілансера. Ми залишалися залежними від зовнішнього фахівця, а швидкість отримання аналітики зросла лише на 30%, що було недостатньо. Вартість підтримки цього 'рішення' почала перевищувати його реальну користь для ефективності команди з 18 осіб. Зрештою, ми все одно отримували звіти з затримкою, хоча й меншою, ніж раніше.