Як аналітик «Освіта-Діджитал» втрачає 40 годин на місяць через ручну обробку даних 1200 студентів

Минулого вівторка я витратила понад 6 годин, намагаючись звести дані з LMS та CRM у зведену таблицю Excel. Мені потрібно було виділити 15% критично неактивних користувачів серед 1200 активних студентів, щоб передати їх відділу турботи. Я вручну перевіряла дату останнього входу та прогрес по 5 ключовим модулям курсу. Через відсутність автоматизації я встигла обробити лише 3 основні напрямки, пропустивши дрібніші курси. Це призвело до того, що ми не помітили падіння активності у групі з 45 студентів-тестувальників.

Найбільша проблема полягає у розрізненості даних: CRM фіксує оплати, а LMS показує лише відсоток проходження матеріалу. Коли мені потрібно зрозуміти, чому студент з високим чеком перестав вчитися, доводиться перемикатися між 4 різними вкладками браузера. Дані постійно оновлюються, і поки я закінчую звіт по одній групі, інформація по іншій вже стає неактуальною. Відсутність єдиної панелі керування змушує мене виконувати роль «живого конвеєра» з копіювання рядків. Це виснажує і не дає можливості займатися справжньою аналітикою стратегічного рівня.

Це складно, бо наша внутрішня система не має гнучких API-інтеграцій для швидкої побудови динамічних звітів. Кожен вивантажений файл має свій формат дати та ідентифікаторів, що змушує мене використовувати складні формули VLOOKUP, які часто «ламаються». Через таку технічну плутанину ймовірність помилки зростає до 20% на великих масивах даних. Я витрачаю час не на інтерпретацію цифр, а на боротьбу з форматами комірок. Крім того, команда очікує від мене миттєвих відповідей, які я фізично не можу надати через ручну обробку.

Ми спробували найняти фрілансера-розробника для написання кастомного скрипта на Python, який би автоматично зводив дані. Це рішення обійшлося компанії у $1,500 одноразово та потребувало ще близько $200 щомісяця на підтримку. Скрипт працював непогано перші два тижні, поки ми не змінили структуру курсів у LMS. Після цього код почав видавати помилки, а розробник був зайнятий на іншому проекті. В результаті я знову повернулася до напівавтоматичного режиму в Google Sheets, витрачаючи по $850 моєї зарплати на рутину.

Рішення виявилося занадто жорстким і зовсім не масштабованим для наших потреб. Будь-яка зміна в бізнес-процесах вимагала внесення правок у код, що створювало критичну залежність від зовнішнього програміста. Ми витратили гроші, але не отримали гнучкого інструменту, який міг би адаптуватися під нові запити маркетингу. Крім того, скрипт не мав візуалізації, тому мені все одно доводилося будувати графіки вручну. Це була лише «латка» на старій системі, а не повноцінна автоматизація аналітики.