00:03:00 23-07-2020

De afgelopen maanden hebben we hard gewerkt aan het verder ontwikkelen en automatiseren van onze rapportages. Eerder hebben we voor onze rapportage altijd gebruik gemaakt van wat algemenere dashboards in Google Data Studio. Omdat we doelgerichter zijn gaan werken met KPI’s per klant, zijn we begonnen met het aanpassen van deze dashboards. Naast de beperkte functionaliteit van Google Data Studio merkten we dat er ook teveel tijd gaat zitten in het personaliseren van de dashboards en dat onze klanten vrij weinig hebben aan een grote hoeveelheid data zonder context. Daarnaast wordt er ook weinig gebruik gemaakt van alle interactiviteit in Google Data Studio.

Bij Timbee zijn we daarom overgestapt op automatisch gegenereerde PDF rapportages. Deze rapportages analyseren wij vervolgens zelf. Uit deze analyses komen uiteindelijk overzichtelijke conclusies voort. Zo bieden wij maximale waarde voor de klant, met voor de klant een minimale tijdinvestering in het lezen van de rapportage.

Hoe werkt het maken van rapportages?


Voor het maken van de rapportages hebben we Python, een populaire en toegankelijke programmeertaal, gebruikt. Python is de laatste jaren ontploft qua populariteit, vooral bij gebruikers die geen traditionele programmeer achtergrond hebben. Door de vele open source libraries (stukken herbruikbare code, vrij beschikbaar voor iedereen) die geschikt zijn om te gebruiken voor data analyse en data visualisatie is het instapniveau erg laag geworden. Met Python hebben we een tool gebouwd, die gebruik maakt van enkele libraries en APIs om data uit de vele verschillende tools te ontsluiten:

  • Google Search Console API
  • Google Analytics API
  • Google Ads API
  • de API van onze SEO tool
  • de API van ons urenregistratiesysteem
  • ReportLab
  • Pandas
  • Matplotlib

Doordat alle grafieken en tabellen automatisch worden gemaakt scheelt dit ons veel tijd. Deze tijd kunnen we vervolgens steken in het analyseren van de data voor de klant. En natuurlijk in alle andere werkzaamheden voor onze klanten.

Hoe ziet die rapportage er dan uit?

Eerst wordt alle data opgehaald, opgeschoond en bewerkt (er worden bijvoorbeeld nog gemiddeldes en percentages berekend). De grafieken worden gemaakt met matplotlib. Dan gaat alles in onze PDF generator (gebouwd met ReportLab). De rapportage wordt opgebouwd uit de volgende onderdelen:

Een tabel met de gemiddelde prestaties van alle KPI’s

Dit is een overzicht van de prestaties van de verschillende KPI’s: hoe ging het de vorige maand, hoe ging het dezelfde maand vorig jaar (YoY groei) en hoe ging het de maand daarvoor (MoM groei). Door middel van deze tabel kunnen we in een oogopslag laten zien hoe het ervoor staat en waar we aan werken.

Per KPI een grafiek

In deze grafieken zie je het verloop van de KPI: dit jaar in verhouding met vorig jaar, hierin zijn goed de seizoenstrends te zien en de invloed van updates (van Google) / aanpassingen op de website van de klant. Ook hebben we hier een doellijn toegevoegd, welke snel laat zien waar we naartoe werken en hoe dicht we er al bij zijn.

Conclusies en context

Wij analyseren de data en schrijven hier conclusies en context bij. Hierdoor krijgt de klant beter inzicht in de prestaties en de factoren die hier invloed op hebben gehad.

Meer inzicht, minder moeite en tijd

florianBen je nou zelf ook op zoek naar meer inzicht zonder door een enorme berg data te moeten graven? Benieuwd of we dit ook voor jouw bedrijf kunnen inrichten? Aarzel dan niet om contact met mij op te nemen, via de mail of LinkedIn.