0 → End to end работа с датой внутри продукта
Как я решал проблему внешних активностей при работе с датой в софте для геологов, ускорив процесс и точность принятия решений при бурении, сократив расходы геологического цикла
Продукт
ГГИС — софт для горнодобывающей отрасли, автоматизирующий весь цикл работы геологов от построения скважин и получения данных до прогнозирования
Контекст
У геологов был прямая боль, что на данный момент работой с датой они занимаются в рамках внешних сервисов без возможности прогнозирования и валидирования, интерполяции. Это не позволяет команде принимать взвешенные решеные по дальнейшим работам в полях, что сильно замедляет и увеличивает траты
Цели
Закрыть внешние сценарии геологов при работе с датой в рамках продукта
Заложить архитектурный фундамент для дальнейшего прогнозирования
Ускорить работу в полях, сократив расходы всего цикла бурения
Discovery
В рамках дискавери серчил и искал в различных каналах ключевые джобы и проблемы, с которыми сталкиваются геологи в повседневной работе с данными
Сбор
Систематизация
Анализ
Моделирование
Прогнозирование
Выводы:
Геостатистика — это процесс работы с данными, который сокращает время и деньги бизнеса, увеличивая взвешенность принятия решения геологами, отвечая на вопрос где, почему и зачем бурим. Выделил ключевой сценарий оборота даты у геологов
Интервью
После представления работы, пошел общаться с пользаками Норникеля, которые занимаются работой с данными, уже для выявления проблем и инсайтов
Выводы:
На данный момент работать с датой — боль, потому что приходится работать во внешних сервисах, таская за собой данные туда-сюда, что тратит уйму времени и нет уверенности в результате
Фактически нет возможности построения на данных, поэтому геостатистикой пользуются с помощью внешних площадок по построению, это влечет за собой деанон данных, что влияет на секьюрность не с лучшей стороны
Чаще всего кейс работы такой — мы уже имеем выборки пород (дату) на месте работ → на основе имеющихся данных, необходимо проанализировать распределение случайных значений, построив и про интерполировав данные, что позволит прогнозировать
Реже кейс с новыми объектами, там в любом случае приходится смотреть на подобные данные на других объектах или на внутренних источниках, тут шансы удачного прогнозирования снижаются
Они хранят большую часть данных в конкретных бизнес-объектах, разделенных по скважинам
Отметили, что настройки построений были классно сделаны в Micromine
Большая часть упомянула про кригинг, по их мнению это самый удобный способ для интерполяции данных
Одним из ключевых аспектов является сравнение, основанное на построении различных выборок пород
Упомянули ключевые свойства, на основе которых и происходит анализ и последующее прогнозирование пород
Проблемы
Выделил верхнеуровневые проблемы на основе глубинок
и погружения
Нет единого пространства для работы с датой, что увеличивает сроки
и ломает секьюрность
Проблема с построением и анализом графиков, что не дает прогнозировать и принимать взвешенные решения
Проблема с интерполяцией, что снижает точность принятых решений
и растягивает сроки
Бенчмаркинг
Рынок по сути уникальный, прямого доступа к большинству продуктов-конкурентов просто нет, поэтому смотрел то, к чему были доступы. Проанализировал и прогнал сценарии, о которых говорили респонденты, на своей шкуре, выписал интересные механики + проблемы. Также уточнял у геологов Норникеля, нюансы и особенности, если у них был опыт в прошлом
Datamine Studio RM
Leapfrog Geo
Geovariances Isatis
Micromine
Surpac
User Stories
После чего прописал юзер-стори, декомпозировали их с продактом и занесли в бэклог
Я как геолог, хочу иметь возможность гибкой работы с данными: хранить, добавлять, валидировать, интерполировать, чтобы быстро закрывать потребности команды в полях
Я как геолог, хочу иметь единую базу данных, разбитую по объектам-скважинам, чтобы сокращать время ожидания команды в полях
Я как геолог, хочу иметь линейные сценарии для работы с данными, чтобы сократить возможности ошибки и процент неверно принятых решений
Я как геолог, хочу возможность построения выборок с валидацией, чтобы сокращать время принятия решения и ожидания команды в полях
Design (привязан к гипотезам)
Спроектировал low-fi макеты и собрал прототипы для первичной валидации решений, дальнейшего питчинга и защиты концепции перед с-левелами Норникеля
1) Если сделаем несколько точек входа для разных сценариев, то покроем оба юз-кейса
Добавил несколько точек входа, когда у пользователя уже есть данные, с которыми он будет работать, а также сценарий, когда данных еще нет. Это покрывает оба сценария, которые упоминали респонденты
2) Если сделаем датасет-структуру, датасеты которой могут наполняться данными из любых источников, то систематизируем и ускорим работу с данными
Сама фича представляет из себя древовидные хранилища данных, которые в свою очередь являются выборками из скважин — базовый паттерн работы геологов. Добавил верхнеуровневые возможности работы в виде обычных cruds запросов
Также фича бьется на два линейных сценария, где пользователь может сразу добавить источники с данными или пойти по пути «создания с нуля» через атрибуты датасета
Сценарий добавления уже имеющихся источников данных в датасет. Сделал попинфо при добавлении о том, что атрибутами датасета будут атрибуты первого из добавленных источников данных
Сценарий, когда пользователь с нуля создает атрибутивный состав датасета, после чего вручную добавляет данные и маппит их с добавленными атрибутами
Отдельно вынес каждый из источников данных, чтобы была возможность гибко отредактировать или перемаппить атрибуты для последующей валидации данных датасета
После наполнения датасет ранжирует данные всех источников по атрибутам, подсчитывает основные показатели выборок и выводит саммари под каждым атрибутом для последующей работы
3) Если сделаем древовидную структуру навигации, то ускорим процесс анализа, валидации данных, как следствие команда в полях быстрее приступит к работе
1) Датасеты, которые несут в себе данные по каждой отдельной скважине (именно по такому принципу геологи их ранжируют и хранят)
2) Типы, которые являются настройкой для прогнозирования или интерполяции данных, они же — визуализации
3) Объекты — последний уровень, который является частным визуализаций и результатом прогнозирования или интерполяции данных
4) Если разделим данные по типам с построением и переключением внутри, то ускорим процесс валидации и прогнозирования и сократим процент неверно принятых решений
Добавил построение вариограмм, чтобы пользователи могли сравнивать и валидировать породы для более точного прогнозирования. Отдельно вывел свойства с саммари
в зависимости от типа, по которому она была построена. Сделал переключение между вариограммами для удобства валидирования
Добавил построение гистограмм, чтобы геологи могли видеть распределение пород по уже имеющимся данным, а также сравнивать и валидировать. Отдельно вывел свойства, чтобы при сравнении можно было сразу видеть разницу
5) Если сделаем настройку построений ручной, то сделаем прогнозирование данных гибким, сократив процент неверно принятых решений
Геологи отмечали, что многое зависит от настроек, и что зачастую их приходится менять, чтобы принимать решение с более высокой точностью. Выделил и добавил ключевые параметры для гистограмм и вариограмм
U-тесты
Для быстрой валидации и первичной проверки сценариев на юзабилити, собрал прототипы и провел 4 модерируемых ю-теста, где выделил ключевые сценарии и просил респондентов выполнить поставленные задачки
Результаты тестов
Результаты ю-тестов прошли далеко не идеально даже на столь небольшой выборке респондентов, но справедливости ради софт изначально является узким и имеет довольно высокий порог вхождения даже несмотря на прикладной сегмент пользователей
Важно было запустить MVP фичи, поэтому по итогу добавил минимальный онбординг через тултипы, но без глобальных изменений, так как сами геологи сказали, что работает так, как и должно, упоминая дело привычки
Результаты
Нашел проблему, выдвинул гипотезы и защитил решение, спроектировал фичу с 3 новыми сценариями за 2.5 месяца в ветку главного «геологического сценария» по анализу и работе с данными, закрыв внутри софта внешние активности геологов, ускорив скорость и точность принятия решений по бурению, как следствие сократили расходы бизнеса