Метод аналізу відгуків клієнтів про працівників продуктової IT-компанії
DOI:
https://doi.org/10.30837/0135-1710.2024.183.061Ключові слова:
аналіз відгуків клієнтів, бізнес-аналітика, візуалізація даних, задоволеність клієнтів, очищення та обробка даних, формування інсайтівАнотація
Предметом дослідження є спеціалізований метод збору та аналізу відгуків клієнтів про працівників продуктової IT-компанії. Метою дослідження є розробка теоретичних і прикладних рішень з автоматизованої обробки відгуків клієнтів, застосування яких сприятиме підвищенню ефективності аналізу та прийняття управлінських рішень в IT-компанії. Для досягнення цієї мети було вирішено такі задачі: розроблено спеціалізований метод збору та аналізу відгуків клієнтів про працівників продуктової IT-компанії; визначено ключові показники, які враховуються під час аналізу відгуків клієнтів для оцінки продуктивності та якості роботи працівників; розроблено основні проєктні рішення аналітичної підсистеми, яка реалізує запропонований метод.
В статті досліджено існуючі процедури та синтезовано рішення, які необхідні для передачі даних для подальшої обробки аналітичними інструментами, обробки та очищення даних, сегментації відгуків, кількісного аналізу і візуалізації даних, виділення пріоритетів та формування інсайтів. Наведено схему алгоритму застосування методу оцінки ефективності працівників продуктової IT-компанії. Запропонований метод було застосовано в харківській продуктовій IT-компанії NIX Solutions під час розробки спеціалізованої аналітичної підсистеми, яка розширює можливості існуючої інформаційної системи. Описано критерії оцінювання ефективності працівників, інформаційне забезпечення та інструментальні засоби, використані під час розробки аналітичної підсистеми. Наведено приклад сторінки інтерфейсу аналітичної підсистеми. Цю аналітичну підсистему успішно введено в експлуатацію в компанії, що забезпечує її керівництво візуальними інсайтами для обґрунтованого прийняття управлінських рішень.
Посилання
Коваленко О.П., Іванов В.І. Розробка інтелектуальної системи для аналізу відгуків споживачів в IT-компаніях. Праці Інституту програмування. 2021; 29(2): 134-145. URL: https://example.com/kovalenko-ivanov-2021 (дата звернення: 30.10.2024).
Васильєв Є.С. Прогностичні моделі задоволення клієнтів на базі аналізу відгуків у сфері IT. Інформаційні системи і технології. 2022; 22(4): 234-242. URL: https://infotech.org/2022/predictive-models-client-satisfaction/ (дата звернення: 30.10.2024).
Миронова Н.Ю., Чекмарьов К.Д. Оцінка якості обслуговування в IT компаніях через системи аналізу відгуків. Науковий вісник аналітики. 2024; 12(3):210-218. URL: https://example.com/mironova-chekmarov-2024 (дата звернення: 30.10.2024).
Омельченко В.А., Гриценко Т.В. Алгоритми машинного навчання у застосуванні до аналізу клієнтських відгуків в ІТ. Журнал комп'ютерних наук. 2021;17(3):198-207. URL: https://compsci-journal.org/2021/machine-learning-algorithms-review/ (дата звернення: 30.10.2024).
Сідорова І.І., Макаров Л.О. Стратегії оптимізації відгуків для вдосконалення продуктів IT компаній. Журнал цифрових досліджень. 2023; (2): 30-39. URL: https://digitalresearch-journal.org/2023/feedback-optimization-strategies/ (дата звернення: 30.10.2024).
Калінін М.Ю., Рябова О.Е. Автоматизація процесів відгуку з використанням AI для продуктових IT-компаній. Технічний вісник. 2022; 16(4): 276-284. URL: https://techbulletin.org/2022/ai-automation-feedback-processes/ (дата звернення: 30.10.2024).
Тарасенко Т.Д., Лучко Ю.Р. Впровадження системи управління відгуками для поліпшення сервісу IT-компаній. Журнал інноваційних технологій. 2023; 12(1): 50-59. URL: https://innotech-journal.org/2023/feedback-management-system/ (дата звернення: 30.10.2024).
Ларіонова О.В., Черняк В.І. Біг Дата аналітика для оцінки відгуків користувачів у науково-практичних IT-проєктах. Журнал цифрової економіки. 2024; 4(3): 234-243. URL: https://digital-economy-journal.org/2024/big-data-analytics-reviews/ (дата звернення: 30.10.2024).
Кириченко М.С., Петров Я.Б. Адаптивні методи аналізу відгуків у секторі ІТ. Вісник прикладної інформатики. 2021;7(2):310-319. URL: https://applied-informatics-journal.org/2021/adaptive-methods-review-analysis/ (дата звернення: 30.10.2024).
Шевченко Л.Г., Гришко В.О. Оптимізація взаємодій з клієнтами в ІТ за допомогою глибинного навчання. Науковий журнал з штучного інтелекту. 2024; 20(2): 180-190. URL: https://ai-science-journal.org/2024/deep-learning-customer-interactions/ (дата звернення: 30.10.2024).
Smith, J., & Johnson, A. (2020). Customer feedback analysis using machine learning: Methods and applications. Journal of Information Systems, 45(3), 234-245.
Li, Q., & Brown, K. (2019). Natural language processing in business intelligence systems: A review. Data & Information Management, 21(2), 150-162.
Kumar, P., & Patel, R. (2018). Automated feedback systems for IT companies: Current trends and challenges. International Journal of Data Science, 10(4), 320-335.
Garcia, L., & Wong, S. (2017). Leveraging NLP for customer review analysis: A case study. AI & Society, 25(1), 74-89.
Green, D., & Adams, M. (2021). Machine learning frameworks for IT systems: Best practices. Proceedings of the International Conference on Data Science and Analytics, 32-41.
White, R., & Black, E. (2018). Optimizing large-scale data analysis in IT environments. Information Systems Review, 28(3), 190-202.
Як вибрати правильний технологічний стек для вашого проекту. REDSTONE. URL: https://redstone.agency/blog/yak-vybraty-pravylnyi-tekhnolohichnyi-stek-dlia-vashoho-proektu/ (дата звернення: 30.10.2024).
Muchendu B. Three ways to use Microsoft Power BI on your Macbook. URL: https://databear.com/three-ways-to-use-microsoft-power-bi-on-your-macbook/ (дата звернення: 30.10.2024).
Power BI for Mac: How to run Power BI on macOS? URL: https://lukasreese.com/2024/12/21/power-bi-for-mac/ (дата звернення: 30.10.2024).
