Я твой продукт анализировал

Сейчас будет большая тема, поэтому DALL-E помогает разнообразить ленту, хоть и не умеет правильно писать слова, простим ему 🙂

📌 Специализации аналитиков

У новичков в теме может возникнуть вопрос — а чем вообще занимается продуктовый аналитик? Когда-нибудь я распишу подробно наиболее частые типы задач продуктовой аналитики, а сейчас просто попробуем сравнить его с другими популярными направлениями.

▶️ Итак, продуктовый аналитик — чел, который работает внутри продукта в составе команды разработки или развития. В основном, в тесной связке с продактом и дизайнером, занимается улучшением приложения или сайта. Исследует, как себя чувствует продукт и его юзеры, проводит эксперименты, работает с метриками и тд.

▶️ Маркетинговый аналитик — в моей практике бизнес часто называет его веб-аналитиком, что, в целом, не критично, они похожи — занимается в основном анализом трафика на ранних этапах, плюс-минус до этапа реги, т.е. всё то, что происходит в твоей аппке перед тем как попасть в ведение продуктового аналитика. Срачи между маркетингом и продуктом по поводу плохого конверта — обязательная часть успешного стартапа.

▶️ Дата-аналитик — классический офисный чел, которого ты представляешь при слове аналитик. Таблички какие-то перебирает, какие-то когорты строит, выгрузки делает, иногда пилит дашборды. Как по мне так это такой универсальный юнит без специализации.

▶️ BI-аналитики — узкоспециализированные ребята, занимаются разработкой и поддержкой вашей BI-инфраструктуры, собирают витрины данных, строят дашборды и настраивают репорты. Я лично очень люблю когда в команде есть BI-йщики, иначе их задачи валятся на меня, а мне BI не так интересен.

▶️ Дата сайентисты — больше математики, чем классические аналитики. Занимаются разработкой моделей Deep- и Machine Learning'а для автоматизации, прогнозирования, классификаций и тд. Очень полезны бизнесу на поздних этапах развития аналитического направления. Хотя если у вас бизнес строится на какой нибудь персонализации, то это первый необходимый юнит.

▶️ Есть ещё всякие бизнес- и финансовые-аналитики (типичные представители менеджмента или команды рисков), системные аналитики (это вообще ребята из разработки, к классическому анализу отношение имеют крайне посредственное), ux-аналитики (с упором в качественные исследования) и много более специализированных.

Тут я расписал плюс-минус популярные позиции, которые я встречал.

Надеюсь, теперь стало немножко понятнее из чего состоит весь этот аналитический зоопарк.

📌 Отличие джунов от сеньоров

В номинации "Первый пост" в моём личном рейтинге выиграла эта тема.

Если закинуть голосовалку, подозреваю, что многие ответят “хард-скиллы”. Но тут я не соглашусь. Аналитик это не фронт, у которого каждую неделю выкатывается новый фреймворк. За последние лет 100 принципы анализа данных не то чтобы супер сильно шагнули вперёд. Основных хардовых вещей в профессии тоже не много — достань данные, обработай и проанализируй. Языков в распоряжении аж целых полтора: Python или R и SQL (да, я его в полу-язык записал). Да и то, часто используется меньшая часть возможностей языков. Базовая математика? Да, конечно, но это скорее порог входа, всем нужна в равной степени.

На мой взгляд, ключевым отличием является подход к выполнению задач. Я часто встречаю ребят, которые при получении таски идут её делать. Но мы-то знаем кто эти таски ставил. Продакты, которых, я, конечно, люблю, но они не всегда умеют донести суть задачи.

Вот это вот докапывание до сути и есть ключевое отличие опытных аналитиков от не. Зачем вообще мы это делаем? Что мы хотим получить? Как мы будем это использовать? Целесообразна ли затрата ресурсов аналитики ради прогнозируемого профита?

Да, звучит как база, но я за свою карьеру встречал всего 2 человека с таким основательным подходом.

Не надо бояться ставить эстимейты в 5 раз выше того, что разыграл покер, закладывайте время на докапывание до сути, и вы удивитесь, насколько сильно изменится начальная таска.

Навигация по каналу здесь.

Приветики, меня зовут Петр, и я продуктовый аналитик. В этой сфере я работаю уже 12 лет. Работал в доменах ecom, adult, гемблинг и беттинг 💅

Тут поговорим про особенности этих рынков, про аналитические приколдесы типа разметки событий и продуктовых исследованиях, затронем машин-лёрнинг и тему экспериментов.

Для новичков в сфере может быть интересно про офисную и удалённую рабочую жизнь — все эти канбаны и скрамы и кто должен менять воду в кулере, если вы называете себя бирюзовой компанией.

А ещё вот тут можно зарегаться в самой лучшей АБ-шнице всех времён https://ab-labz.com/ru/, которую мы с пацанами запилили. Если чисто для себя, то бесплатновое.

Enjoy!

Навигация:
📌 — пост
📦 — подборка постов или материалов
🔗 — ссылка на мою внешнюю статью


ОБЩЕЕ ДЛЯ НОВИЧКОВ В IT
📌 Взаимодействия внутри команды
📌 Созвоны, какие они бывают
📌 Испытательный срок

ПРО ПРОДУКТОВУЮ АНАЛИТИКУ
📌 Специализации аналитиков
📌 Откуда удобно заходить в ПА
📌 Типы продуктовых задач
📌 Необходимые навыки ПА
📌 Грейды в аналитике
📌 Отличие джунов от сеньоров
🔗 План по самообразованию в продуктовой аналитике
📌 Перспективы развития из ПА
📌 Нейросети заменят аналитиков?
📌 Идеи и гипотезы
📌 Data Driven vs Data Informed
📌 Нужно ли шарить в ML
📌 Аналитическая система с единорогами и пони
📌 BI в аналитике

КАРЬЕРА
🔗 Шаблон резюме
📌 BigTech или стартап?
📌 За деньги — да? Этичность сфер
📌 Беттинг, гэмблинг, порно, ч1 и часть 2
📌 Аналитические кейсы на собесах, часть 1 и часть 2
📌 Что делать со “срочными” задачами?
📌 Сомнительные рабочие практики
📌 Аналитический департамента. Кто?

КУЛСТОРИ
📌 Как я "вкатился"
📦 Мои любимые книги
📦 Книги не про аналитику (но это не точно)
📌 Про Макса, менеджера из аналитики
📌 Про худший онбординг
📌 Про лучший онбординг
📌 Про странный опыт АБ-тестов

ИНСТРУМЕНТЫ И МЕТОДЫ АНАЛИЗА
📌 Что значит “знать SQL”?
🔗 Памятка для начинающих изучать SQL
📌 Про SQL в обучении и в жизни
📌 Python или R?
📌 R или Python, подробнее
📦 Разбираемся с АБ тестами
📌 Как запускают тесты
🔗 Руководство по проведению продуктовых исследований
🔗 Разметка событий
📌 Популярные инструменты, БД
📌 Про DataLore и DataSpell
📌 Обнаружение аномалий
📌 Алгоритм цепей Маркова
📌 Когортный анализ
📌 Задача предсказания UX
🔗 Базовый анализ продуктовых фичей
📌 График плотности для оценки распределения
📌 UX-артефакты в продуктовой аналитике
📌 Перестановочный тест
📌 Алгоритм решения аналитических задач

ТЕОРИЯ
📌 Про Adoption Rate
📌 Retention Rate
📌 Несмещённая дисперсия, степени свободы и почему же n-1
📌 Корреляция и причинно-следственная связь
📌 Про группировки пользователей
🔗 Популярные виды распределений

Теги:
#инструменты
#сниппеты
#funfact
#ABtest
#собесы
#дайджест
#кулстори

Channel created