Коля Валиотти • Дата консалтинг

Доминантный глаз 👁
Знаете ли вы про понятие доминантного глаза?

Недавно на занятии по теннису мой чилийский тренер рассказал мне, что это такое и как влияет на мой форхенд и бэкхенд. Дело в том, что мой доминантный глаз — правый. И, соответственно, когда я бью слева, я вижу правым глазом мяч раньше, чем когда бью справа!

Тест на определение доминантного глаза простой, но интересный:

1. Вытянув руки вперед и сложив их вместе под углом 45 градусов, соедините большие и указательные пальцы рук таким образом, чтобы между ними образовался треугольник, как на картинке.
2. Открыв оба глаза, сфокусируйте свой взгляд через это треугольное отверстие на любом объекте вдали, например, на настенных часах или дверной ручке.
3. Закройте левый глаз.
4. Если объект остается в центре треугольника, доминантным является ваш правый (открытый) глаз. Если объект выходит за рамки треугольника, доминантным является ваш левый глаз.

Ну что, получилось?)

Data Heroes: 4 выпуск 4 сезона — с Марией Бородецкой
Новый эпизод подкаста уже ждет вас на канале!

Поговорили с Машей Бородецкой из «Синхронизации» про любовь к маркетингу, рынок саморазвития, будущее онлайн-образования и сложности выхода на международный рынок. Про аналитику тоже не забыли и очень подробно обсудили, как в «Синхронизации» работают с данными.

▶️ Надеюсь, выпуск вам понравится — жду ваших комментариев здесь и на ютубе!

Почему люди выбирают работу у нас в компании?
Недавно мы в Valiotti Analytics провели опрос среди коллег, чтобы узнать, почему им нравится у нас работать.

▶️ Зачем? Интересно стало, да и на hh.ru такой список хорошо смотрится. Спасибо всем, кто откликнулся, набрали аж 20 пунктов. Они все на картинке к посту.

Для меня в нем ничего неожиданного не оказалось — я же знаю свою компанию и наши сильные стороны. Но было важно услышать (или скорее прочитать, потому что опрос был письменный) это именно от команды. Круто, что все усилия не напрасны и оценены.

А что для вас ценно в работе? На какие условия обращаете внимания, а без чего точно работать не будете?

Аналитика в телекоме
Продолжаю серию постов про использование аналитики на практике. Первый был про эдтех, а сегодня — про телеком.

Рассказываю во многом из личного опыта работы в Yota, конкретные примеры кейсов.

🔵 Расчет нагрузки на оборудование. Компании собирают данные, сколько у них пользователей живет в определенном районе и сколько трафика они генерят. Потом на картах отмечают, где стоят базовые станции, какая нагрузка на них приходится, есть ли перегруженные/недогруженные трафиком. Если есть — их перемещают так, чтобы они справлялись с нагрузкой и создавали максимально широкое покрытие.
🔵 Прогнозирование оттока клиентов. Компании собирают данные о поведении абонентов, анализируют их и выявляют закономерности. Например: человек за последние 30 дней заходил в интернет 5 раз и скачал меньше 500 МБ — высока вероятность, что он уйдет.

Что это значит? Значит, надо с ним связаться, предложить новый тариф или бонус. Таким образом удается сохранить около 30% клиентов. 📶

🔵 Таким же образом, кстати, можно предсказывать поведение и своих сотрудников — например, на основе активности и вовлеченности рассчитать вероятность увольнения и принять меры (если хочется).

Как всегда — надеюсь, что было интересно и жду ваших вопросов! ❗️

Как мы аналитику Refocus’у строили
У меня новая статья — подробно рассказываю про аналитику, которую мы в Valiotti Analytics сделали для Refocus.

Один материал на эту тему уже есть, но он больше для технарей. Эта статья — для предпринимателей и руководителей. Я в ней рассказываю про проблемы, с которыми сталкивается бизнес, и решения, которые предлагает аналитика.

Технические детали в ней тоже есть, но без духоты.

▶️ Читайте и комментируйте на vc.ru.

Ферма альпак
Одно из главных событий в Чили — посещение фермы альпак.

Я тут состряпал рил хом видео (но не то, что вы подумали), смотрите эксклюзивно по закрытой ссылке в моем ютубчике.

И передайте гринписовцам, что все овцы целы!

Стратегия управления на основе данных
Data-driven подход — это такая штука, к которой все стремятся, но не все понимают, что это такое и как к этому прийти.

▶️ Data-driven — это подход, когда все решения в компании принимаются на основе цифр. Чтобы этого добиться, нужно твердо понимать, зачем эти цифры нужны, о чем говорят и как влияют на развитие бизнеса. Система аналитики должна быть максимально согласована с целями и с миссией компании.

▶️ В идеале к этому состоянию надо идти по определенным шагам. Чтобы не превращать пост в простыню, вынес их на карточки.

Но что надо обязательно учесть: в реальности у большинства компаний нет точного понимания, как должна выглядеть аналитика и какие данные они хотят видеть. А делать выводы на основе цифр хочется уже сейчас.

В начале пути важно научиться работать со всеми доступными данными. Они уже у вас как-то собираются — например, в CRM-системе; можно начать собирать их в хранилище для построения отчетности, делать первые выводы, смотреть, чего не хватает. Постепенно бизнес будет развиваться и вместе с этим появится понимание, какие данные и метрики вам нужны. ❗️

@datakolya

А еще выходишь из квартиры, прогуливаешься и смотришь на падельный корт сверху и на океан.

Мое рабочее место в Чили
Человека, который успел пожить в студии — спал, ел и работал в одном месте — сложно удивить какими-то стесненными условиями. Однако, вот так выглядит мое чилийское рабочее место: стол на балконе. Вид спереди и сзади. 💡

Холодно немножко, но батареи спасают.

Опять же: как прикольно, что remote позволяет быть полностью функциональным, где угодно. Боже храни свободный интернет.

Data Heroes с Александром Шестопаловым из BBE
В новом выпуске пообщались с коммерческим директором Bang Bang Education — онлайн-школы для дизайнеров, аниматоров, монтажеров и вот с недавних пор аналитиков.

У Саши интересный опыт: он в эдтехе с 2017, работал как в крупных, массовых проектах, так и в нишевом BBE, где с нуля выстроил инхаус-команду аркетинга. Так что он видел сферу со всех сторон, и рассказал, как в ней все устроено.

Много говорили про внутренние процессы в эдетехе: про найм, маркетинг и, конечно, аналитику. Дашборды и графики обсудили особенно подробно, так что если интересна эта тема — слушайте вот здесь: Яндекс Музыка, Apple Podcasts, Spotify. ⚡️

Аналитика в EdTech
Я уже рассказывал, зачем предпринимателю данные в общем, а теперь хочу пройтись по отдельным сферам и привести более конкретные примеры. Начну с эдтехов. Мы с ними сейчас много работаем, так что тема мне близка.

▶️ Что дает аналитика онлайн-школе или курсу?

📶Путь клиента от первого клика. Студент пришел с рекламы, подал заявку, поговорил с продажником, записался на курс, а потом какое-то время учился и взаимодействовал с учебной платформой. Все это — отдельные записи в разных системах. Их надо совместить, чтобы посчитать сколько стоило привлечение студента и сколько денег он в итоге принес компании.

Это актуально для всех бизнесов, но у эдтехов свои особенности. У них много разных каналов продвижения (соцсети, реклама, интеграции у блогеров, бесплатные вебинары), некоторые из которых очень сложно оцифровать. Клиент может несколько раз потыкать в разные рекламы, походить по вебинарам и консультациям, прежде чем решится записаться. А когда он это сделает, надо отслеживать активность на протяжении долгого времени после покупки.

Готовые решения «из коробки» с этой задачей плохо справляются — им не хватает гибкости, чтобы подстроиться под особенности каждой конкретной школы. А вручную это сводить — вообще безумие. Кастомная система аналитики это все посчитать сможет.

📶Развитие продукта на основе данных. Как понять, что курс удачный и востребованный? Или наоборот, что есть какие-то проблемы?

Когда у нас продукт для массовой аудитории, нет смысла опираться на ощущения отдельных людей вроде единичных отзывов в интернете. Нужны данные, собранные с большой выборки.

📌Лучше всего проиллюстрировать на моем любимом примере из Refocus: Когортный анализ по студентам показал, что в какой-то момент резко выросло число заявок на возврат средств. Студенты одного и того же курса, доходя до определенного этапа, просили вернуть деньги. Стали разбираться, в чем дело, и увидели проблемы с контентом курса. Когда их исправили — число заявок снизилось.

Вот такой пример data-driven подхода, когда решения принимаются на основе данных, а не интуитивно..

Рассказывать еще можно долго, но пост уже получился длинный. Пишите, как вам и про какие еще сферы хотели бы почитать в таком формате?