Основные тезисы CBDO Skypro про data-driven edtech для продактов на воркшопе СберУниверситета

7 вопросов перед началом анализа данных:
1. Какую часть вашего продукта вы хотите изменить. Какое текущее состояние вашего продукта вас не устраивает. Замеряете ли вы уже сейчас точку А. Без нее нельзя начинать измерения.
2. Почему это важно. Что произойдёт, если мы не будем это делать. Кто ваши сообщники в компании для решения этой задачи (подсказка: это отражено в из kpi)
3. Какие решения на основе данных мы будем принимать. Какие данные нужны для принятия решения.
4. Какие данные нам реально (минимально) нужны, чтобы принять решение. Поможет ли это двигать бизнес вперёд.
5. Как собирать эти данные. Стоимость сбора данных.
6. Как обрабатывать и представлять ваши данные (подсказка: в идеале аналитику этим заниматься. Он легко может помочь понять какие данные брать, а также определить тип анализа: факторный, корреляционный анализ или кластеризация).
7. Как мы будем применять результаты и аналитические модели. (Подсказка: предиктивные или рекомендательные системы. Это могут быть kpi для команд или дашборды).

Кейс 1. Skyeng.
Модель персональных рекомендаций в дз учеников.
10% учеников следуют рекомендациям по грамматике. 75% учеников соглашаются с персонализацией домашних заданий.
Результат: За третий квартал 20г ускорили прогресс ученика. Ученики учатся эффективнее на 15%.

2 кейс. Skypro.
Как решили измерять метрики? Вместо обычных метрик по доходимости смотрим на следующие:
Скорость получения оффера,
Количество офферов,
Стартовая зарплата.
Результат:
1. фокус продуктовой команды в сторону работы над тоудоустройством своих выпускников вместо абстрактной доходимости.
2. Юнит экономику подстраивают не под всех студентов, а под количество трудоустроенных выпускников.