Эти ошибки должен избежать каждый стажер аналитик

Зачастую многие стажеры натыкаются на одни и теже ошибки, поэтому постарайтесь отличиться кандидатурой, не допустив этих ошибок, и порадовать своего бади и лида.

1. Не лезь в данные просто так. Когда копаешь данные без чётко поставленного вопроса, можно потратить часы, конечно получится и найти кучу случайных корреляций и т.п. Но ты не добьёшься ответа на поставленный бизнес-вопрос. Поэтому стоит следовать чёткому плану, прежде чем лезть в бд:
а) Сформулируй вопрос конкретно, в нем должны быть уточнены сегмент, метрика и период, например: "Почему упала конверсия в оплату на мобильных устройствах за последнюю неделю?". (В данном случае сегмент - мобильные устройства, метрика - конверсия, период - последняя неделя).
б) Предположи причину (то есть сформулируй гипотезу). Например: "Возможно, сломался выбор способа оплаты на IOS, после обновления".
в) Определим данные, которые понадобятся для вычисления нужных метрик и проверки гипотезы. В контексте данных примеров нам понадобятся конверсии по устройства ОС за 2 недели, логи ошибок на шаге оплаты, дата последнего релиза.
И уже только после этих трех пунктов можно открывать sql/python.

2. Когда ты показываешь результат анализа без пояснений (просто график или число), это вызывает больше вопросов, чем ответов. За такое может настучать по шапке ваш бади/лид. Отчет без контекста бесполезен. Потрать 2 минуты на пояснения – сэкономишь час на переписке с вашим руководителем. Ваша задача как аналитика в отчетах указать не просто заметить какое-то отклонение, но и дать полную информацию о метрике/времени/гипотезу. Чтобы избежать этой проблемы, первым делом опиши метрику, за какой период она дана, в чём выражены отклонения, затем стоит сопоставить события когда эти изменения начали проявляться (например это отклонение могло начать проявляться, когда выкатили новую версия приложения), а в качестве последнего этапа можно уже выдвигать гипотезу.

3. Многие неопытные стажеры напрочь забывают провести анализ на наличие выбросов. Эти значения могут сильно исказить любую метрику (особенно средние значения). Но их в том числе не стоит удалять сразу после обнаружения, предварительно стоит выявить причину и учитывать её впоследствии (например корпоративная покупка / vip-клиенты / ошибка данных). В случае если аномалия относится к бизнесу, то можно сделать метрику менее чувствительной к экстремальным значениям (например использовать медиану), либо удалить, если это ошибка данных.

4. На практике почему то много стажеров не спрашивают вопросов. Этот страх задать "глупый" вопрос мешает и вам (вы потратите куда больше времени если будете весь день пытаться понять постановку задачи), и команде, а хуже того - вы можете потратить время, неправильно поняв задачу. Поэтому всегда уточняй цель анализа (узнай какой бизнес-вопрос вы решаете), детализируй критерии (сегментируй / ограничь период / метрики выдели), сверься с гипотезами и сроками. 5 минут уточнений вам сэкономит куча времени, поэтому ненпренпрегайте не пренебрегайте вопросами.

А чтобы попасть на стажировку и знать больше тонкостей про рабочий процесс в бигтехе записывайся на наш карьерный курс по аналитике со скидкой 35%.

@ProdAnalysis