​​В Google Analytics Academy появился новый бесплатный курс — Introduction to Data Studio. Если вдруг у вас не открывается ссылка — переключитесь на английскую версию внизу страницы справа.

via @WebAnalyst

Как повысить эффективность продуктовых аналитиков в разы:
https://gopractice.ru/product-analyst-comms/

Серверные системы аналитики:
https://habr.com/ru/post/444254/

Как увеличить точность анализа результатов a/b тестов?
https://www.youtube.com/watch?v=l-vzy9Bamn4

О важности подбора правильной визуализации:
https://medium.economist.com/mistakes-weve-drawn-a-few-8cdd8a42d368

Хорошая статья о том кто такой PRODUCT MANAGER:
https://iampm.club/blog/kto-takoj-product-manager/

A/B-тесты в Яндекс.Браузере. Большой продукт – большая ответственность:
https://www.youtube.com/watch?v=fCcaMp_9gBk

На Степике стартовал курс "Введение в Data Science и машинное обучение":
https://stepik.org/course/4852/promo

​​Алексей Куличевский написал очень хорошую статью, как самостоятельно сделать когортный анализ на Python с помощью одной из самых популярных библиотек для работы с данными Pandas. Также, несколькими днями ранее в его блоге появилась большая подробная шпаргалка по этой библиотеке. Рекомендую сохранить в закладки!

via @WebAnalyst

Серия вебинаров по дашбордам от Tableau (EN):
https://www.tableau.com/learn/series/dashboards

Лёгкое субботнее чтение.

Лёша Долотов, долгое время бывший главным аналитиком Яндекса, написал статью о своём пути внутри компании и даёт важные советы тем, кто принимает решения на основе данных.

https://habr.com/ru/company/yandex/blog/447822/

@internetanalytics

​​В BigQuery ML появилась возможность использовать алгоритм K-Means.
Как это помогает находить инсайты в данных, с шаблонами SQL-запросов, описано на примере публичных данных велопроката Лондона (EN).

via @BigQuery

Из последних обновлений в Google Cloud, которых что-то около 112, один из интересных это recommendation AI (https://cloud.google.com/recommendations/), который позволяет с помощью google shopping загрузить фид, с помощью GTM действия пользователя (как обычно: detail, search, addtocart и тп) и назад получить персонализированные списки рекомендованных товаров (формируемые по разным правилам). Мега вещь, которая может убить несколько бизнесов, которые делают тоже самое. И стоит это $.35 / 1000 predictions, причём первые 20k бесплатно

Процессы и место аналитика в продукте / Евгений Гильманов:
https://www.youtube.com/watch?v=Q0SOSZ3LDFg

У тебя есть $7, собери себе аналитика:

- Анализирует A/B тесты - $12
- Сам выдвигает гипотезы - $22
- Окупает свою зарплату - $11
- Работает с SQL - $9
- Знает R/Python - $12
- Знает Excel - $2
- Отвечает за качество данных - $8
- Ведёт Телеграм канал - $3
- Общается с коллегами - $2
- Пишет своё имя без ошибок - $1

via @ProductAnalytics

Всемирный заговор продактов

Настало время раскрыть одну из главных тайн: всемирный заговор продактов действительно существует! Несколько лет назад мы собрались и договорились, что будем делать вид, якобы продакт менеджер это очень сложная профессия, мы делаем кастомер джорней мап, работаем по скраму и ОКР, ищем боль пользователей, проверяем продуктовые гипотезы через A/B тесты, строим продуктовую стратегию. И что за это нужно платить кучу бабла. Вы не представляете, насколько сложно с серьезным лицом рассуждать обо всем этом на конференциях или встречах.

Этот пранк зашёл слишком далеко, настало время раскрыть правду.

1. В большинстве компаний продакт менеджеры вообще не нужны. Это лишнее звено между людьми, которые отвечают за бизнес компании, и разработкой продукта. Убери продакт менеджера с его кастомер джорней мап из этой цепочки и отправь, например, на прямые продажи - бизнес будет только в выигрыше.

2. Я уже писал, что лучшие продакт менеджеры - аналитики. В 2014 году ко мне в ivi пришла на собеседование на позицию продакта Маша и сказала, что она работает в крупной компании аналитиком и ее бесит, что она раскладывает все продуктовые метрики и показывает точки роста, а дальше продакт менеджер (тот самый, который состоит в заговоре) говорит что это не приоритет и профукивает задачу. Тогда я понял, кого мне нужно брать: людей, которые лучше всех на цифрах понимают как работает продукт, и имеют огромное желание свои исследования превратить в реальные продуктовые изменения. С того момента в ivi я не взял больше ни одного продакта с опытом работы продактом, только аналитиков. Маша, если ты это читаешь, спасибо тебе.

3. Самые лучшие продакт менеджеры - предприниматели. Но их фиг схантишь, потому что продакт, который сделал свой продукт и заработал на нем 500 тысяч рублей за месяц (это реально несложно), не понимает зачем идти в найм на меньшие или сопоставимые деньги, где ему ещё будут говорить что делать и на какие митинги ходить.

Превратите аналитиков в продакт менеджеров, а продакт менеджеров в предпринимателей внутри компании и будет вам счастье.

Почему все верят в метрику Всевластия, и как её найти. Презентация с ProductSense'19:
http://datalatte.ru/absolute_power_metrics

Пирамида метрик — это отличный инструмент анализа для того, чтобы понимать, из каких ключевых метрик состоит ваш продукт: в чем заключается North Star, как он декомпозируется на ключевые метрики.
Развернутая статья про пирамиду метрик:
http://sergeytikhomirov.ru/piramida-metrik/

Метрики надо не собирать. Их надо мониторить, анализировать и действовать.

Как часто люди приходят на позицию аналитиков и наводят кучу активности: новые евенты, новые метрики, «давайте поменяем систему аналитики или вообще напишем свою!». И потом 3 месяца ничего не делают, потому что еще не разработали систему аналитики, или не внедрили новую, или не прописали новые евенты. Ну и можно покурить бамбук.

Но как часто выясняется, что, в принципе, эту инфу можно достать из текущих данных. Да, не с такой гранулярность. Да, не с такой точностью. Но можно. и можно сделать выводы и провести «маленькую победоносную войну». Вот этого хочется: комбинацию быстрых результатов в краткосрочном периоде и системных изменений, которые в долгосрочном периоде значительно увеличат (может быть, скорее всего, я верю что) вероятность большой Победы.

Как ускорить работу с API на языке R с помощью параллельных вычислений:
https://habr.com/en/post/448404/