⁠Data Аналитики и консультанты в этой теме в США зарабатывают 10 000 - 15 000 $ в месяц и совсем не похожи на наших типичных аналитиков.

См. занятное видео (на английском): "What Does A Data Analyst Do? ($80,000+ Starting Salary)" https://youtu.be/OF132jIS8XM

Кстати, давно вынашиваю идею подобного видео-проекта. Хотите короткие видео про аналитику в разных компаниях?

Для одного из курсов в Высшей Школе Экономики меня попросили собрать материалы, которые слушатели могут изучить до семинаров. Собрала. Делюсь с вами:

🔰Продуктовая аналитика

👉Книга «Lean Analytics» [Ангоязычная книга / бумажная версия https://clck.ru/MAZmy и перевод в PDF https://yadi.sk/i/RV0Uca3r8bo7HA]

🔰Метрики:

На русском:

👉NSM и метрики ценности продукта https://clck.ru/MAZmb
👉Иерархия метрик VS Пирамида метрик https://clck.ru/Fxp2W
Тихомирова статья

На английском:

👉AARRR Framework- Metrics That Let Your StartUp Sound Like A Pirate Ship https://clck.ru/MAZqW
👉The Five Mobile Marketing Metrics That Matter Most https://clck.ru/MAZpm

🔰Tableau:

Если Вы еще не посмотрели что такое Tableau, то можете изучить короткие видео тут:

👉https://public.tableau.com/en-us/s/resources

❗️Особенно рекомендую эти:

3. Connecting to Google Sheets (3:15)
8. Data Preparation – Pivoting your Data (4:54)
7. Data Preparation – The Data Interpreter (4:29)
10. Data Preparation – Joins and Unions (6:28)
11. Creating Your First Chart (2:34)
12. Using the Show Me Tool Bar (4:15)
15. Adding Interactivity to Dashboards (4:30)
13. Understanding the Logic of Charts (5:05)


В скобочках время в минутах, которое вы потратите на эти видео. Если не знаете английский или нет наушников, не беда - 80% информации - это визуальный ряд. Суммарно речь идет об обучающих видео на 30-35 минут.

🔰Unit-экономика и Экономика продукта

👉Олег Тиньков «Бизнес без MBA» https://clck.ru/MAZrC

👉Все лекции и выступления Ильи Красинского (полезно любое)
https://www.youtube.com/results?search_query=красинский
👉Конспект лекций Ильи Красинского https://clck.ru/F6vug

🔰Анализ рынка

👉Оценивать рынки как. Или “Не участвуй в собрании статистиков и не сотвори греха социологии” https://clck.ru/MAZru

ЗЫ. Сегодня записала тьюториал по анализу открытых данных на примере темы коронавируса 😷 Может быть, сюда что-то запишу

⁠Не так давно выяснилось, что понятие «данные», с которым мы все ежедневно сталкиваемся и работаем одновременно очевидно для всех и абсолютно не понятно. Даже опытные аналитики не смогли объяснить, что такое те самые «данные», с которыми они работают.

Почему важно разобраться в вопросе? Во-первых, для глубины понимания своей собственной работы, если вы аналитик, или понимания возможностей коллег-аналитиков. Во-вторых, для избавления от ложных мечт и ожиданий, которыми полон не до конца оцифрованный рынок оффлайн. А это, на секундочку, всё ещё преобладающая часть мировой экономики.

Лично для меня вопрос никогда не стоял в том, что такое «данные». Пока я не увидела, что в некоторых оффлайн-компаниях не просто не понимают, что это. Я увидела категорически опасное и неправильное понимание слова «данные»:

ДАННЫЕ == ИНФОРМАЦИЯ

Возможно, вам покажется это правильным или бредом. Однако,

ДАННЫЕ - это собрание сырых (не обработанных) фактов и чисел, подлежащих упорядочивания и обработке с целью получения информации, то есть метрик (упорядоченных и пригодных для анализа чисел), графиков, выводов и так далее.

К сожалению, часто я наблюдаю попытку строить аналитику не на данных, а на информации. Например, аналитик работает только с аналитической базой и не понимает, как возникли агрегаты в ней. Или менеджер имеет доступ только к дашбордам без возможности в любой момент сделать drill down до конкретного пользователя или строчки в данных.

Важно понимать, что подобные случаи являют интерпретацией информации. Аналитика данных - упорядочивание и сведение данных в информацию - уже случилась частично или полностью РАНЕЕ.

Почему часто интерпретация аналитической информации ведет к неверным выводам или медленной работе? Мне кажется, нередко потому, что забывается:

ДАННЫЕ != ИНФОРМАЦИЯ

Относитесь адекватно ко всему доступному вам арсеналу средств и не путайте мух с котлетами.

⁠С праздником, дорогие подписчики!
Желаю вам Настоящей Аналитики и Взаимного Data-driven 🌞

⁠Экспериментальная рубрика #вопрос_ответ (Ваши голоса решат её будущее).

Q: Лена привет, а подскажи пожалуйста что ты понимаешь под actionable метрикой?
Например, метрика ROI в отделе маркетинга может быть actionable, если видим что наше ROI ниже плана, то можем выключать канал.
Или екшенебл метрика, это условно алгоритм, который мы прописываем заранее.

A: Моё личное понимание таково. Actionable метрика должна указывать что делать => из этого следует, что:

1) мы должны быть способы на нее влиять (она упала, а мы знаем что делать, чтобы она выросла)
2) чувствительность метрики (мы что-то сделали или не сделали, а она это отразила)
3) интрепретируемость и/или декомпозируемость (метрика изменилась, а мы можем локализовать причину - дело в том, что редко когда одного только показателя хватает для понимания причин измений) - здесь полезно и заранее изучить метрику, и продумать для неё иерахическое разложение (без фанатизма, конечно же)

Q: Встречались еще какие-то примеры из digital мира ?
A: Ну например доля на рынке в ситуациях, когда её умеют считать. все важные истории она хорошо ловит (изменение цен, большие релизы, демпинг конкурентов).

#вопрос_ответ
#метрики_основы
#продуктовая_аналитика

То, что должно быть в мозге настоящего аналитика у меня не всегда включается. Это называется – системное внимание к деталям. 🔥 НЕ ПУТАТЬ с обычным вниманием к деталям. Я вижу мелкие проблемы (вниманием деталям) и вижу за деревьями лес (think outside the box). Но не вижу ВСЕ пеньки в лесу (системное внимание к деталям).

Вообще, сколько я консультирую, нанимаю, менторю, работаю - вижу 3 проблемы:

1️⃣ люди при найме аналитика ищут внимание к отдельным пенькам и умение видеть за деревьями лес
2️⃣ находят людей типа меня
3️⃣ не проверяют умение видеть все пеньки в лесу – я называю это 🔥системное внимание к деталям 🔥

Пока я не обнаружила людей, которые видят все пеньки, думала, что их не существует!

Это очень редкий тип профессионалов в нашей среде. Но без них вся ваша аналитика будет переливанием из пустого в порожнее. Вам же очень хорошо знакома ситуация, когда числа не сходятся, в данных бардак, а аналитики говорят что-то вроде «у вас не база, а болото!»

Проблема в том, что системному вниманию к деталям не учили в наших школах, нет про это тренингов, нет похоже даже книг.

⁉️ КАК проверить человека на наличие системного внимания к деталям?

Дайте ему домашнее задание не с выхолощенным датасетом. А максимально анонимизированное ваше естественное ботото данных. Попросите посчитать MAU, Retention. Ну, а дальше очевидно:

1) просто посчитал – не аналитик
2) попытался поискать проблемы в данных перед расчетами – классический аналитик
3) нашёл все косяки в данных и усомнился, что вам вообще надо на данном этапе считать Retention, потому что эта Метрика всегда сбоит – человек с системным вниманием к деталям.🔥

В этом эксперименте есть только один момент. Обычно наниматель находится на этапе 2. Но это уже совсем другая история.

#слайды Показываю кусочек презентации с сегодняшнего Митапа по метрикам от Product Sense.

Выступила с апдейтом по моей Пирамиде Метрик, о которой впервые рассказала на площадке ProductSense в 2018 году, на той же площадке - митапе от организаторов ProductSense.

Все, кто скопировал мои лекции, пропагандируют устаревший вариант пирамиды. За годы интеграции фреймворка в разные компании я многое переосознала. И часть этих инсайтов в видео:

https://www.youtube.com/watch?v=d5lV2KXVPfU

Как найти ментора по аналитике #вопрос_ответ

Q: Добрый день, хотел спросить у вас как у эксперта по аналитике по одному вопросу.
Я ищу наставника / ментора, чтобы быстрее вырасти как специалист.
Мне бы хотелось найти человека, который поможет мне фиксировать мои результаты, консультироваться по сложным вопросам.
Было бы здорово, если вы направили)

A: Как и где искать ментора. Есть 2 стратегии:

1️⃣ лучшее из доступного (лучший специалист из Вашего окружения)
2️⃣ доступное из лучшего (лучший специалист на рынке, которого Вы смогли привлечь в свой круг общения)

Частно рассуждаю с собой на тему того, как распознать по внешним признакам сильного специалиста.

Очевидно, но напомню, что не стоит полагаться на:

🙃Конференции
🙃Наличие блога
🙃Должность

Это признаки умения создавать личный бренд. Что же касается профессии, то я знаю только один надежный способ найти спеца:

☝️Селективное сарафанное радио

Это значит, что вы изначально слушаете не всех, а только людей, в чем профессионализме (а не личном бренде) вы не сомневаетесь. Личный эксперимент показал:

☝️Имена, которые у всех на слуху, и имена, которые называют реальные спецы, - плохо пересекающиеся множества.

Допустим, у вас появился список из кандидатов на роль вашего наставника. Следующий шаг - найти того, кому будет интересно именно с вами. Частая ошибка - искать крутого, в то время как надо искать своего. Да и тренер олимпийского чемпиона не обязательно должен быть сам чемпионом.

Итак, у вас случился Match. Наставник хочет помогать вам расти, вы уверены в профессиональных и человеческих качествах этого человека. Что дальше? Проверьте, что готовы к тому, что:

🙌Ментор - это не психотерапевт
🙌Ментор - не божество или гений (он будет ошибаться - это нормально, ваша задача быть критичным)
🙌Вы готовы к тому, что наступит момент скуки или завала на основной работе, когда не будет сил делать домашние задания и покажется бессмысленным идти на встречу. Если вы понимаете, что в этом случае перестанете работать, то стоит ли начитать?

Удачи!

Как научиться формулировать гипотезы?

Умение формулировать продуктовые (и жизненные) гипотезы - чуть ли не основной навык, ради которого стоит идти в профессию «аналитик».

На старте карьеры может показываться, что хорошая гипотеза содержит в себе и метрику для её поверки и даже критерий стат значимости для оценки результата.

Оглядываясь назад, я вижу, что гипотезы, которые принесли разным продуктам и компаниям рост, обладали несколько иным общим свойством.

Они ставили под сомнение то, что непоколебимо. Аксиомы, вшитые в ДНК продукта. Наследие образа мышления основателей.

Начнём с того, что есть идиотский совет от меня. Как искать такие гипотезы.

Быть тем самым гадким утёнком, который вместо горящих глаз на очередную гениальную идею команды реагирует сомнением. Он всегда говорит :

⁃ А что, если не так?

В этот момент рождается гипотеза. Но только умоляю, не говорите это вслух. Проверяйте Базовые утверждения, лежащие в основе дизайна продуктовой модели так, чтобы ниже вступать в конфликт с ее носителями.

Танцуйте так, будто вас никто не видит. Проверяйте ДНК-гипотезы так, чтобы действительно никто не увидел.

Почему данный совет идиотский? Я прекрасно понимаю его слабость. Он не отвечает на главный вопрос:

Как в принципе заметить базовые утверждения — ДНК-кирпичики — продукта?

Давайте я подумаю, как минимальным числом слов объяснить это. И напишу в следующем посте.

А пока поживите с этими мыслями. Вероятно, ваш опыт и знания говорят о чём-то похожем.

Почти год не писала статей. И кажется, за это время, нас здесь стало на порядок больше. А значит, нужно немного ликбеза. Поэтому сегодня будет чтиво на 3 минуты о том, что самого важного стоит знать про метрики.

Прежде чем вы пойдёте по ссылке читать, я хочу обозначить 2 момента:

Момент #1. В статье я ставила целью очертить границы знания и незнания. Показать структуру темы. Далеко не всему в этой жизни надо учиться по лекциям, далеко не всё надо вычитывать в книгах. Иногда (а на самом деле чаще всего) достаточно увидеть структуру темы, чтобы разобрать в ней самостоятельно путём рассуждений и правильно поставленных экспериментов.

Момент #2. В этом посте экспериментально отключены реакции (aka лайки). Потому что лайки для этого канала не только пустая, но и *возможно* плохая метрика. А потому избавлю себя и вас от инфо-шума.


Ссылка 👉 "Три важных слова в аналитике, если время простых решений истекло"

🔥Метрики будущего🔥 привлекают меня с тех пор, как я познакомилась с теорией U Отто Шармера. Про показатели будушего Шармер не пишет. Но у него можно уловить идею о том, как их можно найти. Кратко это звучит так:

Метрики будущего - это показатели, которые будут актуальны завтра и вероятно не очень интересны сегодня.

1️⃣Доводилось ли вам смотреть на человека и будто знать, что с ним будет через год? Бывало ли, что вроде популярный на рынке продукт вызывает стойкое ощущение близящегося конца? Обсудим примеры.

На многих рынках сейчас растет конкуренция. Порой хорошие показатели — наследие бренда или эффект первопроходца. Но важно ценить пользователей. Это и вопрос качества продукта, и вопрос особой работы с лояльностью - формирование «любви к продукту» (этика, забота, знаки внимания). Кстати, об этом мы беседовали с ex-CMO издательства МИФ — Натальей Бабаевой прошлой осенью.

👩‍💻В своей практике аналитика-консультанта я часто видела продукты, которые не ценили своих пользователей. В моменте бизнес-показатели этих продуктов радовали. Тем не менее, в будущем наступали трудные времена: убытки и увольнения.

Иногда ❗️продолжительность сессий❗️ или ❗️динамика интервалов между сессиями❗️ могут указывать на то, что покупатели уже не лояльны к продукту. Они ждут окончания подписки и активно ищут альтернативы. Не всегда эти метрики оказываются достаточно наглядны. Особенно в случае B2B.

2️⃣ Если отойти от уровня бизнесом к людям, там можно заметить аналогию.

Взлёт карьеры может быть частью мёртвой петли. Встречались ли вам люди, которые оставляют за собой «хвост» недовольных коллег? Растущее число людей, чьи головы стали для него ступенью, однажды рушит лестницу. Для некоторых карьерное падение -- целая трагедия. Ведь пара этажей вниз могу вызвать тяжелый кризис личности.

🚮 Как узнать, что будет с карьерой человека через пару лет? Опросите 10 человек, с которыми он работал ранее. Желательно, чтобы их зарплата и должность уже не зависели от данных ими оценок.

3️⃣ Последний пример на сегодня — HR-бренд. Компания инвестирует в митапы, фрукты, кофе. Но потенциальные сотрудники общаются с теми, кто недавно ушел из компании. И узнают о реальном положении дел с планированием, токсичностью и возможностями роста.

Вот почему частенько компании с раскрученным HR-брендом не могут привлечь сильных игроков в свою команду. И теряют настроенных на развитие сотрудников (им просто не у кого учиться).

⏩ О чём я хочу сказать?

Социальный капитал - мощнейшая метрика будущего.

Так эту метрику будущего обозначил Игорь Рыбаков в своём недавнем интервью с Полонским. Как измерить «социальный капитал» в случае:

⁃ Компании / Стартапа
⁃ Отдельного человека
⁃ Не рабочих отношений

открытый вопрос. Он точно не имеет однозначного ответа. И нет, это точно не NPS. У меня есть некоторые соображения.


А что думаете вы?

​​🔥Мой чек-лист ревью метрик. Пользуйтесь и благодарите 😊

На основе данной рекомендации, а также своего опыта, могу предложить такие вопросы:

1. Что мы знаем о чувствительности метрики к изменениям в продукте/бизнесе/рынке? Этот вопрос можно декомпозировать:
1. Является ли метрика относительной величиной? Это важно, так как обычно абсолюты менее чувствительны. НО!!! Умоляю, не начинайте всё переводить в относительные величины. Бывает, что именно аболют становится более чувствительной метрикой по сравнению с относительной величиной (продолжительность сессий VS доля на рынке).
2. Можем ли мы экспертно сделать допущение о чувствительности метрики? Например, что лично я наблюдала в некоторых классах продуктов, что производная интервалов между сессиями «быстрее» реагирует на продуктовые изменения, чем привычным нам Retnetion.
---
Далее пункты перечисляю, почти не раскрывая. Если возникнут вопросы, пишите.
---
3. Можем ли провести ретроспективный анализ, чтобы проверить, что в динамике метрика реагировала ранее на события в продукте/бизнесе/рынке?
4. Есть ли необходимость проверять чувствительность метрики экспериментально?
2. Будет ли метрика влиять на наше поведение? Что вы будете делать, если метрика:
1. Не будет меняться
2. Изменится на ± 1%/5%/10%/200%?
3. Если не знаем, что ответить, либо метрика не подходит, либо стоит изучить её внимательнее, декомпозировать, установить рычаги влияния (см. СИСТЕМА)
3. Может ли мы измерить метрику?
4. Есть ли возможность сравнить метрику с показателями на рынке или внутри продукта?

❗️Это открытый список вопросов. Вы вольны его менять.

Добавлю, что если мы говорим о конкретном классе метрик, то возможно появление специфических для этого класса вопросов. Лично я создала свой список вопросов для метрик продуктовой ценности (PV). И он помогает мне их не только проверять, но и находить.

Удачи!

​​Визуализация данных как искусство 🔥. Я слежу за рассылкой Viz of the Day от Tableau где-то год, не пропуская ни одного письма. У меня накопился список интересных визуализаций, который всё никак не дойдут руки причесать, да и поделиться. Там много полезных штук, но сегодня я напала на аккаунт девушки Anjushree Shankar::https://public.tableau.com/profile/anjushreebv#!/. И поняла, что очутилась в картинной галерее. Где мало работ, но каждая заслуживает долгого внимания.

Тот редкий случай, когда визуализация рассказывает историю красиво, не перегружая зрителя демонстрацией возможностей автора. Это та аналитическая визуализация, та дата-журналистика, которая делает данные больше чем просто грудой байтов. Редко, когда красота и смысл сливаются воедино, рождая новую единицу смысла.💔

​​Засели в голове 8%. Только 8% !! бизнесов по оценкам McKinsey отбивают вложенные в аналитику средства.

Какой должна быть компания, чтобы для неё эта рискованная игра была оправданной? Стоит ли всем, следуя моде, строить хранилища и отделы аналитики?

Когда мода пройдет, останется суть. И суть можно изложить двумя цитатами.

Первая - неточная (пишу на память) - принадлежит Игорю Рыбакову:

«Во что вкладывать свободные деньги? Как быть с деньгами в кризис? Вкладывайте в своё образование, в свой рост».

Вторая - от Чичваркина:

«У нас нет никаких KPI, никаких таргетов, никакой этой хреномути. Они (сотрудники винного магазина Гедонизм) реально даже не от продажи, а от маржи получают очень большую комиссию. У них нет никаких других денег, кроме этой комиссии».

Не то, чтобы у Евгения не было аналитики. Я знаю, что он ежедневно начинает рабочее утро с графиков.

Но кажется, весь мир говорит средним и малым бизнесам:

🙌 Не усложняйте. Берите готовые инструменты.
🙌 Берите столько, сколько можете взять.
🙌 Учитесь - развивайте мышление, а не руки.

🙌 Меняйте правила, создавайте правила под себя. Не копируйте корпорации.

Make value not measure ❤️

​​#вакансии #аналитика #нереклама Периодически здесь появляются вакансии действительно классных компаний. Аналитики, помните! Сейчас наша профессия на хайпе. Будьте внимательны к выбору работадателей. Ведь работа - такая значимая часть жизни. А ещё помните, что метрика, которую стоит максимизировать в профессии - это прирост Вашей цены на рынке через 5 лет за счёт работы в том или ином месте.

А теперь вакансия:

Wrike – продуктовая компания, которая создает SAAS-продукт для управления проектами и совместной работы, входит в топ-3 своей сферы и сотрудничает с 20 тыс. компаний по всему миру.

Ребята ищут классного продуктового аналитика к себе в команду, которому предстоит исследовать пользовательское поведение, генерировать и проверять гипотезы и вести продукт к светлому будущему🚀

Позиция уровня middle, вилка стартует от 100к, работа в Петербурге. Подробное инфо доступно по ссылке.

​​#soft_skills

В корпорациях легко думать, что ты гуру софт скилов и лидерства. Но жизнь за их пределами способна сбить любую корону. Я хочу делиться с вами не просто важными моментами в аналитике. Но и тем, что оказалось критичным для меня при переходе из корпоративной работы в предпринимательство.

Мотивация. Когда у тебя ещё нет сильного бренда, умение мотивировать определяет всю судьбу. Жизнеспособность молодых продуктов не столько зависит от их юнит-экономики, сколько от энергии команды.

Хотя в книгах нас учат другому, на практике нередко самое простое - это мотивировать людей деньгами. Даже, когда в стартапе классическое состояние - "денег нет", он прибегает к так же классическому ходу: "но вы держитесь". А точнее, начинает обещать первым сотрудникам долю и большие доходы в случае успеха.

Далее только тезисы и видео от величайшего Ицхака Адизеса (кстати, рекомендую все без исключения его книги).

😎 Деньги - это не мотиватор.
😎 Деньги - это демотиватор.
😎Человек радуется повышению дохода пару дней.

Что реально мотивирует:

1. Миссия. Люди готовы на войну идти ради миссии, не то, что на работу (от себя добавлю: самое сложное - это не создание миссии, а способность её доносить без пафосного лица. Cпокойно, искренне, зажигающее).

2. Любовь к своему делу. Люди должны быть на своем месте. В небольших проектах все многостаночники. Но когда креативщик занимается рутиной, его глаза гаснут. А вслед за этим, едут сроки и качество. Кстати симптом того, что человек не на своем месте, - он чаще остальных просит (явно или через намёки) ещё больше денег.

3. Полномочия. Надо слышать людей. Надо давать им возможность решать и делегировать. Казалось бы. Как такое достижимо в маленьких командах. Важно учиться давать команде часть бюджета из оборота на покупку инструментов или найм фрилансеров. Мне и моей команде очень помогает горизонтальное делегирование. Наша аналитика похожа на парную гимнастику - это процесс непрерывной парной поддержки.

Хотите ещё такие темы в этом канале?

​​Чем визуальная аналитика отличается от визуализации? А от дашбордов?

Прежде всего тем, что визуальная аналитика - инструмент генерации и проверки гипотез. Или, если угодно, инструмент обнаружения истории.

Чаще всего гайды и лайфхаки по визуалиции данных связаны с визуализацией историй (aka story telling или data-журналистика) или дизайном дашбордов.

По следам моего недавнего воркшопа по Визуальной аналитике собрала для вас pdf-брошюру «Принципы Визуальной аналитики»:

https://yadi.sk/d/3-zk8ntEb0q7Qw

~~
Курс «Стратегическая аналитика» (последний набор): http://datalatte.ru/education/analytics4leaders
~~

Во вторник я покаталсь по городу, попила кофе из супер-аналитической чашки и да. Я выступила на Матемаркетинге со своим самым главным на текущий момент докладом.

Описала, как я пришла к формуле связи продуктовых метрик.

🖤 Самое главное для меня сейчас — чтобы как можно больше людей восприняли посыл моего «этетского фреймворка» (как выразился один коллега). Чтобы больше смысла стало в сообществе.

Прибавляя О малые, растим технологии.

🖤 Я обязательно сделаю видео или семинар с повтором этого рассказа. А пока готова поделиться с вами ссылкой на презентацию.

🖤 И да. Матемаркетинг сейчас выглядит лучшей конференций для аналитиков, продактов и маркетологов во всём инфо-пространстве. Лёша Никушин совершенно точно наш человек. И я убеждена, что на этом он не остановится. Вам нужно это увидеть. Это не реклама.


http://datalatte.ru/blog/seregina_formula

#soft_skills

(Оригинал на англ. внизу) Вместо того, чтобы спрашивать себя «Как изменить чьё-то мышление» (точку зрения), задавайте себе другой вопрос: «Почему они до сих пор не начали так думать? Что их останавливает?»

—
Instead of asking “How can I change someone’s mind?”, ask a different question: “Why haven’t they changed their mind already? What’s stopping them?”