Робота з даними

Аналітик продукту (Product Analyst) — це насамперед аналітик, отже, він має вміти працювати з даними. Чим більше даних, тим вища ймовірність прийняти правильне рішення. Для цього необхідно вивчати метрики, будувати вирви, стежити, до яких результатів наводять найменші зміни.

Такий підхід – приймати рішення залежно від отриманих даних – називається Data Driven Development. Наприклад, є питання: на яку кнопку користувачі охочіше клацатимуть — червону чи зелену? При DDD-підході знаходять відповідь за допомогою A/B-тестування: запускають тест, розділивши аудиторію 50 на 50. Половині показують червону кнопку, половині — зелену. Якщо в результаті виявляється, що користувачі частіше клацають на другу, то приймаємо рішення прибрати червону, залишаємо тільки зелену. Таким чином, Product Analyst робить лише виправдані дії та постійно покращує продукт.

Варто враховувати, що на цьому етапі не можна просто довіряти більшому значенню. Product Analyst використовує показник статистичної значущості.

Один із найважливіших показників для продуктового напряму – повернення користувача. Звичайно, можна масштабувати трафік, залучати нових покупців. Але найчастіше більший рівень окупності приносять зусилля, спрямовані на утримання колишніх клієнтів і надихнути їх ще раз скористатися вашим сервісом. І тут на допомогу приходить аналіз великих даних (Bid Data Analysis).

Цікавий та працюючий підхід - переливання користувачів усередині власної екосистеми продуктів. У такому разі користувача переманюють з одного продукту компанії на інший - наприклад, з контент-проекту про політичні новини на ресурс, присвячений цікавим фактам подорожі. Подібні маніпуляції проводять у той момент, коли користувач втрачає інтерес до першого проекту, і можливість повернути його на поточний ресурс близька до нуля. Для цього використовують RFM-модель повернення користувача: спираючись на дані повернення та витрат грошей, а також частоту витрат користувача застосовують ту чи іншу логіку взаємодії.

Якщо користувач давно не повертався на продукт, деякі компанії готові «інвестувати» в нього: зазнати збитків зараз, щоб досягти лояльності клієнта в майбутньому, перемістивши його у більш високий сегмент.

Основні завдання

Обов'язки Product Analyst можуть відрізнятися залежно від того, на якому етапі продукт знаходиться. Наприклад, якщо ви тільки прийшли на проект, першим завданням може бути побудова репортингу — насамперед для себе. Важливо зрозуміти, звідки беруться дані, як вони рухаються, як сприймати ту чи іншу метрику. Далі можна будувати плани дій, думати, як покращувати показники.

Головне — заздалегідь бачити шлях, куди ви йдете: що інтегруватиметься на кожній фазі розробки. Водночас, постійні тести коригують початковий план.

Робочі інструменти

Для більш глибокого аналізу використовую Python. Він здатний обробляти дуже великі дані – мільярди рядків та вище. Excel із таким обсягом не справляється. Також за допомогою Python можна будувати різні моделі, проводити кластеризацію під певні параметри, імітувати поведінку користувачів тестування швидкості роботи сервісів. Хоча загалом знання програмування для Product Analyst є необов'язковим!

Портрет хорошого аналітика:

• Системність. Продумайте всі плюси та мінуси цієї ідеї, сформуйте системну роботу.
• Увага до деталей. Ви повинні бути на «ти» з даними, розуміти, які показники, звідки беруться. Це дозволить не допускати помилок або максимально швидко їх виявляти.Стратегічне мислення. Потрібно вміти дивитися на весь проект з висоти.
• Гарні комунікаційні можливості. Кожну ідею потрібно «продати» як користувачеві, і своїй команді.Стриманість. Іноді доводиться поступатися, адже ваша думка не завжди буде найоптимальнішою.
• Відкритість. Ніколи не думайте, що ви знаєте користувачів. Вони зовсім інші!

Кар'єрні шляхи

Як правило, Product Analyst є у всіх Product компаніях. В аутсорсингу ця позиція зустрічається рідко: Product найчастіше представлений на стороні замовника. На боці виконавця це буде бізнес-аналітик, який буде працювати з вимогами.

Product Analyst ростуть з аналітиків, спеціалістів із закупівлі трафіку. Бажано мати базові знання математики та статистики, вміти працювати з аналітичними інструментами. Буде плюсом знання SQL.
 

Якщо вас цікавить професія Product Analyst - вам до нас на кафедру системного аналізу!

Освітня програма підготовки бакалавра «Системний аналіз» дозволяє опанувати сучасні технології Big Data, Data Science, Business Іntelligence та інші. В межах освітньої програми вивчаються мови програмування Java, C++, C#, Python, а також проектування сучасних баз даних та знань з різною архітектурою SQL, MySQL.

Увага приділяється вивченню таких дисциплін як:

• Прикладні математичні методи системного аналізу
• Логіка та алгоритми обробки даних
• Спеціалізоване прикладне програмування тощо.
• Управління проектами інформаційних систем.

Більш детальну інформацію можна отримати у завідувача кафедри Гордієнко Тетяни Богданівни (097)177-57-43 (viber, telegram)

(ресурс - dou.ua)