Профессия «бизнес-аналитик». Краткое пособие для начинающих

Как следует из названия, продуктовая аналитика посвящена разработке и развитию какого-либо продукта. Продукт – понятие многогранное. Например, в банковской сфере это может быть кредит или пластиковая карта с кешбэком. В промышленности продуктом будет автомобиль, станок или слиток металла.

Говоря о продуктовой аналитике, мы будем рассматривать термин «продукт» с точки зрения ИТ. Иными словами, продукт для нас – это мобильное приложение, информационная система или онлайн-сервис. Например, продуктовый аналитик может заниматься созданием и развитием интернет-магазина.

Поскольку бизнес всё больше переходит в онлайн, продуктовый аналитик может работать в любой организации с цифровыми продуктами. Например, в банке он может развивать банковское мобильное приложение.

При работе с цифровыми продуктами главным инструментом продуктового аналитика становится A/B-тестирование. Чтобы лучше понять его суть, рассмотрим упрощенный жизненный цикл нового продукта или сервиса.

Стадия 1. «А может, не надо?»

Задумав новый сервис, «который перевернет мир», важно спросить себя: действительно ли существует необходимость в подобном сервисе? Аналитик отвечает на десятки вопросов типа:

 Каковы перспективы сервиса с учетом тенденций развития отрасли?

 Почему мы считаем, что сервис понравится потребителям?

 Нет ли похожих сервисов у конкурентов? Если есть, то каковы их успехи? Если сервис «не взлетел», то по какой причине?

Если ответы на эти вопросы даны и энтузиазм не испарился, можно переходить к этапу 2.

Стадия 2. Пилотный проект

На втором этапе аналитик должен определиться: как дешево проверить, что от внедрения нового сервиса или продукта будет польза? На этом этапе проектируются и запускаются примитивные прототипы – простые приложения, сайты и т. п.

Стадия 3. А/В-тестирование и вилка решений

Суть А/B-тестирования лучше пояснить на примере.

Допустим, у вас есть интернет-магазин. Вы хотите добавить ему пару новых функций – например, красивую кнопку оформления заказа и 3D-обзор товара. Для удобства назовем их «Функция 1» и «Функция 2» соответственно. Текущее состояние магазина без новых функций будет служить контрольным показателем. Итак, вы создаете несколько версий магазина: только с «Функцией 1», только с «Функцией 2» и с обеими «Функциями» сразу, а потом демонстрируете новые версии сайта фокус-группам пользователей.

Ваша цель – понять, как новые изменения и их комбинации повлияли на работу магазина по сравнению с контрольным показателем. Возможно, смена цвета кнопки с синего на красный приведет к оттоку пользователей. Или, наоборот, заказов станет больше. Подобные тесты позволяют сформировать набор данных, на основе которых и принимается решение: добавлять новую функцию в сервис или нет.

На данном этапе возникает так называемая вилка решений. Перед началом работ вы должны однозначно определиться с критериями принятия решения. Иными словами, организаторы тестирования «на берегу» договариваются: если новая функция приведет к увеличению интересующего показателя на X % – значит, работы по внедрению продолжаются. А если функция понизит интересующую метрику на Y% – значит, от функции отказываемся и придумываем что-то еще.

Стадия 4. Запуск в промышленную эксплуатацию

Если А/В-тестирование показало приемлемые результаты, то новая функция внедряется в полном объеме.

Стадия 5. Сопровождение

На последнем этапе анализируется востребованность новых функций со стороны пользователя, работа обновленного сервиса, подводятся итоги проведенной работы. Кроме того, аналитик в течение определенного времени сопровождает обновленный сервис во избежание непредвиденных инцидентов.

Интересный факт

В 2010 году в компании Google разработчики провели свыше 8000 A/B-тестов, касающихся исключительно функции поиска[5].

АНАЛИТИКА ДАННЫХ

Аналитик данных решает следующие задачи:

 построение прогнозных моделей на основе больших массивов данных – например, прогноз оттока клиентов на основе анализа данных об их активности с момента появления в клиентской базе;

 разработка механизмов персональных рекомендаций на основе анализа больших объемов данных;

 выявление скрытых аномалий и закономерностей в данных.

Для решения подобных задач аналитику данных нужны хорошие, глубокие знания в области математики и статистики. Эффект «большого брата», следящего за вами, – заслуга аналитика данных. Речь о ситуации, когда сервис формирует персональные рекомендации буквально через минуту после возникновения потребности у клиента. Вы послушали всего несколько песен на «Яндекс. Музыке», а вам уже предлагают индивидуальные плейлисты, которые с высокой вероятностью соответствуют вашим предпочтениям.

ПРИВЛЕЧЕНИЕ ПОЛЬЗОВАТЕЛЕЙ