Что такое аналитика

Аналитика — это искусство. Среди определений чаще всего встречаются слова «логика», «рассуждения», «объективность», «моделирование». Но суть аналитики — помочь бизнесу принять лучшее решение в конкретной ситуации. Рассуждения в вакууме никакой пользы для компании не несут. Аналитик не просто выдаёт отчёты и графики после анализа данных. Он предлагает варианты, которые помогут решить проблему, улучшить процесс или продукт.

Выводы на основе данных — уникальное знание, с ним сложно спорить. Хотя большинство решений в компании принимаются вслепую. Это происходит из-за того, что процесс сбора информации, систематизации и подведения итогов занимает время. Если каждый вывод прорабатывать максимально подробно, то компания будет отставать от рынка. Основатель Amazon Джефф Безос говорил: «Большинство решений должны приниматься, когда у вас есть примерно 70% желаемой информации. Если будете ожидать 90%, то, скорее всего, опоздаете».

Любое решение в компании — баланс между тем, насколько в нём уверен руководитель, и тем, как оно ускорит бизнес по сравнению с конкурентами. Поэтому задача аналитика — в кратчайшие сроки собрать такой объём информации с выводами, чтобы он позволял принять решение. При этом задача менеджера — осознать эту информацию, услышать доводы аналитика, взвесить все риски и решить, как действовать.

Важно, что за результат отвечает менеджер. Аналитик выступает консультантом: он рассказывает, как бы поступил в этой ситуации, обосновывает свой выбор числами.

Например, часто аналитиков просят обрисовать, каким будет через 5–10 лет рынок, на котором работает продукт компании. Правильного ответа на этот вопрос никто не знает, предсказывать будущее ещё не научились — но его можно смоделировать. Тогда команда, принимающая решения, не будет тратить время на споры, каким рынок станет впоследствии. Это поможет ей сосредоточиться на более прикладных проблемах: например, как привлечь новых клиентов в нынешней ситуации.

Аналитик участвует не только в решении высокоуровневых стратегических задач. Он может упростить жизнь менеджеру в операционных вопросах. Чем они локальнее, тем больше данных есть для анализа. Например, аналитик легко может определить, какой лендинг работает лучше: у него для этого есть вся необходимая информация.

Какой бывает аналитика

Обычно её делят на три основных направления.

Бизнес-аналитика

Нужна, чтобы контролировать основные метрики компании. Но это можно делать и без участия человека. Главное, что делает бизнес-аналитик, — предлагает решения, как исправить ситуацию, если что-то идёт не так. Он определяет нормальное поведение продукта и выявляет аномалии. Для этого бизнес-аналитик должен понимать, как устроены все процессы в компании и вся иерархия метрик. Обычно ключевая метрика — выручка.

Руководитель проекта подписывается под конкретный КPI и знает, что этот показатель зависит от результатов работы разных отделов компании. Бизнес-аналитик помогает декомпозировать метрику, чтобы руководитель понимал, в каких частях и по каким направлениям она достигается или нет. Так менеджеру проще оперативно принимать решения.

Ещё один пункт в бизнес-аналитике — автоматизация рутины. Разберём на примере сервиса Яндекс Маркет. На него ежедневно заходит 3 млн пользователей, а размещается там порядка 20 тысяч интернет-магазинов, которые платят сервису за переходы на их сайт или заказы. Магазины хотят получать максимум информации о том, как идёт их размещение и что им нужно сделать, чтобы улучшить показатели. У Яндекс Маркета есть большой набор автоматических и массовых инструментов для решения таких задач.

Но некоторые клиенты отличаются от других, поэтому им нужен специальный подход — с ними работают персональные менеджеры. Раньше процесс был устроен так: менеджер просил аналитика подготовить презентацию с рекомендациями, как интернет-магазину лучше размещаться на Яндекс Маркете и приносить сервису больше выручки. Постепенно росло количество клиентов, которые хотели персональный сервис. Аналитик тонул в одинаковых задачах — и в результате автоматизировал процесс. Он создал микросервис, в котором менеджер выбирает конкретный магазин, фильтрами выставляет нужные показатели, нажимает кнопку и через какое-то время получает готовую презентацию.

Технологическая аналитика

Занимается задачами, которые связаны с машинным обучением. Область применения технической аналитики широкая. Можно выделить два крупных блока.

Тюнинг уже готовых решений. Например, нужно улучшить рекомендации контентного сайта. Руководитель проекта хочет, чтобы к каждой статье предлагалось ещё пять самых популярных. С помощью машинного обучения можно сделать так, что к разным материалам будет рекомендоваться контент в зависимости от связей с ним или исторической кликабельности. Также можно учитывать персональные характеристики пользователя, для которого эти рекомендации делаются.

Получается, был какой-то процесс рекомендаций. При помощи машинного обучения технологические аналитики его улучшили — и показатели бизнеса выросли.

Машинное обучение как ключевой элемент продукта. Так построены Pinterest и Netflix. Без специального бэкграунда сложно понять, как работает логика таких сервисов. В ней есть огромное количество академически сложных задач, в которых используется математика и статистика.

Технологическую аналитику характеризует большой объём данных, который нужен для решения задач. По этой же причине область её применения ограниченна. Если у продукта всего несколько десятков пользователей в день, этой информации не хватит, чтобы обучить машину.

Продуктовая аналитика

Позволяет запускать новый продукт или процесс. Аналитик ищет точки роста бизнеса и старается минимальными усилиями получить максимум эффекта. Задачи продуктовой аналитики часто связаны с пользователем, рынком и конкурентной средой, в которой работает бизнес.

Но это направление занимается не только новым продуктом. Например, аналитик помогает проводить A/B-тесты — это методология, с помощью которой исследуют пользовательский опыт. Аудиторию на сайте делят пополам, для одной группы что-то меняют, а затем измеряют итоговые показатели после изменений.

К продуктовому аналитику можно приходить с любыми вопросами независимо от того, что он умеет считать. Если вам кажется, что какой-то показатель невозможно определить, это не значит, что нельзя спросить у аналитика. Возможно, он уже сталкивался с таким раньше, исследовал этот вопрос и владеет нужными инструментами.

Что важно для аналитика

Задачи, которые решает аналитик, формируют определённые требования к нему:

— Понимать суть и природу разных процессов. Работа конкретного сервиса — это тоже процесс. Аналитик должен понимать, что такое нормальное поведение, а что — аномалия.

— Уметь в сжатые сроки погружаться в новые области.

— Не бояться работать с любым объёмом данных.

— Понятно разговаривать, уметь доносить свои мысли, аргументированно спорить и участвовать в дискуссии, когда принимается решение.

— Любить программировать. При этом для аналитика скорость написания кода важнее эффективности его работы. Этим он отличается от разработчика.

— Задавать вопросы, перепроверять информацию, подвергать сомнению всё, что видит. Ведь аналитик должен выявлять аномалии и предлагать способы их исправить.

Как устроена работа аналитика в Яндексе

Разберём на конкретном примере. Задача проекта — добавить видеообзоры продуктов на Яндекс Маркет.

Шаг 1. Проверить жизнеспособность идеи

Какие задачи на этом этапе решает аналитик:

1. Организовывает исследование и убеждается, что компании действительно нужно нововведение. На Яндекс Маркете уже есть фотографии каждого товара, аналитику нужно понять, правда ли их недостаточно.

2. После того как команда решила, что с видеообзорами действительно будет лучше, аналитик смотрит похожие решения у конкурентов. Это полезное знание, но его можно интерпретировать по-разному. Например, у конкурентов нет видеообзоров. Это может говорить о том, что такое решение нежизнеспособно. Или что конкуренты даже не думали их добавлять. Но важно помнить: если на рынке чего-то нет, это не значит, что и вам не нужно так делать.

3. Проверяет, есть ли на рынке готовый контент: какие видеообзоры можно использовать, а что придётся создавать с нуля.

4. Определяет категории, в которых обзоры необходимы. Например, для книг они не нужны. А блендер, телефон или туристическую палатку легче выбирать по видео.

5. Изучает готовые исследования на эту тему. Если они есть и их результаты можно использовать, это значительно сэкономит время и нервы команде.

Шаг 2. Создать MVP, минимально жизнеспособный продукт

Суть в том, чтобы добавить руками видео только для части товаров и решить, делать видеообзоры всех позиций или нет.

Задача аналитика на этом этапе — собрать пилотные категории товаров, выводы по которым можно транслировать на весь каталог.

Ещё он формулирует ключевые метрики и помогает зафиксировать вилку решений. Например, определили, что основная метрика — это конверсия. Если она вырастет больше чем на 5%, стоит подумать над тем, как добавить видеообзоры всех продуктов. А если нет — можно заключить, что MVP не удался и делать обзоры нет смысла.

Шаг 3. Осуществить полноценный запуск

Теперь можно добавлять видео во все карточки товаров. На этом этапе поможет сервис Яндекс Видео. Если упростить схему работы, то всё сведётся к тому, что нужно задать в Яндекс Видео название товара, сервис покажет несколько вариантов, а дальше останется выбрать из них те, что подходят по содержанию и качеству. При этом критично добавить обзоры ходовых моделей, но не так важно, если их не будет у менее популярных товаров.

Работа аналитика заключается в том, чтобы выдавать подходящие варианты видео к конкретному товару. А менеджер решает, какие из них оставлять и загружать в карточку продукта.

Шаг 4. Поддерживать продукт

После запуска работа аналитика не заканчивается, перед ним остаются вопросы:

— правда ли попали туда, куда целились?

— достигли ли KPI?

— всё ли работает правильно?

По итогам запуска аналитик должен поддержать продукт разными инструментами, которые будут выявлять проблемные группы товаров. А ещё — запустить исследование и убедиться, что всё работает хорошо.

Получается, аналитик полноценно влияет на решения, которые принимаются в команде. Он отвечает на вопросы про бизнес и продукт, умеет работать с большими данными, помогает организовать исследование и автоматизирует рутину. Менеджер может не соглашаться с мнением аналитика и поступать так, как считает правильным. Но послушать его аргументы полезно: ведь они подкреплены доказательствами.