Forwarded from DataLens - Gallery Public
📊 Title: Chinese automotive brand research
🗂️ Description: At JetStyle, we researched the Chinese car market in Russia and assessed demand based on search engine data to better understand how interest in different brands and manufacturers is changing.
✍️ Author: JetStyle
🔍 Tags: #marketing #social
🔗 Open Dashboard - Datalens Gallery
🗂️ Description: At JetStyle, we researched the Chinese car market in Russia and assessed demand based on search engine data to better understand how interest in different brands and manufacturers is changing.
✍️ Author: JetStyle
🔍 Tags: #marketing #social
🔗 Open Dashboard - Datalens Gallery
Forwarded from настенька и графики
Список BI метрик🎯
Написала огромный пост про разные типы метрик для BI как продукта. Вдохновленное материалами лучших специалистов по BI: Роман Бунин (Reveal the Data), Александр Бараков (Data Nature) и главного по аналитическим метрикам: Дмитрий Некрасов (JetMetrics).
Старалась охватить максимум, но все подряд измерять конечно же смысла нет. Что-то технически можно посчитать не в каждой BI, что-то будет сильно зависеть от уровня аналитической зрелости, как давно BI в компании и еще кучи всего. Тянет на еще один отдельный пост 🙈
Написала огромный пост про разные типы метрик для BI как продукта. Вдохновленное материалами лучших специалистов по BI: Роман Бунин (Reveal the Data), Александр Бараков (Data Nature) и главного по аналитическим метрикам: Дмитрий Некрасов (JetMetrics).
Старалась охватить максимум, но все подряд измерять конечно же смысла нет. Что-то технически можно посчитать не в каждой BI, что-то будет сильно зависеть от уровня аналитической зрелости, как давно BI в компании и еще кучи всего. Тянет на еще один отдельный пост 🙈
Forwarded from Это считается (Danila Nedbaev)
🎧 Новый выпуск подкаста - Разбираем критику и математику!
Друзья, сегодня мы углубимся в такие важные аспекты, как критическое мышление с точки зрения математики. Оказывается, сомнения — это не всегда плохо. Нужно ли разбираться глубже в теме, чтобы о ней судить? Как критически мыслить и оставаться объективным, когда навстречу приходит "невидимый дракон"?
🤔 Пригласили в гости Виктора Горбатова - настоящего мастера по критическому мышлению и аргументации. Он поделится, зачем аналитикам интеллектуальная скромность и мужество и как формула Байеса связывается с повседневной жизнью.
Почему критическое мышление не только выводит нас из тупиков, но и делает решения взвешенными? Отсылку с прошлого поста не считали, похоже. Вот разгадка. Спок своей вулканской логикой спасал команду. В нашем мире цифр и данных — это ваш главный союзник. 🖖
Следите за Виктором Горбатовым и его контентом. Ведь знаний много не бывает! 🧠🔥
🤔 Напишите в комментариях как вам новый выпуск? Делитесь случаями из жизни или рабочей практики, когда вам очень помогло критическое мышление?
Яндекс.Музыка
ВК
Apple Podcasts
Telegram-плеер
остальные платформы
Друзья, сегодня мы углубимся в такие важные аспекты, как критическое мышление с точки зрения математики. Оказывается, сомнения — это не всегда плохо. Нужно ли разбираться глубже в теме, чтобы о ней судить? Как критически мыслить и оставаться объективным, когда навстречу приходит "невидимый дракон"?
🤔 Пригласили в гости Виктора Горбатова - настоящего мастера по критическому мышлению и аргументации. Он поделится, зачем аналитикам интеллектуальная скромность и мужество и как формула Байеса связывается с повседневной жизнью.
Почему критическое мышление не только выводит нас из тупиков, но и делает решения взвешенными? Отсылку с прошлого поста не считали, похоже. Вот разгадка. Спок своей вулканской логикой спасал команду. В нашем мире цифр и данных — это ваш главный союзник. 🖖
Следите за Виктором Горбатовым и его контентом. Ведь знаний много не бывает! 🧠🔥
Яндекс.Музыка
ВК
Apple Podcasts
Telegram-плеер
остальные платформы
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Лаборатория данных (Таня Мисютина)
Новый совет о том, как я использую ГПТ и Курсор для визуализации: https://bureau.ru/soviet/20250709/
Бюро Горбунова
ИИ в проектах по визуализации данных
Таня, как ты используешь ИИ в проектах по визуализации данных?
Forwarded from Записки C3PO
Почему роадмапы с диаграммами Ганта — это самообман
Недавно на митинге увидел роадмап на полгода с диаграммой Ганта. Это один из лучших способов спровоцировать у меня бомбежку. Каждая фича была расписана по неделям, с зависимостями и milestone'ами. Могло показаться красиво и профессионально. Жаль только, что с реальностью это имело общего примерно столько же, сколько астрология с астрономией.
❌ Проблема не в диаграмме Ганта, а в головах
Основная проблема таких роадмапов — мы планируем output вместо решения проблем. Вместо того чтобы сфокусироваться на том, какую проблему решаем и как, мы детально расписываем, когда выкатим какую фичу. Это как планировать маршрут в тумане с точностью до метра.
📊 Математика планирования проста:
• Спринт (2 недели) — ~80-90% точности
• Квартал — ~60-70%
• Полгода и больше — астрология, а не планирование
📉 Почему диаграммы Ганта вредят продукту
Ложная детализация. Чем больше деталей в долгосрочном плане, тем больше иллюзия контроля. Но детализация ≠ точность.
Игнорирование неопределенности. Мы живем в мире неопределенности, а диаграммы Ганта создают видимость, что все предсказуемо.
Жесткость системы. Когда план детальный, его сложно менять. А менять приходится постоянно.
Фокус на процессе вместо результата. Команда начинает выполнять план ради плана, а не решать проблемы пользователей.
✅ Правильный подход: стратегическое мышление
Используйте принципы хорошей стратегии:
1️⃣ Диагностируйте корневую проблему — не симптомы. В чем реальная причина того, что не работает?
2️⃣ Выберите фокус — стратегия это в первую очередь выбор того, что НЕ делать. Максимум 3-5 ключевых ставок.
3️⃣ Определите принцип решения — не конкретные фичи, а подход. КАК будем решать проблему?
4️⃣ Используйте Now Next Later структуру:
🎯 Было vs Стало
❌ БЫЛО (планирование фич):
✅ СТАЛО (планирование результатов):
🔥 Диагноз: Конверсия из регистрации в активного пользователя упала с 35% до 22%. Основная проблема — пользователи не понимают ценность продукта в первые 5 минут.
⚡ Принцип решения: Сокращаем time-to-value — пользователь должен получить первую ценность максимум за 2 минуты после регистрации.
📅 Now Next Later:
▶️ NOW (2 спринта):
Убираем все лишнее из первого экрана, оставляем только ключевое действие. Цель: повысить конверсию в первое действие с 45% до 65%.
⏭️ NEXT (квартал):
Если гипотеза с упрощением сработает — строим персонализированный онбординг под разные пользовательские сегменты. Если нет — тестируем гипотезу про демо-контент.
🔮 LATER (полгода+):
Ставка на retention через выстраивание привычки использования. Конкретные механизмы определим после валидации текущих гипотез.
💡 Заключение
Примите неопределенность как данность. Лучше честно признать, что после квартала план — это гадание на кофейной гуще, чем красиво врать себе и стейкхолдерам детальными диаграммами.
Планируйте результаты и подходы, а не фичи и даты.
Недавно на митинге увидел роадмап на полгода с диаграммой Ганта. Это один из лучших способов спровоцировать у меня бомбежку. Каждая фича была расписана по неделям, с зависимостями и milestone'ами. Могло показаться красиво и профессионально. Жаль только, что с реальностью это имело общего примерно столько же, сколько астрология с астрономией.
❌ Проблема не в диаграмме Ганта, а в головах
Основная проблема таких роадмапов — мы планируем output вместо решения проблем. Вместо того чтобы сфокусироваться на том, какую проблему решаем и как, мы детально расписываем, когда выкатим какую фичу. Это как планировать маршрут в тумане с точностью до метра.
📊 Математика планирования проста:
• Спринт (2 недели) — ~80-90% точности
• Квартал — ~60-70%
• Полгода и больше — астрология, а не планирование
📉 Почему диаграммы Ганта вредят продукту
Ложная детализация. Чем больше деталей в долгосрочном плане, тем больше иллюзия контроля. Но детализация ≠ точность.
Игнорирование неопределенности. Мы живем в мире неопределенности, а диаграммы Ганта создают видимость, что все предсказуемо.
Жесткость системы. Когда план детальный, его сложно менять. А менять приходится постоянно.
Фокус на процессе вместо результата. Команда начинает выполнять план ради плана, а не решать проблемы пользователей.
✅ Правильный подход: стратегическое мышление
Используйте принципы хорошей стратегии:
1️⃣ Диагностируйте корневую проблему — не симптомы. В чем реальная причина того, что не работает?
2️⃣ Выберите фокус — стратегия это в первую очередь выбор того, что НЕ делать. Максимум 3-5 ключевых ставок.
3️⃣ Определите принцип решения — не конкретные фичи, а подход. КАК будем решать проблему?
4️⃣ Используйте Now Next Later структуру:
🎯 Было vs Стало
❌ БЫЛО (планирование фич):
Q1:
• Недели 1-3: Редизайн главной страницы
• Недели 4-6: A/B тест новых кнопок
• Недели 7-9: Интеграция с аналитикой
• Недели 10-12: Мобильная оптимизация
Q2:
• Недели 13-17: Новый онбординг
• Недели 18-22: Push-уведомления
✅ СТАЛО (планирование результатов):
🔥 Диагноз: Конверсия из регистрации в активного пользователя упала с 35% до 22%. Основная проблема — пользователи не понимают ценность продукта в первые 5 минут.
⚡ Принцип решения: Сокращаем time-to-value — пользователь должен получить первую ценность максимум за 2 минуты после регистрации.
📅 Now Next Later:
▶️ NOW (2 спринта):
Убираем все лишнее из первого экрана, оставляем только ключевое действие. Цель: повысить конверсию в первое действие с 45% до 65%.
⏭️ NEXT (квартал):
Если гипотеза с упрощением сработает — строим персонализированный онбординг под разные пользовательские сегменты. Если нет — тестируем гипотезу про демо-контент.
🔮 LATER (полгода+):
Ставка на retention через выстраивание привычки использования. Конкретные механизмы определим после валидации текущих гипотез.
💡 Заключение
Примите неопределенность как данность. Лучше честно признать, что после квартала план — это гадание на кофейной гуще, чем красиво врать себе и стейкхолдерам детальными диаграммами.
Планируйте результаты и подходы, а не фичи и даты.
👍2
Forwarded from Avito Data Tech
Привет! Я Настя, руковожу командой B2B-аналитики в Авито Товары.
Полгода назад мы столкнулись с проблемой: 28% задач в спринтах были адхоками, разовыми запросами, которые съедали время, но не давали реальной ценности. Мы снизили долю адхоков до 4%.
Расскажу, как мы этого добились и почему это важно для любого аналитика⬆️
Если в вашей команде тоже много адхоков — попробуйте self-service подход! А если хотите обсудить детали — welcome в комменты⬇️
Полгода назад мы столкнулись с проблемой: 28% задач в спринтах были адхоками, разовыми запросами, которые съедали время, но не давали реальной ценности. Мы снизили долю адхоков до 4%.
Расскажу, как мы этого добились и почему это важно для любого аналитика
Если в вашей команде тоже много адхоков — попробуйте self-service подход! А если хотите обсудить детали — welcome в комменты
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
Forwarded from Александр Садовский
#изменение_систем
Земмельвейс: врач, которого не слушали 30 лет (1/4)
Сложные системы меняются, когда они готовы к изменениям. Врач нашел способ спасать десятки тысяч женщин и оставался непонятым еще 30 лет из-за инерции системы.
Когда мы узнаем драматическую судьбу Игнаца Земмельвейса, сейчас нам очевидно — он герой. О нем снят фильм, написаны книги, его упоминает и Альтшуллер как пример выдающейся творческой личности. Но при жизни его не хотели слышать. Почему?
Он пробовал изменить слишком сложную и консервативную систему. Я писал недавно, как меняются такие системы. Думаю, что изложил слишком концентрированно и тема осталась непонятой. Поэтому перед тем, как ее развивать, приглашаю обсудить чуть детальней с примерами. Начну с истории врача, опередившего свое время, а потом поразмышляю, как он мог действовать иначе, если бы понимал инерцию системы, которую пытался изменить.
***
РОЖАТЬ НА УЛИЦЕ, ЛИШЬ БЫ НЕ В БОЛЬНИЦЕ
Сегодня мы воспринимаем возвращение матери с ребенком домой как что-то естественное. Но так было не всегда.
19 век. В роддомах Европы лютует «родильная лихорадка». Женщины предпочитают рожать в поездах и на улицах, лишь бы не попасть в больницу, а ложась туда, прощаются с родными так, будто идут на плаху.
Смертность в 10% считалась в Пруссии нормальной. От родильной лихорадки умерло больше, чем за то же время от оспы и холеры, вместе взятых.
В Вене самым ужасным был 1842 год — например, в декабре умерла 1/3 рожениц. В Праге обстановка была куда хуже — от родильной лихорадки умерло:
– в 1848 году – 37% рожениц,
– в 1849 – 46% рожениц,
– в 1850 – 53% рожениц.
И это заниженные данные, потому что многих рожениц с осложнениями, напоминавшими родильную лихорадку, переводили в другие отделения, и они не включались в статистику.
Существовало около тридцати теорий происхождения болезни. Ее связывали и с изменением состояния атмосферы, и с расположением клиник, а лечить пытались всем, вплоть до слабительного.
Казалось, что любой, кто откроет тайну страшной болезни, будет встречен овациями и прославлен навеки. Но реальность оказалась иной.
ОТКРЫТИЕ
В 1847 году 29-летний врач из Вены Игнац Земмельвейс открыл тайну родильной лихорадки. Сравнивая данные в двух различных клиниках, где в одной показатель смертности был 10-30%, а во второй — 2-4%, он искал отличия. В первой на занятиях студенты препарировали трупы, во второй акушерки занимались на муляжах. В остальном они были одинаковы. Но почему это отличие может влиять на смерти?.. Окончательным толчком к открытию стала смерть друга, Якоба Коллетшки, который случайно поранился скальпелем во время вскрытия и чьи симптомы болезни и смерти совпали с симптомами родильной лихорадки.
Земмельвейс соединил факты и понял, что нечто из трупа через скальпель или руки врача может попасть в кровь и привести к смерти. Он ввёл обязательное обмывание рук 4% раствором хлорной извести. Смертность в обеих клиниках упала до одного уровня в 1-2%.
Казалось бы, причина обнаружена. Решение найдено. Доказательство на практике есть. Впереди внедрение и слава, верно?
СОПРОТИВЛЕНИЕ
При жизни Земмельвейс так и не дождался внедрения своего изобретения. Он умер в 1865 году, а повсеместное внедрение антисептики в акушерстве началось только в конце 1870-х-1880-х годах. То есть спустя 25-30 лет.
Здесь хочется кричать от ужаса и непонимания: почему? Неужели они не видели и не понимали, сколько это смертей? Почему так долго?!
Вспоминаем, что система была сложной. Она состояла из врачей и их подготовки, из отношений с пациентами и их родственниками, из зданий и материальных активов, из способов финансирования и юридических аспектов. Самая инертная часть в этой системе была психология врачей.
Идея Земмельвейса, казалось им, оскорбляла честь врача: как руки врача, благородного спасителя, могут быть грязными и нести смерть? Она была воспринята как личное оскорбление. Врачи не могли принять, что они сами являются убийцами своих пациенток.
Идея требовала также признаться в некомпетентности авторитетных врачей тех времен, чьи теории шли вразрез с открытием Земмельвейса.
(см. продолжение)
Земмельвейс: врач, которого не слушали 30 лет (1/4)
Сложные системы меняются, когда они готовы к изменениям. Врач нашел способ спасать десятки тысяч женщин и оставался непонятым еще 30 лет из-за инерции системы.
Когда мы узнаем драматическую судьбу Игнаца Земмельвейса, сейчас нам очевидно — он герой. О нем снят фильм, написаны книги, его упоминает и Альтшуллер как пример выдающейся творческой личности. Но при жизни его не хотели слышать. Почему?
Он пробовал изменить слишком сложную и консервативную систему. Я писал недавно, как меняются такие системы. Думаю, что изложил слишком концентрированно и тема осталась непонятой. Поэтому перед тем, как ее развивать, приглашаю обсудить чуть детальней с примерами. Начну с истории врача, опередившего свое время, а потом поразмышляю, как он мог действовать иначе, если бы понимал инерцию системы, которую пытался изменить.
***
РОЖАТЬ НА УЛИЦЕ, ЛИШЬ БЫ НЕ В БОЛЬНИЦЕ
Сегодня мы воспринимаем возвращение матери с ребенком домой как что-то естественное. Но так было не всегда.
19 век. В роддомах Европы лютует «родильная лихорадка». Женщины предпочитают рожать в поездах и на улицах, лишь бы не попасть в больницу, а ложась туда, прощаются с родными так, будто идут на плаху.
Смертность в 10% считалась в Пруссии нормальной. От родильной лихорадки умерло больше, чем за то же время от оспы и холеры, вместе взятых.
В Вене самым ужасным был 1842 год — например, в декабре умерла 1/3 рожениц. В Праге обстановка была куда хуже — от родильной лихорадки умерло:
– в 1848 году – 37% рожениц,
– в 1849 – 46% рожениц,
– в 1850 – 53% рожениц.
И это заниженные данные, потому что многих рожениц с осложнениями, напоминавшими родильную лихорадку, переводили в другие отделения, и они не включались в статистику.
Существовало около тридцати теорий происхождения болезни. Ее связывали и с изменением состояния атмосферы, и с расположением клиник, а лечить пытались всем, вплоть до слабительного.
Казалось, что любой, кто откроет тайну страшной болезни, будет встречен овациями и прославлен навеки. Но реальность оказалась иной.
ОТКРЫТИЕ
В 1847 году 29-летний врач из Вены Игнац Земмельвейс открыл тайну родильной лихорадки. Сравнивая данные в двух различных клиниках, где в одной показатель смертности был 10-30%, а во второй — 2-4%, он искал отличия. В первой на занятиях студенты препарировали трупы, во второй акушерки занимались на муляжах. В остальном они были одинаковы. Но почему это отличие может влиять на смерти?.. Окончательным толчком к открытию стала смерть друга, Якоба Коллетшки, который случайно поранился скальпелем во время вскрытия и чьи симптомы болезни и смерти совпали с симптомами родильной лихорадки.
Земмельвейс соединил факты и понял, что нечто из трупа через скальпель или руки врача может попасть в кровь и привести к смерти. Он ввёл обязательное обмывание рук 4% раствором хлорной извести. Смертность в обеих клиниках упала до одного уровня в 1-2%.
Казалось бы, причина обнаружена. Решение найдено. Доказательство на практике есть. Впереди внедрение и слава, верно?
СОПРОТИВЛЕНИЕ
При жизни Земмельвейс так и не дождался внедрения своего изобретения. Он умер в 1865 году, а повсеместное внедрение антисептики в акушерстве началось только в конце 1870-х-1880-х годах. То есть спустя 25-30 лет.
Здесь хочется кричать от ужаса и непонимания: почему? Неужели они не видели и не понимали, сколько это смертей? Почему так долго?!
Вспоминаем, что система была сложной. Она состояла из врачей и их подготовки, из отношений с пациентами и их родственниками, из зданий и материальных активов, из способов финансирования и юридических аспектов. Самая инертная часть в этой системе была психология врачей.
Идея Земмельвейса, казалось им, оскорбляла честь врача: как руки врача, благородного спасителя, могут быть грязными и нести смерть? Она была воспринята как личное оскорбление. Врачи не могли принять, что они сами являются убийцами своих пациенток.
Идея требовала также признаться в некомпетентности авторитетных врачей тех времен, чьи теории шли вразрез с открытием Земмельвейса.
(см. продолжение)
👍3
Forwarded from Инжиниринг Данных (Dmitry)
Business_Intelligence_Engineer_Role_Guideline.pdf
466.7 KB
Гайд ролей BI разработчиков в Amazon
Forwarded from LLM под капотом
Качество - это траектория
Сталкивались с таким, когда допиливали своего агента, копилота или продукт с LLM под капотом?
Как я уже рассказывал, на этой неделе я был на саммите AI For Good ООН в Женеве. Через многие доклады и мастер классы красной линией проходила такая мысль:
Невозможность контролировать качество продукта - это одна из самых частых причин, по которой эти самые AI продукты проваливаются.
Эту статистику подтверждает и Asmaa EL Andaloussi
(Lead Enterprise Strategist & Architect из Леново) и Julien Weissenberg (AI Advisor в World Economic Forum).
Качество - это траектория. Инвесторов и пользователей волнует не столько точность ответов сегодня, сколько гарантии улучшения системы в следующие месяцы.
Я постоянно повторяю командам - прежде чем браться за разработку системы с LLM под капотом - придумайте, как вы будете оценивать качество и точность этой системы. Соберите первый тестовый датасет - качество прототипа на нем станет вашей базовой линией. Сделайте такую архитектуру, где можно будет измерять точность разных блоков, системно собирать отзывы пользователей и интегрировать их в датасет для улучшения качества всей системы.
Когда Asmaa рассказывала про внутреннюю кухню Perplexity (вы все знаете этот мультиагентный поисковик) она подчеркивала, что они сделали не просто работающую систему, а систему, которая может становиться лучше от релиза к релизу.
В общем, продуктов с LLM под капотом есть тьма. Любой студент может навайбкодить что-то правдоподобное на LangChain, векторной БД или паре промптов. Иногда оно даже будет работать.
Что отличает реально работающие продукты от поделок - возможность оценивать качество и планомерно его улучшать. Ведь quality is a trajectory.
Ваш, @llm_under_hood 🤗
Недавно мы подкручивали промпт в нашем проекте. После изменений система стала работать лучше, но пользователи начали жаловаться. Поправили там, но сломалось где-то ещё.
Сталкивались с таким, когда допиливали своего агента, копилота или продукт с LLM под капотом?
Как я уже рассказывал, на этой неделе я был на саммите AI For Good ООН в Женеве. Через многие доклады и мастер классы красной линией проходила такая мысль:
Невозможность контролировать качество продукта - это одна из самых частых причин, по которой эти самые AI продукты проваливаются.
Эту статистику подтверждает и Asmaa EL Andaloussi
(Lead Enterprise Strategist & Architect из Леново) и Julien Weissenberg (AI Advisor в World Economic Forum).
Качество - это траектория. Инвесторов и пользователей волнует не столько точность ответов сегодня, сколько гарантии улучшения системы в следующие месяцы.
Я постоянно повторяю командам - прежде чем браться за разработку системы с LLM под капотом - придумайте, как вы будете оценивать качество и точность этой системы. Соберите первый тестовый датасет - качество прототипа на нем станет вашей базовой линией. Сделайте такую архитектуру, где можно будет измерять точность разных блоков, системно собирать отзывы пользователей и интегрировать их в датасет для улучшения качества всей системы.
Когда Asmaa рассказывала про внутреннюю кухню Perplexity (вы все знаете этот мультиагентный поисковик) она подчеркивала, что они сделали не просто работающую систему, а систему, которая может становиться лучше от релиза к релизу.
В общем, продуктов с LLM под капотом есть тьма. Любой студент может навайбкодить что-то правдоподобное на LangChain, векторной БД или паре промптов. Иногда оно даже будет работать.
Что отличает реально работающие продукты от поделок - возможность оценивать качество и планомерно его улучшать. Ведь quality is a trajectory.
Ваш, @llm_under_hood 🤗
👍1
Forwarded from Data Whisperer
MCP for Beginners
Бесплатный курс по MCP для начинающих от Microsoft.
В курсе есть актуальный перевод на русский язык.
Так же в примерах используются разные языки программирования.
Бесплатный курс по MCP для начинающих от Microsoft.
В курсе есть актуальный перевод на русский язык.
Так же в примерах используются разные языки программирования.
GitHub
GitHub - microsoft/mcp-for-beginners: This open-source curriculum introduces the fundamentals of Model Context Protocol (MCP) through…
This open-source curriculum introduces the fundamentals of Model Context Protocol (MCP) through real-world, cross-language examples in .NET, Java, TypeScript, JavaScript, Rust and Python. Designed ...
Forwarded from Модель атрибуции
Дашбордов — море, решений — ноль. Почему аналитика не работает?
Еще одна крайность – Data Driven-религия. В компании десятки дашбордов, сотни метрик, Looker, Power BI, Superset. А решения всё равно принимаются «на глаз».
Рассказываю реальный кейс
На демо обсуждают показатель отказов, CTR ретаргета и обновления на лендинге у конкурентов. Иногда даже открывают дашборды. Чаще нет.
Проблема?
Цифры есть — действий нет.Аналитика превращается в декорацию: показали, покивали, закрыли. BI-среда работает, но маркетинг — по чуйке.
Я своими глазами видел дашборд с 15+ графиками и нулём конкретных решений. Почему так?
Потому что:
Нет вопроса → нет решения → нет пользы от отчета. И никто не понимает, зачем нужна половина этих графиков.
Что делать:
1. Начинать с вопроса, а не с графика. Не «CTR ретаргета», а «Какие решения мы планируем принимать?».
2. Удалять метрики, которые не понятны и не используются. Безжалостно,
3. Смотреть на встречах только те отчёты, по которым можно что-то предпринять. Остальные – в топку.
4. Делить дашборды на:
– стратегические (для условных OKR),
– операционные (для процессов),
– тревожные (для аномалий).
Не можете отнести отчет к одной из категорий? В топку.
5. Фиксировать решение по каждому отчёту в пояснительной записке или meeting-review. Нет предполагаемых решений — нет необходимости в таком репорте.
Зрелость аналитики — это не количество графиков, а то, что каждый из них ведёт к действиям.
Подумайте прямо сейчас, какие из ваших дашбордов вы можете отправить в топку?
Если вы хотите научиться работать с отчетами, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.
@marketing_analysis
Еще одна крайность – Data Driven-религия. В компании десятки дашбордов, сотни метрик, Looker, Power BI, Superset. А решения всё равно принимаются «на глаз».
Рассказываю реальный кейс
На демо обсуждают показатель отказов, CTR ретаргета и обновления на лендинге у конкурентов. Иногда даже открывают дашборды. Чаще нет.
Проблема?
Цифры есть — действий нет.Аналитика превращается в декорацию: показали, покивали, закрыли. BI-среда работает, но маркетинг — по чуйке.
Я своими глазами видел дашборд с 15+ графиками и нулём конкретных решений. Почему так?
Потому что:
Нет вопроса → нет решения → нет пользы от отчета. И никто не понимает, зачем нужна половина этих графиков.
Что делать:
1. Начинать с вопроса, а не с графика. Не «CTR ретаргета», а «Какие решения мы планируем принимать?».
2. Удалять метрики, которые не понятны и не используются. Безжалостно,
3. Смотреть на встречах только те отчёты, по которым можно что-то предпринять. Остальные – в топку.
4. Делить дашборды на:
– стратегические (для условных OKR),
– операционные (для процессов),
– тревожные (для аномалий).
Не можете отнести отчет к одной из категорий? В топку.
5. Фиксировать решение по каждому отчёту в пояснительной записке или meeting-review. Нет предполагаемых решений — нет необходимости в таком репорте.
Зрелость аналитики — это не количество графиков, а то, что каждый из них ведёт к действиям.
Подумайте прямо сейчас, какие из ваших дашбордов вы можете отправить в топку?
Если вы хотите научиться работать с отчетами, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.
@marketing_analysis