Как подступиться к большой задаче аналитику

14 способов развить аналитическое мышление

Человек наделён несколькими типами мышления, но один всегда преобладает над остальными. Аналитическое мышление — последовательное. Люди, склонные к нему, обрабатывают большой блок информации, разделяя его на основные части и поэтапно исследуя каждую составляющую. Для этого они также должны обладать и развитым логическим мышлением.

Аналитическое мышление подразумевает поиск новой информации, её изучение и систематизацию, а также выводы, сделанные на основе полученных данных.

Такой тип мышления требует фактов, детальной проработки вопроса, акцента на мелочах, умения сопоставлять данные и делать выводы. Когда мы говорим о математическом складе ума, подразумеваем именно склонность к аналитическому мышлению.

Человек с аналитическим типом мышления должен уметь:

собирать информацию;
работать с большим объёмом данных;
разделять общую информацию на составные части по определённым критериям;
сравнивать данные и находить взаимосвязи;
объективно оценивать информацию;
мыслить логически;
излагать мысли последовательно;
работать с фактами;
правильно расставлять приоритеты, отделяя главное от второстепенного;
мыслить критически (подвергать полученную информацию сомнению);
искать альтернативные варианты;
делать выводы.

Чем полезно аналитическое мышление

Хорошо развитое аналитическое мышление позволяет своевременно и эффективно справиться даже с самой сложной задачей и найти несколько возможных вариантов её решения.

Человек с преобладающим аналитическим мышлением принимает обдуманные и взвешенные решения, умеет планировать и давать прогнозы своей деятельности.

Сотрудники, наделённые такими качествами, высоко ценятся в компаниях. В любой профессиональной области умение быстро находить достойный выход из сложной ситуации будет преимуществом. К слову, эта способность пригодится и в повседневной жизни.

Как развить аналитическое мышление

Аналитическое мышление можно тренировать и развивать.

1. Решайте логические задачки

Для аналитического мышления важна логика. Если это ваша слабая сторона, то начните тренироваться. Выбирайте сперва простые задачки, постепенно двигаясь к сложным.

2. Решайте математические примеры

Найдите учебник по математике и вспомните школьные годы. Выбирайте сложные примеры, в которых есть переменные величины.

3. Разгадывайте кроссворды

А когда за плечами будут сотни решённых, попробуйте сочинить свой. Это довольно сложно.

4. Решайте головоломки

Собирайте пазлы, разгадывайте ребусы или попробуйте собрать кубик Рубика.

5. Играйте в шахматы

Найдите соперника и вспомните правила игры. Шахматы — отличный тренажёр для аналитического мышления.

6. Читайте книги

Можно выбрать детективы, например, о Шерлоке Холмсе, художественную или специализированную литературу. Задавайте вопросы: почему герой поступил именно так в этой ситуации, что можно было бы сделать ещё?

7. Анализируйте ситуации из повседневной жизни

Тренируйте критическое мышление, сомневайтесь, ищите факты и новую информацию, когда смотрите новости или читаете книгу. Обращайте внимание на детали, смотрите на вещи под новым углом и ищите неочевидные взаимосвязи между самыми разными предметами, сопоставляйте факты.

8. Узнавайте что-то новое каждый день

Выберите тему, которая вам интересна, и находите по одному факту о ней в день.

9. Ищите альтернативы

Не останавливайтесь на одном варианте решения проблемы — ищите ещё. Подумайте, что вы могли упустить, обработайте информацию несколько раз и сделайте выводы.

10. Участвуйте в дискуссиях

Обсуждайте книги, фильмы, исторические события — всё что угодно. Вы услышите мнение другого человека и сможете поделиться своим об одном и том же событии, привести аргументы и потренироваться в последовательном изложении мыслей. Попросите собеседника об обратной связи: пусть расскажет, насколько ваши аргументы были убедительны, а мысли — последовательны.

11. Спрашивайте себя, как устроены окружающие вас предметы

Задавайте себе вопросы о вещах, которые вас окружают, или ситуациях, с которым сталкиваетесь. Почему так происходит, как это работает, из-за чего случается? Отвечайте на них, но не ищите лёгких путей. Разберитесь в проблеме и дайте себе исчерпывающий ответ.

12. Создайте карту мыслей

Интеллект-карта, карта мыслей, ментальная карта (mind map) — это способ визуализации мыслительного процесса. Механика простая: у вас есть ключевая мысль, которую вы ставите в самый центр карты. Пусть это будет «Развитие аналитического мышления». К ней вы добавляете связанные по смыслу или значимости элементы, например: методы развития, трудности, причины — всё, что кажется вам важным. Затем дополняете карту новыми ассоциативными рядами от каждого элемента. И перед вами появляется картина вашего мыслительного процесса.

Создать такую карту можно на компьютере, телефоне или планшете при помощи специальных инструментов. Но можно взять и обычный лист бумаги (будьте готовы, что места может не хватить).

13. Записывайте

Ведите ежедневник, в который записывайте свои цели, способы их достижения и результаты. Проводите работу над ошибками, если цели достичь не удалось. Ищите причины и анализируйте.

14. Моделируйте ситуации

Придумайте любую ситуацию, в которой есть проблема, и попробуйте эту проблему устранить. Разработайте алгоритм действий и не останавливайтесь на одном решении — ищите ещё.

Выполняйте упражнения для мозга ежедневно — большинство из них занимают не так много времени и не требуют особых условий. Вы сможете развить аналитическое мышление, если будете соблюдать регулярность и ставить себе сложные задачи.

Как подступиться к большой задаче аналитику

И целого проекта мало — как системному аналитику собрать побольше опыта и не сойти с ума

Предположим, вы в системных аналитиках недавно, например, на позиции джуна. Вы уже представляете, в чем заключается работа, и планируете развиваться в этой сфере. Еще с вами багаж общих IT-знаний, умение гуглить и/или грамотный ментор.

Через какое-то время вы осваиваетесь в изначальном проекте. Но системная аналитика, как оказалось, штука очень интересная. Поэтому вы начинаете искать, во что бы еще вляпаться — чтобы накопить больше разнообразного опыта. Компания идет навстречу и доверяет вам еще пару проектов в обмен на обещание, что качество и сроки не пострадают.

Вы принимаете условия и ввязываетесь в челлендж.

Что-то похожее когда-то происходило и со мной: становление как специалиста, желание этот процесс ускорить, постоянное поглощение информации на тему системного анализа и так далее.

Проходя по шагам процесса, я собрала свои шишки и плюшки. Поскольку учиться на своем опыте — это хорошо, а на чужом — уже следующий уровень, я бы хотела своим опытом поделиться. Возможно, кто-то, кто находится в похожей ситуации, найдет те или иные практики и подходы полезными.

А вдруг даже маститые системные аналитики увидят что-то через мой опыт под новым углом ��

N.B. Замечание выше про технические навыки было важным. Эта статья больше про развитие soft skills. Случаи, когда базовых hard skills нет совсем, здесь не рассматриваются.

Задача

Получить максимум пользы и опыта от нескольких проектов, не заставив страдать последние. И, конечно, сохранив свое собственное ментальное здоровье.

Стратегия

Принять ограничения, на которые нельзя повлиять.

Найти время и не тратить его впустую.

Подстроить темп развития под рабочие задачи.

Принимаем ограничения

В этом разделе примем следующее:

Вы напишете ерунду — в большей или меньшей степени
Заранее соглашаемся со своими ошибками

Объять необъятное — не самая лучшая идея
Отказываемся от идеи познать все на проекте

Вы напишете ерунду — в большей или меньшей степени

Стоит сразу принять то, что ваши первые N постановок будут. не слишком хороши. Это связано как с пониманием и привыканием к техническому стеку, так и с выработкой собственного стиля постановок, соответствующего принятому на проекте.
И это норма!

Старшие коллеги были на вашем месте и прекрасно понимают, что новичку приходится непросто (а если коллеги не понимающие — то зачем вообще такие коллеги?). На старте работы в вас ищут мысли по решению проблемы, а не конкретные и точные ответы.

Стоит заранее принять возможные ошибки, подготовиться к уточнениям со стороны разработки и/или бизнеса и впитывать-впитывать-впитывать. Хорошая новость — корректировать постановки придется всегда, даже когда вы станете продвинутым аналитиком. Регулярная перетасовка требований — это часть суровой реальности нашей работы.

Объять необъятное — не самая лучшая идея

Начинающие аналитики зачастую не понимают, как можно решать задачи без всех вводных.
Вот как-то так, с некоторой постоянной степенью неопределенности и придется дальше жить свою рабочую жизнь. Даже если проект новый, то, что вы не знаете, будет присутствовать всегда. Не говоря уже о проекте, который развивался длительное время до вашего прихода.

Если хочется узнать больше о системах как таковых, в том числе, чтобы понять, откуда же такой уровень неопределенности, можно ознакомиться с книгой Джозефа О’Коннора «Искусство системного мышления: необходимые знания о системах и творческом подходе к решению проблем».

Попытка узнать о проекте сразу все, вплоть до конкретных связей в базе данных, ни к чему хорошему не приведет. Скорее всего, вы не успеете переработать такой объем информации, запутаетесь и привнесете хаос в постановки и работу всей команды.

Для себя я выбрала проблемно-ориентированный способ исследования системы (problem-oriented research) — есть конкретная задача, для ее решения необходимы конкретные знания. Таким образом, проект постигается постепенно, без перегрузок мозга. Да, иногда мне приходится говорить: «Я не знаю», затем идти за уточнениями, но это естественная часть обучения и погружения в проект.

Ищем время

Попробуем найти время, работая с такими моментами, как:

Отказать нельзя работать
Адекватно оцениваем свои силы и не боимся про это говорить

Не изобретать велосипед, если это возможно
Изучаем типовые практики на проекте

Боль или не боль
Копаемся в первопричинах поставленных задач

Семь раз перечитай, один раз согласуй
Пишем грамотные постановки сразу

Спасение утопающего — дело рук аналитика
Решаем потенциальное непонимание в момент его появления

Больше решительности → меньше митингов
Берем на себя ответственность

Шаблонизировали, шаблонизировали да и вышаблонизировали
Облегчаем создание постановок

Отказать нельзя работать

Как бы вам не хотелось прыгнуть выше головы, спокойно и взвешенно обдумайте, сколько задач/проектов вы можете вести одновременно — и правильно поставьте запятую в предложении из заголовка. Самое страшное — стать заложником идеи «Чем больше задач я возьму, тем лучше я покажу свою мотивацию».

Это, конечно, прекрасно, только вот вашему руководству нужен качественный результат и продуктивный работник, у которого не слипаются глаза от переработок в ночи. Будьте честными перед собой и начальством. Не потянете — не влезайте, успеете еще поучаствовать в проектном марафоне ��

Разберу на своем примере. Грамотно распределить силы между тремя проектами мне больше всего помогли три основных фактора:

все проекты на разной стадии развития;
А это означает, что и вовлечение аналитика везде разное. Потянуть несколько проектов в активном развитии было бы нереально.

проекты построены на схожей архитектуре;
Мне не пришлось вникать сразу в три разных технологических стека.

над первым проектом я уже работала больше полугода.
Т.е. представление архитектуры какое-никакое, но присутствовало, вместе с пониманием взаимодействия с разработкой и бизнесом.

Не изобретать велосипед, если это возможно

На проекте скорее всего уже существует набор гласных и не очень договоренностей относительно того, как что-то схожее необходимо разрабатывать. Это могут быть мелочи, например, snake_case или camelCase принят в наименованиях параметров. Или что-то покрупнее, например, способы вывода информации на UI. И знание таких «правил» сильно облегчает аналитику работу — достаточно ориентироваться на них. Плюс ко всему это поддерживает систему в унифицированном виде. Здесь совершенно не имеется в виду, что предлагать новых решений не нужно совсем — но предложения должны быть разумными и обоснованными.

Боль или не боль

Еще один хороший способ разгрузить себя — думать о том, что на самом деле болит у пользователя. Разберу на примере.

Клиент звонит в техподдержку и требует подробный кастомизированный отчет по опаздывающим сотрудникам — их стало слишком много. Нужные данные в системе есть, поэтому сотрудник техподдержки заводит задачу на разработку.
Разработка видит, что ни требований, ни чего-то подобного им нет, и призывает на помощь аналитика.

Аналитика настораживает нетипично большое число опаздывающих, поэтому он просит задать клиенту несколько уточняющих вопросов.

В итоге выясняется, что у клиента сломано считывающее устройство для пластиковых карт на входе в офис, поэтому часть информации о проходах не фиксируется в системе.

Стандартная процедура ремонта считывателя решает проблему клиента, и необходимость индивидуального отчета отпадает. Гипотетически, можно рассмотреть возможность информирования техника или иного ответственного лица о неисправности считывателя, но это не всегда реализуемо в силу технических особенностей взаимодействия считывателя с системой контроля доступа.

Да, хороший аналитик — немного сотрудник техподдержки, докапывающийся до истинной причины хотелок.

Когда кто-то приходит с идеей — хорошая практика взять время на «подумать». Можно посоветоваться с более опытными коллегами, если вы еще не готовы сами провести исследование на выявление болячки. Возможно, озвученное требование заказчика не является первопричиной его обращения.. В конце концов, это время на «подумать» окупится более рациональным решением проблемы, а как бонус — заказчик станет даже счастливее, т.к. его истинная проблема решена.

Семь раз перечитай, один раз согласуй

У аналитиков есть две крайности при написании постановок.

Первая — написать хоть что-то, чтобы быстрее согласовать. А подробностями наполнять в ходе разработки и тестирования. Этот подход в большей мере отвечает гибким методологиям разработки. Вторая — сразу написать качественную постановку с необходимой степенью детализации.

На моей практике были проекты и с тем, и с другим вариантами. И, по моим прикидкам, написать один раз подробно или много раз дописывать — занимает одно и то же время. Только при постоянном переписывании вы не можете оторваться от сопровождения разработки и заняться другими задачами/проектами.

Мне кажется, что между «напиши сразу с подробностями» и «напиши идею, а там разберемся» много промежуточных точек, этакий спектр возможных написаний постановок. И в какой точке этого спектра остановиться — задача многопараметрическая, в нее входят, например, квалификация аналитика и разработчиков, релизная политика и так далее. Создание постановки под конкретный проект — это умение выделить ту часть спектра, которая полезна в конкретной ситуации. Для себя я выбрала левую часть этого спектра — потому что мне комфортнее тратить меньше времени на сопровождение разработки и тестирования, и я справляюсь с созданием постановок с нужной степенью детализации в установленные сроки. К сожалению, это не означает, что я никогда не исправляю и не дополняю ��

Спасение утопающего — дело рук аналитика

На согласовании постановок полезно быть внимательным к реакциям членов команды. Обычно по голосу и тону вопроса можно понять, что человек не уверен в предлагаемых решениях и/или не понял, в чем они заключаются. Если непонимание относится к предлагаемому в постановке или бизнес-смыслу процесса, аналитику стоит сразу прийти на помощь. Как вариант — отдельно созвониться с коллегой после согласования. Чем отчетливей каждый член команды понимает что мы делаем, зачем и почему именно так — тем проще будет идти сопровождение разработки и тестирования.

История о подобном «понимании» людей — это история об эмоциональном интеллекте. Книг и статей по нему очень много, как одну из базовых выделю Дэниела Гоулмана «Эмоциональный интеллект. Почему он может значить больше, чем IQ»

Но спасая других, важно не забыть спасти и себя, когда понадобится. Если предложенное коллегами решение хоть сколько-то непонятно, нужно обязательно разобраться: изучить источники, найти примеры, расспросить автора идеи. До тех пор, пока не получится связно рассказать решение своими словами.

Больше решительности → меньше митингов

Аналитик должен иметь смелость принять на себя ответственность за решения — особенно спустя некоторый срок работы на проекте. Если хочется оградить себя от возможных проблем фразой: «Я сделал это так, потому что это подтвердил Ваня Иванов» — лучше не ходить в аналитику. Стоит понимать, что на вас также есть ответственность, и разумно ею распоряжаться.

Однако, эта ответственность имеет и свои преимущества. Если вы понимаете, как должно отрабатывать то или иное решение, грамотно зафиксировали замечания более опытных коллег в постановке и готовы отвечать за эту постановку — вам не нужны постоянные митинги и досогласования. Избавиться от них совсем не выйдет, но самостоятельно принять решение о переименовании параметра вполне можно.

Шаблонизировали, шаблонизировали да и вышаблонизировали

Скорее всего, на проекте, на который вы попали, уже есть устоявшиеся способы описания какого-либо функционала, например, методов API. Такие шаблоны сильно сокращают время создания постановок, и, зачастую, в них уже заложены типовые вопросы от разработки — вам достаточно грамотно заполнить шаблон, и вопросов к вам от тех, кто будет работать по вашей постановке будет меньше.

В процессе можно нарабатывать и свои шаблоны. К примеру,у вас есть периодическая задача реализации загрузки документов нового для системы формата. А это означает, что нужно добавить шаблоны документов на backend и вывести их на UI с корректными названиями. Поскольку набор действий всегда одинаковый, можно оформить себе шаблон, который будет кочевать из постановки в постановку.

Также полезно спросить других коллег-аналитиков на предмет таких шаблонов и не забывать делиться своими ��

Развиваемся

Аналитическое Что? Где? Когда?
Учимся постоянно задавать вопросы

Не «сложно», а «нужно подумать»
Соглашаемся принимать челленджи

Любопытство — не порок
Ищем пути улучшения

Аналитическое Что? Где? Когда?

Эти и другие открытые вопросы должны сопровождать аналитика на ранних этапах деятельности. Поначалу, аналитик, особенно начинающий, сам не предлагает способы решения задач — он собирает материал, разбирается, уточняет у ответственных за функционал, как это лучше решить.

И в момент таких уточнений и сбора информации, придется побыть надоедливым. Полезно спрашивать, что мы хотим иметь на выходе, зачем использовать такие технологии, почему принято подобное решать именно так и так далее, и так далее. Спрашивать у всех — от дизайнера до архитектора. Учиться по книжкам и статьям хорошо, но реальный рабочий опыт этого не заменит — так почему же не взять во внимание и чужой опыт?

P.S Конечно, здесь нужна разумная балансировка — не стоит уматывать коллег раньше времени ��

Не «сложно», а «нужно подумать»

Не отказывайтесь от задач, которые представляют для вас некоторый челлендж в плане решения. Да, страшно. Да, сложно. Но сидение на однообразных понятных задачах никогда не поможет вам вырасти. Скорее всего, если вам предлагают задачу, то верят, что вы с ней справитесь, пусть и не совсем самостоятельно.

Любопытство — не порок

….а главное преимущество развивающегося аналитика. Причем не только в сфере технологий, которые вы используете на проекте.

В книге Джули Дирксен про обучение получение новых знаний человеком сравнивалось со складыванием вещей в шкаф.

Новое знание — огромная куча вещей, и от того, как хорошо вы разложите их в шкаф, будет зависеть, насколько хорошо вы усвоите материал. А вот полочки в шкафу — это предыдущий бэкграунд. Чем он богаче — тем больше полочек у вас есть и тем больше шансов разложить вещи грамотно с первого раза. Поэтому проявлять любопытство полезно, ни в коем случае не ограничивая себя изучением технологического стека. В принципе, это полезно не только аналитику ��

Вместо вывода

Каждый аналитик в процессе работы накапливает выводы и способы решения всяких проблемных ситуаций. Это и есть опыт! У каждого он свой, и шишки набивать бывает полезно. Но, как сказано выше, учиться на чужих ошибках и открытиях часто безболезненнее.

Иногда самые очевидные вещи укладываются в голове и приживаются в практике, только когда прочтешь или услышишь их от кого-то.

Очень здорово, если вы нашли для в статье полезные для себя подходы: научились смирению (с ограничениями �� ), поняли как беречь время или увидели пути развития.

Мои согласования обычно заканчиваются фразой «Вопросы, предложения, угрозы?»
Так и здесь, если у вас есть проверенные практики, положительный и негативный опыт, вы категорически (не)согласны с материалом статьи — буду рада всем дискуссиям в комментариях!

Продвигаем сайт, делаем ремонт и выбираемся с Марса

Случалось ли вам застывать в ступоре, столкнувшись с задачей, которая кажется необъятной, из разряда «не знаю, как подступиться»? Помните желание опустить руки и притвориться, что этой задачи и нет вовсе? И пусть с ней разбирается кто-нибудь другой, ведь вы в герои не записывались.

Но зачастую героем быть и не нужно. Большая задача далеко не всегда означает «сложная». И вам под силу с ней справиться. Сегодня подскажем несколько полезных приемов для решения больших задач.

Большой не значит сложный

Чтобы было нагляднее, возьмем три примера:

Продвигаем сайт

Рабочий
Вы менеджер, и вам дали задание продвинуть сайт своей компании

Делаем ремонт

Жизненный
Вы хотите сделать ремонт в комнате сына

Выбираемся с Марса

Фантастический
Вы Марк Уотни, и вас забыли на Марсе (подробности здесь)

1. Главное – начать, а там пойдет

Подходит в трех ситуациях:

1.1. Не знаете, как подступиться к задаче

Никто и не говорил, что начинать нужно с начала. Начните с середины, с конца, с чего угодно. Начните с того, что знаете, а там разберетесь и с остальным.

Не знаю, с чего нужно начать, но слышал, что важно следить за статистикой сайта, чтобы понять, успешно или нет идет продвижение.

Пока поставлю Метрику и Analytics на сайт, а там посмотрю.

А, еще где-то читал, что есть сервисы, чтобы позиции сайта смотреть – там тоже зарегистрируюсь.

На время ремонта надо бы куда-то «переселить» сына, но с нами в комнате ему будет тесновато.. Да еще и мебель надо старую продать/отдать, а новую купить (но не на что). Пока не знаю, как это решить.

Начну с того, что посчитаю, сколько потребуется материалов (и денег). И нарисую план расстановки будущей мебели (хоть ее пока и нет).

Сначала бы хотелось наладить связь с Землей, но я еще не придумал, как это сделать.

Зато нашел в жилом модуле земную почву и 10 картофелин. Займусь обустройством плантации (не зря же я на ботаника учился). Хотя не знаю, где взять достаточное количество воды для ее полива – буду думать в процессе.

1.2. Задача большая, взваливать на себя такой груз просто лень

Начните с чего-то простого – составьте план, узнайте цены, посоветуйтесь с друзьями. Покажите миру, что вы уже начали что-то делать – всё, теперь вам не отвертеться, мир ждет продолжения =). Кроме того, бросить дело, к которому вы уже приложили руку, несколько сложнее, чем то, за которое и не брались.

Продвижение сайта – процесс небыстрый, местами скучный, местами непонятный.

Ладно, поищу пока в сети, как вообще люди это делают, посмотрю пару вебинаров, скачаю каких-нибудь бесплатных книжек.

И создам папку на рабочем столе «Продвижение сайта», а в ней файл «План.docx».

Ремонт нельзя закончить, его можно только начать – пугающая фраза =(

Ладно, пойдем с женой посмотрим обои и мебель, зафотаем, что понравится. По пути забежим узнаем про натяжные потолки. И про окна.

Нда.. Шансы выбраться – 1 к 1000000. Следующая экспедиция окажется на Марсе через 4 года, а у меня еды только на 1 год. Есть ли смысл вообще пытаться.

Ладно, пойду запишу в видеоотчет, что меня забыли на Марсе (может, когда-нибудь его кто-нибудь и посмотрит). Затем проведу ревизию, что у меня вообще есть из еды, вещей, инструментов, техники.

1.3. Опасаетесь, что не справитесь с задачей

У Рэя Бредбери есть фраза: «Главное, прыгнуть с обрыва – по пути вниз у вас обязательно вырастут крылья». Кажется несколько жестоким, но зачастую это действительно срабатывает. Если отступать уже некуда, мозг начинает с удвоенной силой искать решение. Взятое обязательство стимулирует найти решение задачи.

Может, и не браться вообще. Сайт у компании древний, его только переделывать на полгода возни. А потом еще и продвигать. А если не получится, по головке не погладят.

С другой стороны, я могу (если постараюсь) из никому не нужного «сайта-динозавра» сделать классный «сайт-помощник», который и клиентам нашим будет помогать, и компании приносить прибыль.

Мне морально приятно. Думаю, что и премию заработаю. А там на место маркетолога можно пробиться, если действительно в это втянусь.

А если не хватит денег, времени. А если плохо сделаю =( А сыну там потом лет 7 жить.

Хм, но и оставлять как есть не хочется, ему ж там еще лет 7 жить..

С другой стороны, у жены брат сам дом себе строит – уж точно в совете не откажет, а на какие-то работы и парочку строителей своих одолжит.

Улетая, ребята не спросили меня, хочу ли я остаться на Марсе. Возможно, потому, что видели, как меня сбило огромной тарелкой связи и унесло в марсианскую пустыню, а биометрия скафандра показала отсутствие жизни? Или я им просто не нравился?

Но даже здесь есть выбор. Я могу просто выйти из жилого модуля и снять шлем скафандра. А могу попробовать что-то придумать.

2. «Пилим» на кусочки

Собственно, с этого и надо начинать. Зафиксируйте точку А – что у вас есть сейчас, и точку Б – что хотите получить в итоге. Шагнуть одним большим шагом из точки А в точку Б не выходит (иначе задача и не казалась бы вам большой), поэтому надо разбить весь путь на небольшие шаги.

Возьмите листок бумаги (или откройте ворд) и запишите то, чего вам не хватает для попадания в точку Б. Не беспокойтесь о правильной последовательности, просто пишите все, что приходит в голову.

Ну что ж, точка А – сайт, созданный лет 10 назад, с кучей старых страниц и разделов. Контент либо устарел, либо неуникален. Товаров много, но далеко не все есть в наличии. У многих вообще нет описаний и фото.

Точка Б – сайт с современным дизайном, показывающим стабильность компании. Актуальные товары с подробными описаниями/фото/ценами. Не обязательно все товары, как минимум – самые популярные. Сайт прост в использовании, нравится пользователям, его советуют друзьям.

– Убрать неактуальные товары, добавить актуальные с полными описаниями

– Зафотать красиво товары

– Снять видео хотя бы о 3-4 товарах

– Пересмотреть структуру сайта, убрать ненужные разделы, может, что-то добавить

– Поменять дизайн сайта

– Продвигаться в органике (Яндекс + Google)

– Запустить рекламу (может, какую-нибудь акцию?)

– Отслеживать статистику (перед руководством же еще отчитываться)

Точка А – комната 16 квадратов в обычной панельной двушке. Старые обои, старая потолочная плитка, старые радиаторы, старые окна, короче, старое все. Не убитое, но и не новое. Хотя бы полы залиты бетонной стяжкой – большой плюс.

Точка Б – комната 16 квадратов, удобная, светлая, оригинальная, для мальчика.

– Убрать старую мебель, вещи

– Снять старые обои, потолки, линолеум и пр.

– Поменять окна, батареи, дверь

– Натяжной потолок (хотя лучше подвесной + встроенные светильники)

– Обои, линолеум, ковер (с коротким ворсом)

– Шведская стенка (чтобы с турником обязательно)

– Кровать/ шкаф/ компьютерный стол (что-нибудь в пиратском стиле)

Точка А – Марс. Точка Б – Земля.

– Еда, вода на 4 года

– Добраться до кратера Скиапарелли, куда приземлится следующая экспедиция

3. Нам нужен план

Теперь возьмите получившиеся «шаги» и расставьте их в правильном порядке, чтобы шагать вперед, а не туда-сюда или по кругу. На первое место ставьте шаги, без которых невозможно выполнение каких-либо других шагов (чтобы не тратить зазря время на то, до чего дело может и не дойти).

При составлении плана обязательно проставьте сроки. Пусть они будут приблизительными и могут измениться в процессе решения задачи, но они станут вашим ориентиром. Ставьте сроки с запасом, чтобы самому же не попасть потом в состояние вечного аврала. Получится справиться раньше – вот и отлично, сделаете точно в срок – тоже хорошо.

Получившийся план можете повесить на холодильник/стенку и с гордостью вычеркивать выполненные пункты. Вы будете видеть и сколько уже сделали («какой я молодец – столько сделал»), и сколько еще осталось («ну вот же совсем немного осталось»).

1. Определить метрики/цели и зафиксировать показатели на текущий момент – до 5 сент.

2. Продумать новую структуру – до 10 сент.

3. Подготовить контент под новые разделы – до 30 сент.

4. Удалить старые товары – до 30 сент.

5. Убрать старые разделы – до 30 сент.

6. Нарисовать/ сверстать новый дизайн – до 20 окт.

7. Заменить дизайн на сайте – до 1 нояб.

8. Создать новые разделы, сверстать, заполнить – до 20 нояб.

9. Техническая оптимизация – до 20 нояб.

10. Собрать информацию о 20 самых актуальных товарах, разместить на сайте – до 20 нояб.

11. Контентный план – до 25 нояб.

12. 2-3 акции – до 25 нояб.

13. Полное тестирование, доработки, правки – до 25 дек.

14. Выдохнули, делаем перерыв – до 10 янв.

15. На свежую голову еще раз проверили, поправили – до 20 янв.

16. Крауд-маркетинг – до 31 янв.

17. Контекст – до 31 янв.

18. Реклама в facebook – до 31 янв.

19. Статьи на сторонних ресурсах – до 31 янв.

1. Отправить сына в детский лагерь на 3 нед. и взять отпуск на 3 нед. – 1 авг.

2. Вещи убрать в коробки и в нашу комнату – до 3 авг.

3. Старую мебель увезти брату жены (сказал, что-то оставит себе, остальное отвезет в детский дом) – до 5 авг.

4. Снять все старое – обои, линолеум, люстру, дверь – до 7 авг.

5. Попутно составить точный план расстановки мебели – до 7 авг.

6. Заменить батареи – до 9 авг.

7. Заменить окна – до 11 авг.

8. Купить материалы – до 11 авг.

9. Выровнять стены – до 13 авг.

10. Поклеить обои – до 14 авг.

11. Линолеум, плинтуса – до 15 авг.

12. Подвесные потолки, светильники – до 17 авг.

13. Купить мебель и дверь – до 17 авг.

14. Ковролин, мебель – до 18 авг.

15. Поставить новую дверь – до 19 авг.

16. Уборка, разложить вещи – до 21 авг.

17. Забрать сына с лагеря – 22 авг.

1. Получить 9 куб.м. почвы – на 30 сол

2. Получить 250 л. воды для полива почвы – на 30 сол

3. Посадить картофель – на 30 сол

4. Собрать урожай и снова посадить – на 70 сол

5. В 300 км. отсюда отыскать марсоход Pathfinder – на 50 сол

6. Привезти Pathfinder к жилому модулю, починить, использовать для связи – на 60 сол

7. Из второго марсохода сделать прицеп к первому марсоходу – на 80 сол

8. Собрать второй урожай и снова посадить – на 110 сол

9. Решить проблему питания марсохода – на 120 сол

10. Погрузить необходимые вещи в марсоход с прицепом – на 130 сол

11. Добраться до кратера Скиапарелли – на 360 сол

12. Переоборудовать взлетный модуль – на 380 сол

4. «Не стоит прогибаться под изменчивый мир. »

Не бойтесь того, что в процессе решения задачи что-то пойдет не так. Мы не в сказке, а вы не волшебник. Не паникуйте и не бросайте задачу на полпути. Посмотрите, на каком шаге (у вас же есть план) возникла неувязка, и попытайтесь подстроить под нее именно этот шаг. Возможно, вам повезет, и остальные шаги трогать не придется.

Может случиться, что в какой-то момент вы поймете, что путь был выбран неверно. В такой ситуации придется проявить всю решительность, чтобы отступить назад и найти другое решение. Но это гораздо безболезненнее, чем упрямо продолжать путь, обреченный на провал.

Проявить гибкость – это не слабость. Умение идти на компромиссы и пересматривать ситуацию в свете новых обстоятельств – признак опыта и профессионализма.

Оказалось, что система управления нашим сайтом:

а) устарела, для нее нет обновлений, а в текущую версию могут «пролазить» вирусы

б) не позволяет задавать уникальные мета-теги для товаров каталога

Перед п.7 ставим – перенос сайта на другую CMS (только те разделы, которые решили оставить). Все остальные работы делаем уже на новой CMS. Дополнительное время возьмем из пункта 13 (тестирование). 2 недели возьмем на замену CMS, на тестирование оставим 2 недели вместо месяца.

Когда составили план новой комнаты, решили, что надо сделать второй выключатель рядом с кроватью (на уровне пояса), чтобы сыну было удобно. Итого ушел еще день, чтобы проштробить стену.

И в самом конце они все-таки задержали нам доставку мебели. Вовремя закончить ремонт не успели. Но смогли пристроить сына на 4 дня к бабушке.

На 70 сол произошел взрыв в жилом модуле из-за микротрещины в обшивке. Хорошо, что на тот момент я был в скафандре (только заходил внутрь).

Плохо, что моя плантация не была в скафандрах. Итого – все растения погибли. Теперь еды не хватит до момента прилета корабля с Земли (пункт 8 вычеркиваем, ибо сажать больше нечего).

Но ребята из НАСА придумали, как развернуть обратно к Марсу мой же экипаж – теперь они успеют вернуться в пределах срока, на который мне хватает запасов еды.

5. По мере поступления

Решайте проблемы по мере поступления. «А что будет, если. » применяйте к текущему шагу. Нет смысла думать о том, что может пойти не так на шаге №10, если вы еще только на старте. Доберетесь и там посмотрите.

Только не путайте «пойти не так» с обычными мерами предосторожности (лекарства в поездку или бэкап сайта перед обновлением CMS).

Шеф первое время бегал с вопросами:

– А что если продажи не вырастут?
– Проверим, в чем проблема (в нецелевом трафике, неудобном сайте или невыгодном предложении), и будем исправлять

– А что если не успеем подготовить описания для 20 товаров?
– Запустим с тем количеством, которое успеем, остальное добавим по ходу.

Теща «давила» сомнениями:

– Сам будешь с проводкой возиться? А если сломаешь чего и вся проводка сгорит?
– Буду не один, а с другом-строителем. В крайнем случае, вызовем специалистов.

– А если вам работы какие-то задержат (ту же мебель позже привезут), куда сына девать будете? (накаркала же в итоге)
– Бабушке отдадим (моей маме, конечно) или с нами в комнате три дня поживет.

Сомнения грызли меня самого:

– А если не смогу найти Pathfinder и связаться с Землей?
– А если за эти 4 года жилой модуль не выдержит какой-нибудь особо сильной бури?
– А если не удастся добраться до Скиапарелли?

Ответ был один: Тогда и буду думать об этом.

6. Мы не гордые

Не стесняйтесь просить помощи и совета, не надо тащить все на себе в одиночку. Покажите человеку, что его помощь важна для вас, опишите проблему (контекст ситуации всегда важен), расскажите, до чего вы уже дошли своим умом, а в каком месте «затык». Дайте человеку возможность побыть вашим личным героем и спасителем.

Обратился к нашим менеджерам:

Ребята, обновляем наш интернет-магазин, хотим выложить видео-обзоры для 10 товаров. Если заказывать в профессиональном агентстве, выходит нереальная сумма. Предлагаю попробовать своими силами. Уверен, что вы сможете помочь. Кто кроме вас может лучше знать эти товары. А Серега с Ленкой так классно провели наш прошлый корпоратив, они точно не будут стесняться перед камерой.

Звоню другу: Хочу поставить дублирующий выключатель рядом с кроватью, чтоб сыну было удобно свет перед сном выключать. Но электрик из меня никакой. Я канал уже проштробил, поможешь все правильно подключить? С меня пиво =)

НАСА, я разобрался с обогревом марсохода и экономией заряда, но не придумал, как уместить в нем генератор воздуха и воды, которые понадобятся в пути до Скиапарелли. Рассчитываю на вашу помощь, ребята!

7. Переключайтесь

И да, переключайтесь на отдых, другие дела или безделье (в меру =)).

Конечно, вы можете подумать: «Я без отдыха и сна возьму и сделаю мое Дело №1 всего за неделю! А потом я и отдохну».

Во-первых, без отдыха и сна вы вряд ли долго протянете, в итоге ваша работоспособность заметно снизится.

Во-вторых – нет, потом вы не отдохнете, ведь там будет на подходе Дело №2, а за ним Дело №3 . а затем хроническая усталость.

Не гоните лошадей, сделайте Дело №1 за 2-3 недели, но с нормальным отдыхом. Тем самым сохраните свои нервы и боевой настрой для Дел №2, 3, . , 100.

На этом всё. Если есть что подсказать – делитесь в комментариях. Успешного вам решения как больших, так и любых других задач!

How to сделать анализ фичи конкурента за 3 дня – кейс UXSSR

У конкурента вышла новая фича (продукт, функция, услуга, да что угодно). Как понять, нужно ли на нее отреагировать, и как сделать это быстро? Наш клиент столкнулся именно с таким вопросом, и мы знаем, как на него ответить.

Рассказываем «how to» процесса исследования по следам проекта команды UXSSR для одной очень классной компании, которая пожелала остаться неизвестной.

Зачем исследовать новую функцию конкурента?

Чтобы держать руку на пульсе и быть в курсе тенденций рынка.
Чтобы понять, что делать – повторять за конкурентом или держаться своего курса.
Чтобы сэкономить время и ресурсы – лучше потратить 3 дня на изучение фичи, чем начать разрабатывать продукт и наткнуться на подводные камни.

Кто этим должен заниматься?

Есть несколько вариантов:

продакт менеджер, если у него есть соответствующие скиллы и время;
отдельный человек в команде, который отвечает за UX-аналитику;
внешний подрядчик – агентство с большим опытом в исследованиях.

Анализ новых продуктов конкурентов и их функциональности могут делать продакты или другие люди внутри компании. Но часто бывает, что новая фича выходит в неудобное для команды время. Завал по работе, у продактов нет времени, чтобы этим заняться, или не хватает инструментов UX-аналитики. В таком случае можно отдать эту задачу на аутсорс и привлечь внешнего подрядчика с опытом, как было в нашем случае.

Как подступиться к задаче?

Вы обсудили новую фичу внутри команды и решили, что нужно ее исследовать перед тем как делать свою. Что дальше? Как понять, что и как искать, где добывать информацию и что с ней делать в итоге? Мы составили схему из основных шагов, которые помогут ответить на эти вопросы.

Мы выделили основные вопросы, на которые нужно получить ответы, чтобы проанализировать новую фичу конкурента:

Что это за фича/продукт, как она работает?
Какая стратегия? Как сама компания позиционирует новый продукт?
Job для пользователя. Какую проблему пользователя решает с точки зрения теории работ?
Какая монетизация и экономика?
Job для продавца. Какие выгоды приносит бизнесу?
Какие прямые и косвенные конкуренты?
Как рекламируют этот продукт? На что делают упор?

Это основной, но не исчерпывающий список вопросов, вы можете его дополнять в зависимости от специфики проекта. После того, как стало понятно, какая информация нужна, можно переходить к исследовательской части.

После того, как сформулировали основные вопросы, переходим к исследованию. Мы провели desk research, или как его еще называют «кабинетное исследование», по нескольким направлениям:

Как компания анонсирует продукт?
Что об этом пишут тематические ресурсы?
Какие комментарии оставляют пользователи?
Как рекламируют продукт? На что делают упор в маркетинговых коммуникациях? (об этом подробнее в конце)

Где искать эту информацию? Мы изучали открытые источники по всему интернету.

На третьем этапе мы решили узнать опыт пользователя этого продукта и зафиксировать его. Есть несколько способов узнать, как будет выглядеть “user flow” использования продукта. Если продукт уже вышел на рынок и им можно воспользоваться:

Проводим Usability Test с пользователем (как минимум коридорный).
Примеряем роль пользователя и проходим путь самостоятельно: скачиваем обновление, пробуем выполнить задачу, смотрим на продукт экспертным взглядом.

А что делать, если продукт еще не запущен? Как понять, как он будет работать для пользователя? Мы придумали такое решение:

Найти презентационные материалы, где показывают экраны будущего решения.
Составить из них User Flow, который покажет, каким маршрутом нужно двигаться пользователю, чтобы достичь своей цели.

Jobs-To-Be-Done (JTBD) или теория работ— это набор принципов проектирования, позволяющий сместить мышление с «Давайте сделаем такую же фичу» к «Какую задачу/боль/проблему пользователя мы решим?». Мы проанализировали фичу конкурента с точки зрения теории работ и показали 3 основных параметра:

выгода, которую получает пользователь от использования сервиса;
боли, которые существуют у пользователя с этой задачей сейчас;
Jobs или задачи, которые пользователь хочет решить.

Работа с канвасом Value Proposition помогла понять, какие задачи пытается решить человек с помощью продукта, какие при этом возникают сложности, и что принесет наибольшую выгоду в ходе использования.

Последний этап – проанализировать, как компания рассказывает про свой продукт в СМИ, какие плюсы для пользователей подсвечивает. Яндекс.Драйв, например, говорил о новом тарифе, как о революции. Главный посыл всех сообщений в медиапространстве был: «Цена известна заранее». Можно предположить, что именно эту боль пользователей новая фича должна закрыть. Мы же можем исследовать, есть ли и у наших пользователей такая проблема и нужно ли ее решать.

Итак, если пройтись по всем 5 пунктам, то можно собрать целостное представление о том, что делает ваш конкурент, как это работает, кому это нужно и главное, зачем. После этого вам будет легко решить, нужно ли делать такую фичу у себя или нет.

Привет! У вас заключение дублирует заголовок.

Привет! Спасибо большое, исправили

Комментарий удален модератором

Привет! Спасибо за статью, действительно интересно как эту задачу решают другие исследователи. Но мне не очень понятен следующий момент:

А что делать, если продукт еще не запущен? Как понять, как он будет работать для пользователя? Мы придумали такое решение:
1. Найти презентационные материалы, где показывают экраны будущего решения.
2. Составить из них User Flow, который покажет, каким маршрутом нужно двигаться пользователю, чтобы достичь своей цели

Я же правильно понимаю, что мы говорим про продукт конкурента? У меня просто разрыв шаблона — как найти презентационные материалы с будущими решениями у конкурентов?

14 способов развить аналитическое мышление

Фото автора Ксения Жевлакова

Аналитическое мышление подразумевает поиск новой информации, её изучение и систематизацию, а также выводы, сделанные на основе полученных данных.

Человек с аналитическим типом мышления должен уметь:

собирать информацию;
работать с большим объёмом данных;
разделять общую информацию на составные части по определённым критериям;
сравнивать данные и находить взаимосвязи;
объективно оценивать информацию;
мыслить логически;
излагать мысли последовательно;
работать с фактами;
правильно расставлять приоритеты, отделяя главное от второстепенного;
мыслить критически (подвергать полученную информацию сомнению);
искать альтернативные варианты;
делать выводы.

Чем полезно аналитическое мышление

Человек с преобладающим аналитическим мышлением принимает обдуманные и взвешенные решения, умеет планировать и давать прогнозы своей деятельности.

Как развить аналитическое мышление

Аналитическое мышление можно тренировать и развивать.

1. Решайте логические задачки

2. Решайте математические примеры

3. Разгадывайте кроссворды

А когда за плечами будут сотни решённых, попробуйте сочинить свой. Это довольно сложно.

4. Решайте головоломки

Собирайте пазлы, разгадывайте ребусы или попробуйте собрать кубик Рубика.

5. Играйте в шахматы

Найдите соперника и вспомните правила игры. Шахматы — отличный тренажёр для аналитического мышления.

6. Читайте книги

7. Анализируйте ситуации из повседневной жизни

8. Узнавайте что-то новое каждый день

Выберите тему, которая вам интересна, и находите по одному факту о ней в день.

9. Ищите альтернативы

10. Участвуйте в дискуссиях

11. Спрашивайте себя, как устроены окружающие вас предметы

12. Создайте карту мыслей

13. Записывайте

14. Моделируйте ситуации

Как подступиться к большой задаче аналитику

Как повысить эффективность продуктовых аналитиков в разы

Находить инсайты и ответы на вопросы в данных — ключевой навык продуктового аналитика. И именно в развитии этого скилла аналитики обычно видят потенциал для роста.

Я рекомендую уделить внимание другому аспекту аналитической работы: навыкам коммуникации. Это значит не просто находить инсайты, но и доносить их до команды и превращать в проекты. Для этого надо будет строить отношения с командой, участвовать в ключевых обсуждениях, нарабатывать авторитет, учиться правильно презентовать информацию.

Эта статья построена в виде рекомендаций для продуктовых аналитиков. Но она будет в равной степени полезна продакт-менеджерам и руководителям, которые хотят по максимуму раскрыть потенциал аналитиков, работающих в их командах.

Как повысить эффективность продуктовых аналитиков в разы

Если вы хотите глубже разобраться в том, как создаются, развиваются и масштабируются продукты, пройдите обучение в симуляторах GoPractice.

→ «Симулятор управления продуктом на основе данных» поможет научиться принимать решения с помощью данных и исследований при создании продукта (путь от 0 к 1).

→ «Симулятор управления ростом продукта» поможет найти пути управляемого роста и масштабирования продукта. Вы построите модель роста и составите стратегию развития продукта (путь от 1 к N).

→ «Симулятор SQL для продуктовой аналитики» поможет освоить SQL и применять его для решения продуктовых и маркетинговых задач.

Не знаете с чего начать? Пройдите бесплатный тест для оценки навыков управления продуктом. Вы определите свои сильные стороны и слепые зоны, получите план профессионального развития.

Еще больше ценных материалов и инсайтов — в телеграм-канале GoPractice .

Рассказывайте истории

Осенью 2016 году я работал над Workplace в Facebook. Полугодие близилось к концу, и мы прилично отставали от цели. Команда аналитики, состоявшая на тот момент из трех человек, стала прорабатывать разные пути, как ускориться и цель все же выполнить.

В процессе оценки разных идей мы заметили, что есть несколько очень крупных компаний, которые были нашими клиентами, где доля сотрудников, которые активировали аккаунты, была значительно меньше, чем в среднем в продукте.

Если бы мы смогли дотянуть проблемные крупные компании до стандартного уровня, то перевыполнили бы цель. Следующий день мы разбирались в том, что случилось в этих компаниях.

Мы нашли ключевую проблему, но по ряду причин я не могу раскрыть, в чем она заключалась. Суть не в этой конкретной истории. Рассказ выше иллюстрирует мысль: люди привыкли воспринимать окружающий мир через истории. Это интересно, это цепляет внимание, это погружает слушателя в контекст.

Проблема в том, что большинство аналитических исследований безумно скучные. Они просто вываливают на читателя факты, цифры и информацию. При этом многие из них можно сделать увлекательнее лучших детективных рассказов. Надо лишь чуть-чуть поработать над формой подачи и превратить их в историю.

У превращения аналитических исследований в истории есть еще одна важная функция. Если историю построить не получается, то велика вероятность, что ничего полезного найдено не было, а значит, и тратить время на рассказ не надо.

В аналитических историях есть свои особенности. Главный персонаж — это ваш продукт или пользователь. Конфликт формируется вокруг героя, который хочет попасть куда-то, но злодей (рынок, конкуренты, низкие конверсии в воронке) мешает ему. Кульминация истории строится вокруг инсайта, необычного взгляда на проблему, который позволяет герою достичь цели.

В идеальном сценарии у вас получится добиться того, чтобы аудитория увидела продукт объемным: продукт — это не плоскость, а шар, который вращается вокруг пользователя, а значит, проблему Х надо решать с помощью Y.

Работайте над подачей результатов, как над продуктом

Самый распространенный способ донесения результатов важной аналитической работы до широкого круга людей — опубликовать исследование и разослать его на заинтересованных людей. Если вы не хотите, чтобы результат вашей работы просто затерялся среди кучи других писем, то не делайте так.

Аналогией такого подхода из продуктового мира будет раскатка первой же непротестированной версии нового приложения сразу на весь мир с последующей масштабной маркетинговой кампанией.

Аналитические исследования требуют тестирования и допиливания, как и любой другой продукт. Лишь когда вы убедитесь, что исследование дает желаемый эффект, наступит время для «публичного запуска». Это, в первую очередь, касается важных исследований, из которых вытекают крупные проекты и изменения.

Начните с софт-лонча. Поделитесь результатами с заинтересованными людьми, с которыми у вас выстроены доверительные отношения. Вы быстро заметите, где ваша история работает хорошо, какие аргументы звучат убедительно, а какие вызывают сомнения и недоверие. Собрав фидбек, сделайте новую версию. Через несколько итераций убедительность и эффективность подачи материала вырастут в разы.

Другое преимущество такого подхода — вы найдете ранних последователей, которые помогут вам донести выводы до широкой аудитории.

Будьте в контексте

Метрики пользователей в продукте сильно зависят от источника трафика, то есть откуда эти пользователи пришли. Так конверсия аналитических исследований в реальные проекты сильно зависит от того, как это исследование зародилось. Если предмет изучения оторван от реальности, имеет низкий приоритет в команде, не сонаправлен с целями компании, то даже идеальная аналитическая работа не даст эффекта.

Продуктовым аналитикам важно уметь находить наиболее актуальные задачи с максимальным потенциалом, а для этого надо быть в контексте происходящего в компании и команде: участвовать в важных дискуссиях, поддерживать отношения с ключевыми людьми, регулярно синхронизироваться со смежными командами.

Вы можете возразить, что аналитическая работа требует фокуса и погружения, поэтому подобная интеграция в процессы будет контрпродуктивной. Но это обманчивое ощущение. Эта вовлеченность дает понимание происходящего, повышает релевантность работы (вы чувствуете, что сейчас важно, а что нет), упрощает коммуникацию результатов (доверительные отношения с коллегами уже выстроены).

Другое следствие — продуктовые аналитики всегда должны быть частью конкретной продуктовой команды. Я ни разу не видел эффективного отдела аналитики и исследований, который существует как отдельная структурная единица без четкой привязки конкретных людей к командам.

Ищите быстрый способ получить первые результаты

Другой способ повысить эффективность работы продуктового аналитика — сократить цикл от получения вопроса до первых результатов. Часто потенциальный импакт от исследования на продукт обратно пропорционален времени, которое было потрачено на анализ. Чем больше времени прошло с момента получения вопроса до результатов, тем выше вероятность, что команда уже убежала далеко вперед.

Ищите быстрый способ получить первые результаты. Упрощайте. Посчитайте первые грубые оценки, которые дадут примерный ответ на поставленный вопрос. Часто это можно сделать за один день. Если ничего полезного и интересного вы не нашли, то попробуйте подступиться к задаче с другой стороны, либо переключитесь на следующую задачу. Если нашли, то поделитесь ранними результатами с ядром команды и копайте глубже. Если окажется, что вы нашли что-то важное и большое, то уделите достаточное время работе над подачей и превращенением инсайтов в реальные проекты.

Делитесь результатами с командой в процессе исследования, а не после его полной готовности

Классический сценарий работы продуктового аналитика над задачей, особенно большой, — закопаться в нее на несколько недель, а потом вернуться с финальным результатом. Подход, где промежуточные результаты публикуются в командный чат и обсуждаются с определенной периодичностью, намного более эффективный.

Во-первых, команда сможет задавать вопросы, корректировать ваше направление, делиться своими гипотезами или объяснениями происходящего по мере продвижения исследования.

Во-вторых, ваша команда проделает путь от первоначальных представлений о том, как что-то устрено, до финальных результатов вместе с вами, наблюдая за течением мысли и логическими переходами. Финальный результат будет продуктом совместного труда. Если же вы пройдете путь сами, а в конце поделитесь итоговыми результатами, то импакт будет намного меньшим. Особенно если результаты идут вразрез с текущими представлениями людей в команде. В этом случае, скорее всего, вы получите вполне естественное для подобных ситуаций отторжение новых идей и предложений.

Говорите простым языком

Количество сложных специфичных терминов в исследовании обычно обратно пропорционально количеству полезных инсайтов. Если вам есть что сказать, то сделайте это простым языком. Говорите не про методы исследований, а про то, что вы узнали о пользователе или продукте.

Использование терминов вроде «дисперсионный анализ», «критерий Фишера», «линейная регрессия» еще ни разу не помогли рассказать про интересный результат аналитического исследования продукта.

Упрощайте жизнь для команды, а не усложняйте

«Это не сработает»
«Это невозможно посчитать»
«Это займет минимум месяц»
«Так нельзя делать»
«У нас нет таких данных»

Аналитикам свойственно быть скептиками. Но важно уметь держать этот скептицизм под контролем и обращать его в продуктивное русло. Сложно общаться с людьми, которые видят только причины, почему что-то не получится.

Уметь критически смотреть на вещи — это полезный навык, но он становится в десятки раз продуктивнее, когда, находя потенциальную проблему, человек сразу же думает о ее решении.

Будьте теми, кто ищет решения, берет на себя ответственность за проекты, делит риски с командой.

Если вы хотите глубже разобраться в том, как создаются, развиваются и масштабируются продукты, пройдите обучение в симуляторах GoPractice.

→ «Симулятор управления продуктом на основе данных» поможет научиться принимать решения с помощью данных и исследований при создании продукта (путь от 0 к 1).

→ «Симулятор управления ростом продукта» поможет найти пути управляемого роста и масштабирования продукта. Вы построите модель роста и составите стратегию развития продукта (путь от 1 к N).

→ «Симулятор SQL для продуктовой аналитики» поможет освоить SQL и применять его для решения продуктовых и маркетинговых задач.

Не знаете с чего начать? Пройдите бесплатный тест для оценки навыков управления продуктом. Вы определите свои сильные стороны и слепые зоны, получите план профессионального развития.

Еще больше ценных материалов и инсайтов — в телеграм-канале GoPractice .

Бесплатный тест навыков в управлении продуктом

Оцените свои навыки в управлении продуктом за один час

Симулятор управления продуктом на основе данных

Пройдите симулятор управления продуктом на основе данных

Симулятор управления ростом и масштабированием

Усильте знания и навыки в симуляторе управления ростом продукта

Новый симулятор SQL для продуктовой аналитики

Научитесь применять SQL в работе над продуктом и маркетингом

Делимся новостями GoPractice и новыми материалами для профессионального развития в нашей почтовой рассылке и в телеграм-канале

How to сделать анализ фичи конкурента за 3 дня – кейс UXSSR

Зачем исследовать новую функцию конкурента?

Чтобы держать руку на пульсе и быть в курсе тенденций рынка.
Чтобы понять, что делать – повторять за конкурентом или держаться своего курса.
Чтобы сэкономить время и ресурсы – лучше потратить 3 дня на изучение фичи, чем начать разрабатывать продукт и наткнуться на подводные камни.

Кто этим должен заниматься?

Есть несколько вариантов:

продакт менеджер, если у него есть соответствующие скиллы и время;
отдельный человек в команде, который отвечает за UX-аналитику;
внешний подрядчик – агентство с большим опытом в исследованиях.

Как подступиться к задаче?

Что это за фича/продукт, как она работает?
Какая стратегия? Как сама компания позиционирует новый продукт?
Job для пользователя. Какую проблему пользователя решает с точки зрения теории работ?
Какая монетизация и экономика?
Job для продавца. Какие выгоды приносит бизнесу?
Какие прямые и косвенные конкуренты?
Как рекламируют этот продукт? На что делают упор?

Как компания анонсирует продукт?
Что об этом пишут тематические ресурсы?
Какие комментарии оставляют пользователи?
Как рекламируют продукт? На что делают упор в маркетинговых коммуникациях? (об этом подробнее в конце)

Где искать эту информацию? Мы изучали открытые источники по всему интернету.

Проводим Usability Test с пользователем (как минимум коридорный).
Примеряем роль пользователя и проходим путь самостоятельно: скачиваем обновление, пробуем выполнить задачу, смотрим на продукт экспертным взглядом.

Найти презентационные материалы, где показывают экраны будущего решения.
Составить из них User Flow, который покажет, каким маршрутом нужно двигаться пользователю, чтобы достичь своей цели.

выгода, которую получает пользователь от использования сервиса;
боли, которые существуют у пользователя с этой задачей сейчас;
Jobs или задачи, которые пользователь хочет решить.

Привет! У вас заключение дублирует заголовок.

Привет! Спасибо большое, исправили

Комментарий удален модератором

Как аналитики яичницу жарят

Как гласит один безвкусный научпоп-заголовок, данные правят миром. А кто несёт волю повелителей простым смертным? Аналитики — брахманы бизнеса! Как проложить себе путь в эту касту? Об этом поговорим в пятом выпуске нашего подкаста.

В честь юбилея для этого мы позвали сразу двух гостей — Татьяну Сафрыгину, декана факультета UX-аналитики и Conversion Rate Optimization Analyst в «Лаборатории Касперского», и Евгения Малахова — операционного директора аналитической компании Room42 и куратора факультета веб-аналитики GeekUniversity.

Пятый выпуск подкаста можно послушать на разных платформах:

Apple
Яндекс
Google
Castbox

Краткое содержание

— Ребята, в последнее время я замечаю, что появляется большое количество аналитических специальностей у нас в GeekBrains. Мы даже сделали отдельный юнит аналитики и продакшена (надеюсь, это не секрет). Я вижу, что есть финансовые, маркетинговые и всякие другие аналитики. Хотелось бы с вашей помощью разобраться во всём этом многообразии. Сам я с этой сферой не связан, и аналитика вызывает у меня благоговение. Расскажите про основные специализации в вашей области.

Татьяна: Основные — продуктовые аналитики, data-аналитики, веб-аналитики и бизнес-аналитики. Это ядро, из которого состоит рынок для IT-компаний. У бизнес-аналитиков есть свои разветвления, например, среди них можно выделить маркетинговых аналитиков. Женя, добавишь кого-нибудь?

Евгений: Разных аналитиков очень много. И здесь хотелось бы сделать ремарку. К счастью или к сожалению, разделение придумали не в GeekBrains и даже не на каком-то другом образовательном проекте. Поэтому классификаций много, в зависимости от рынка и продукта. Есть аналитики финансовые, есть маркетинговые, веб- и мобильные, системные и бизнес-аналитики. Есть дата-аналитики, дата-сайентисты и дата-инженеры, и всех этих людей можно отнести к сфере аналитики. Можно назвать десяток специализаций.

Лучшую классификацию, которую я видел, даёт Google на Google Cloud Platform. У них очень классное разделение. Они показывают команду и говорят: «Это Джеймс. Джеймс — архитектор. Джеймс занимается тем, что планирует облака на основе бизнес-требований, которые есть у компании, выстраивает наборы инструментов и то, как они связаны, какие типы задач будет решать структура». Далее в кадре оказывается другой человек. «Это Эндрю. Он дата-инженер, настраивает конкретные инструменты и оптимизирует их, сводит пайплайны, чтобы данные корректно передавались. А это Саймон, он девопс, оптимизирует хранилище данных и позволяет компании снижать затраты на поддержание инфраструктуры». И так мы доходим до бизнес-аналитика и дата-сайентиста. Каждый человек говорит, чем он занимается, с чего начинается процесс и чем заканчивается. Такая структура мне кажется более-менее логичной в сегодняшней ситуации и нынешних профессиях. Всё это можно отнести к аналитике, потому что само понятие широкое.

Татьяна: Очень часто аналитиками любят называть совсем не тех людей, которые имеют отношение к аналитике. Это одна из серьёзных проблем.

«Аналитика — это как машину водить, в Need for Speed не научишься»

— Вокруг аналитики есть ореол серьёзности, возвышенной непонятности. Даже я этому подвержен, поэтому и решил поговорить с вами. Скажите, как к миру аналитики подступиться новому человеку, как во всём разобраться? Можно какой-нибудь мини-гайд для новичков?

Евгений: Мне кажется, здесь стоит пойти от обратного. Аналитике сложно научиться без практики. Это как водить машину: ты можешь научиться, только если ты постоянно за рулём.

Татьяна: …а не только в Need for Speed.

Евгений: Да, то есть недостаточно играть на симуляторах и просто знать все правила. Если ты не практикуешься, ты не будешь осознавать многие особенности. Точно так же у всех инструментов аналитики, как и у разных марок машин, есть свои нюансы. Например, не поездив на «девятке», ты не узнаешь, что если музыка заедает, то нужно ударить по магнитоле. Это практика, которая нарабатывается.

Специализации, которые выстраивают компании внутри рынка, всегда складываются из бизнес-требований. Из того, какие инструменты готовятся в компании, какие там процессы, какой у компании масштаб, на каких рынках она работает, какие специализации у неё уже есть, а какие ещё нужны. При этом человеку, чтобы понять, куда конкретно он хочет пойти, нужно понимать, что вообще существует. Даже у аналитиков не всегда есть полное понимание рынка. Специализаций много, и человеку в первую очередь нужно научиться базово смотреть на данные и использовать инструменты аналитики. Тогда, пощупав данные, ты сможешь понять, что тебе действительно интересно и подходит.

— Получается, есть какая-то единая основа у всех этих специализаций, которую нужно освоить в любом случае? А потом уже углубляться в отдельные области, да?

Евгений: В целом да. Это моё мнение. Но есть люди, которые сразу понимают, что они, например, хотят стать дата-инженерами. Или дата-сайентистами. И для этого есть прекрасные программы профессий, которые обещают подготовку с нуля до уровня junior data scientist. Это конкретное, очень узкое направление.

При этом многим аналитикам, в том числе джунам, не хватает понимания, что такое вообще анализ, как строится аналитика. Как данные собираются, обрабатываются, какие есть варианты. Чтобы человек мог пойти дальше, зачастую не хватает базы. Мы с Таней это уже как-то обсуждали. Студентам иногда недостаёт не hard skills, а банальной логики, внимательности. А нужно понимать, что аналитик — это человек, который должен быть очень внимательным. Ведь чтобы ответить на бизнес-вопрос и помочь компании, нужно сначала собрать данные, потом их обработать, валидировать, проанализировать, протестировать — и только после этого внедрять. И если на одном из этих этапов ты допустишь ошибку, даже небольшую, то весь процесс умирает. Это очень важно — понимать аналитику с самого начала. А это возможно, только если ты знаешь, как взаимодействуют задачи — твои и коллег.

Татьяна: Здесь я готова немного поспорить с Женей. Насчёт того, что можно пойти учиться — и вот ты junior data scientist. В индустрии очень много споров о том, кто такие дата-сайентисты. На самом деле дата-сайенс — это про комплексные навыки, которые состоят и из хард-скилов, знания SQL-диалектов, Python, R, хорошей визуализации данных. И при этом у дата-сайентиста должен быть развит деловой образ мышления, business mindset. Такого джуна тяжело подготовить, но на других позициях аналитиков всё попроще с комплексными скилами, которые относятся к дата-процессингу, и немного легче начать с business mindset.

Вообще я считаю, что, если не говорить про скилы, к аналитике можно подступиться через business mindset. Если ты мыслишь «бизнесово», если тебе интересно играть на этой стороне, если ты хочешь принести бизнесу выручку и относишься к работе как к собственному делу, то тебе будет легко войти в аналитику. Для меня аналитик — это основа любого бизнеса. Но к сожалению, на рынке во многих компаниях сейчас уделяют аналитике очень мало внимания. Чтобы войти в неё, вне зависимости от специализации, нужно понимать, есть ли у тебя business mindset и желание погрузиться в бизнес, развить его и принести пользу. Я имею в виду — в виде выручки, финансовых показателей. Если у человека есть такая потребность в самореализации, то ему будет просто войти в аналитику. Дальше уже стоит говорить про обучаемость, логику — это уже практика. Об этом Женя сказал.

Читать:

Как установить кодек hevc windows 10

Схема эффективного майндсета. Источник: chuckbartok.com

— То есть для начала нужно выбрать область, которая тебе интересна и в которой ты чувствуешь свой business mindset, а потом уже переходить к каким-то техническим скилам.

Татьяна: Да, конечно. Нужно найти область, в которой тебе интересно развиваться, а выбор очень большой. От него может быть лёгкий аналитический паралич. На чём остановиться? Я, например, раньше думала, что ниша такси самая классная, и очень хотела работать на агрегатора такси. Поработала и поняла, что сильно ошибалась, мне интересно другое: пользователи, построение user-friendly бизнеса.

Так я пробовала свой business mindset в различных направлениях и понимала, куда двигаться, какая должна быть карьерная траектория. Все так делают: выбирают и пробуют. Чтобы стать джуном, ты сначала пробуешь то, что приходится по душе, а потом можешь осознать, что выбор был навязан какими-то IT-клише. Так ты и понимаешь, что тебе ближе, в чём хочется развиваться.

Разбираем бизнес-майндсет по косточкам

— Пока мы не ушли далеко, можешь объяснить, что значит business mindset? На каком-то неосязаемом уровне это примерно понятно — но, я думаю, не всем.

Татьяна: Это про развитие бизнеса: насколько твой бизнес и бренд узнаваемы, насколько он масштабируем и какая у него операционная выручка. Если ты всегда думаешь исключительно об этих показателях, то это и есть business mindset. Да, это не твой бизнес, ты наёмный сотрудник, но ты думаешь про это. Планировать развитие бизнеса, стратегически правильно выстраивать работу не только внутри своего подразделения, но и при взаимодействии с другими департаментами, добиваться общих результатов. Это business mindset в моём понимании. Женя, ты что скажешь?

Евгений: Давайте сначала разберёмся с понятием бизнеса. Бизнес — это, если верить Википедии, самостоятельная, осуществляемая на свой риск деятельность, направленная на систематическое получение прибыли. Начнём с этого куска. Как видим, главное слово в определении бизнеса — «прибыль». Деньги в бизнесе — это всё. То, что создано не с целью заработка, не является бизнесом. Это может быть некоммерческая организация, образовательная, но не бизнес. Отсюда складывается и business mindset: человеку нужно думать о деньгах, о том, откуда они берутся и как их добыть больше.

Можно сказать, что это немного алчно и зачастую мы не думаем про счастье пользователей. Но вопрос не в том, чтобы думать, как больше заработать с точки зрения количества, а с позиции аналитика понимать, как дружат счастье пользователей, отзывы, которые они пишут, и деньги, которые они приносят. И связаны ли вообще. Как соотносится то, как пользователь видит наш продукт, и то, сколько он потом за него платит. Аналитику нужно постоянно думать о деньгах, потому что эти специалисты — люди достаточно дорогие, и бизнесу, чтобы что-то платить за аналитику, нужно иметь деньги.

При этом аналитики обычно подключаются в тот момент, когда бизнес не может расти стандартными путями и остаётся буквально пара процентов. Но эта пара процентов в масштабе — очень большая сумма, которая может окупить всю работу аналитика. Ему, чтобы сделать что-то полезное, нужны данные. Если в бизнесе нет данных, то аналитик, скорее всего, не поможет.

Чтобы помочь системе вырасти на один, два, три, даже на десять процентов, требуется понимание того, как она работает. А оно формируется только с опорой на знание о том, на что система направлена. Этот вектор — получение денег. И здесь нужно понимать, как строится бизнес-модель, как деньги зарабатываются, как пользователи платят, за что, как это сопряжено с другими метриками, которые есть в компании, с ресурсами и продуктами. Это и есть business mindset: понимание, откуда в бизнесе берутся деньги и как они коррелируют с конкретной работой человека.

Татьяна: На курсе преподавать начинает Женя, а мой курс по UX-аналитике идёт где-то четвёртым. Студенты после его занятий приходят и говорят: «А вот Женя нам сказал, что нужны деньги». Приходится объяснять, что нужно быть user-friendly, адвокатами пользователя. «Нет, сначала нужны деньги!». Потом созваниваемся в Женей, я прошу его не учить студентов быть такими алчными.

Евгений: Важно понимать, как работает наш мозг. Мы очень любим обманывать себя, придумывать, что деньги можно заработать, просто вложившись в какую-нибудь пирамиду. Или понять что-то, посмотрев один раз. Но чаще всего так не работает. И это касается business mindset — он не говорит о том, что деньги превыше всего и мы не должны смотреть на что-то другое. Он про то, как понять, откуда они берутся. То есть влияет ли то, что пользователь к нам приходит, на деньги.

Заработок бизнеса зависит не только от того, сколько сейчас нам заплатил пользователь, но и от того, как часто он платит, как много, зовёт ли друзей. Показатели, которые влияют на возвращаемость и частоту покупок, зачастую складываются из понятия user-friendly. Зачастую на этих двух направлениях можно заработать больше, чем на единоразовой покупке. В любой банковской системе стоимость привлечения клиента раза в три-четыре выше, чем пользователь платит единовременно, открывая карту. Срок окупаемости одного пользователя может быть около года. Именно поэтому банки очень щепетильно относятся к службам поддержки и стараются делать интерфейс максимально user-friendly. Среди банков много примеров качественного UX-дизайна. У них много информации, которую надо хорошо структурировать. Это позволяет не терять пользователей и окупать их в бизнес-модели. В этом и проблема: надо понимать, что стоит за деньгами. Какая структура получения денег, как они приходят. Это всё сложнее, чем просто что-то продавать.

Должен ли аналитик уметь добывать данные?

— Получается, чтобы делать какую-то аналитику, нужны данные. Понятно, что в крупных банках это всё поставлено на поток и есть с чем работать. Предположим, ты приходишь как молодой аналитик в компанию, а там не выстроены процессы получения данных. Ты должен уметь налаживать эту систему с самого начала? Добывать данные?

Евгений: Я бы поспорил о крупных банках — как человек, который с ними сталкивался изнутри. Есть две проблемы. Первая — на уровне любой крупной компании, она понятная: предприниматель знает, что ему нужно учитывать свои доходы и расходы, у которых есть внутренняя структура. Но когда бизнес масштабируется и у тебя работают не три человека, а 50 000, и источников данных не пять, а сотни тысяч, то всё становится намного сложнее структурировать. Даже крупному банку. Чем больше корабль, тем медленнее он поворачивается.

Переходя к твоему вопросу: должен ли человек уметь собирать и структурировать данные. Здесь многое зависит от специалиста. Одним больше нравится работать в стартапах, а другим — в корпорациях. И это два типа людей с абсолютно разными требованиями к аналитике. Чем крупнее компания, тем больше становятся задачи — поэтому у нас появляются градации по типу Google. Там у тебя есть девопс, который отвечает только за то, чтобы все базы правильно работали и создавались резервные копии. А когда ты в маленьком стартапе, то не можешь позволить себе отдельного человека, который будет заниматься исключительно этим, да и в целом у тебя только одна база. Поэтому в стартапе нужно быть таким универсальным человеком, который может в небольшом масштабе и собрать данные, и обработать, и проанализировать, и дальше что-то сделать с результатом анализа. Это тоже важная часть, которую стоит сразу узнавать джуниорам: анализ ради анализа — это плохой анализ. Анализ проводится ради того, чтобы дальше с его результатами что-то сделать. Именно в этом польза аналитики.

Татьяна: Если приходишь в компанию и тебе говорят, что надо выстроить информационную архитектуру и базы данных, потому что в компании ничего нет, и только потом что-то анализировать — ты попал. Если ты аналитик без знания дата-инжиниринга, если не умеешь правильно строить хранилища, не в курсе, сколько это стоит, — ты попал. Так в основном говорят в стартапах. В компаниях посерьёзнее, в среднем сегменте бизнеса такого не услышишь. Я сама с этим сталкивалась.

Здесь нужно понимать, насколько дата-инжиниринг серьёзная и дорогая вещь. Нанять кого-то, даже удалённо, чтобы настроить хранилище данных и поставить всю систему на поток, чтобы можно было писать запросы, — стоит очень много денег. Это нужно донести бизнесу, который тебя нанял. Если ты не умеешь аргументировать и отстаивать свою позицию, не можешь убедить бизнес вложиться в такую серьёзную вещь, как построение хранилища данных, то у тебя, скорее всего, ничего не получится. Будешь анализировать аккаунт Google Analytics и Яндекс.Метрики.

Евгений: Мне нравится аналогия со строительством: построение системы аналитики и возведение домов. Один человек, даже очень рукастый, может построить сарай, в котором будут храниться лопаты и вёдра. Если соберутся трое, то они смогут поставить курятник. А чтобы построить дворец или аквапарк, понадобится куча людей: несколько архитекторов, много инженеров, будет отдельная бригада, которая будет класть бетон, специалисты для расчёта энергонагрузки системы, водоснабжения и так далее.

Чем крупнее система, тем больше требуется людей разных специальностей. Поэтому у стартапов или совсем небольших проектов вроде интернет-магазина структура немного похожа на сарай: у нас есть Google Analytics и сайт, нужно их подружить. И это может сделать один человек с базовыми знаниями. Но если он приходит в большой или средний бизнес и ему говорят то же самое… Это выглядит так, как если бы вы пришли на стройку, а вам сказали, что нужно построить девятиэтажный дом. Даже очень крутой архитектор в одиночку с этим не справится.

Татьяна: Он только его нарисует и спроектирует.

— Это как раз к вопросу об архитекторах. Этим занимаются архитекторы хранилищ?

Евгений: Да, и есть архитекторы не только хранилищ, но и систем аналитики. Такая система в компании может быть очень большой и состоять не только из облаков, хранилищ. Там может быть множество ресурсов и инструментов, которые должны складываться в архитектуру.

Возьмём для примера какой-нибудь парк развлечений. С внешней стороны мы видим только горки — но они разные по виду, к ним нужно разное электричество, вода, система охраны, логистика, чтобы всё можно было привозить и увозить, чтобы поток людей двигался правильно. Это всё немного больше, чем просто проектирование базы данных. Хотя и его нельзя назвать простой задачей.

— И этим всем занимаются дата-инженеры? Созданием этих систем?

Евгений: Да. Дата-инженеры — это те люди, которые своими руками реализуют архитектуру. Которые знают, как строится база данных и как одну БД подружить с другой, как туда положить данные, как они должны обрабатываться.

— То есть дата-инженер добывает данные, а аналитик потом с ними работает?

Евгений: Верхнеуровнево дата-инженер тоже является аналитиком.

— Ну чтобы понять, что добывать, ему тоже нужно врубаться в тему?

Татьяна: Я бы сказала, что ему нужно сверхврубаться. Это такой бог аналитиков.

Евгений: Да, дата-инженерами люди становятся потом. Базово они приходят в аналитику и начинают анализировать данные на уровне БД, а потом переходят к дата-инжинирингу. Не от обратного идёт.

Татьяна: Я знаю много примеров, когда ребята были дата-аналитиками или дата-сайентистами, и в итоге они пришли в дата-инжиниринг.

— То есть он объединяет компетенции по аналитике и хард-скилы по части IT?

Евгений: В целом да, так и есть. У дата-инженера больше хард-скилов. Вернёмся к простым аналогиям. Например, у тебя есть отель. И ты как дата-аналитик знаешь, как у тебя живут гости, сколько нужно номеров, нужен ли ресторан, сколько раз нужно проводить уборку в номерах, как сделать эффективную структуру, которая будет зарабатывать деньги.

Если мы спускаемся на уровень ниже, то возникает вопрос, а как это всё построить? Как это сделать технически? Сколько должно быть этажей, сколько нужно материалов. Чтобы собрать структуру «отель», нужно начать со здания. Дата-инженер обладает хард-скилами в IT, навыками анализа и пониманием архитектуры, структуры системы.

— Я правильно понимаю, что наши рассуждения движутся в сторону дата-сайентистов в чистом виде?

Евгений: Не обязательно. Всё зависит от того, куда ты нас поведёшь. Дата-сайентист — это суперхоливарная тема, описывающая всё одним понятием.

Татьяна: Действительно, я сама не люблю об этом рассуждать, стараюсь оставаться в стороне. Но мы сейчас озвучили свою боль — и понимаем, что главный человек, наверное, это дата-инженер.

Евгений: Не обязательно главный, но это человек, без которого не будет ничего. Без архитектора можно построить, но не то. Но если будет только архитектор, то мы вообще ничего не построим.

Про базовые скилы аналитика

— Получается, нужно думать не только о том, в какой области у тебя есть business mindset, но и насколько глубоко ты готов погрузиться в аналитику, интересен ли тебе инжиниринг или только сама аналитика? Или это какая-то естественная вещь? Сначала ты становишься аналитиком в определённой области, потом дата-инженером в ней и затем уходишь куда-то в стратосферу по своей крутости?

Евгений: Недавно в одном подкасте услышал рассуждение на тему аналитических скилов. Там была мысль о том, что навык аналитики станет в целом базовым, независимо от специализации. Аналитик может быть в маркетинге, может быть в финансах, но все эти направления требуют умения работать с данными. То есть будет база, которая распространится на многие профессии, не только на аналитику.

Татьяна: Да, многие уже об этом задумались. Люди, работающие на менеджерских позициях, не связанных с аналитикой, в том числе продакт-менеджеры, изучают SQL, математическую статистику, активно погружаются в то, что делают аналитики. Им нужно аналитическое мышление и базовые хард-скилы.

Я согласна, что в будущем этого разделения не будет, потому что аналитика — это стратегическое мышление. А оно подкрепляется только хардовыми скилами. Многие уже начали идти по этому пути, чтобы стать универсальными солдатами с точки зрения аналитических навыков. Я думаю, что это классно, но не у всех получается. Многие, кто находится на менеджерских или смежных с аналитикой позициях, слабы в критическом мышлении, в логике, хотя стараются освоить SQL, Python, ещё что-то. Мне кажется, что база, которая должна быть, — это критическое и сильное стратегическое мышление. Только с такой базой есть смысл изучать конкретные инструменты.

Евгений: Абсолютно согласен с Таней. Если представить профессиональный рост человека, который хочет развиваться в аналитике, то это будет выглядеть как пирамида. В начале ты усваиваешь, как вообще работают данные, что такое логическое и критическое мышление, стратегия, какие есть инструменты, а далее уже углубляешься. Нельзя начать от обратного, это просто странно. Но на многих курсах так преподают, и люди пытаются так учиться. Им кажется, что аналитика такая сложная, что нужно сначала выучить Python, а потом уже разбираться, что с ним делать. Это выглядит странно.

Приведу очередную аналогию. Это как научиться ездить только на «Жигулях». И если тебя сажают в другую машину, ты говоришь, что умеешь только на «Жигулях» рулить. Хотя очевидно, что лучше научить человека водить в принципе — чтобы, если он потом сядет за руль грузовика, тоже смог понять, как на такой машине поехать. А у нас зачастую всё работает наоборот: работодатели требуют конкретные инструменты. Но важно понимать, как эти инструменты работают изнутри.

Например, в визуализации данных компания использует только Tableau. И человек, который учит Power BI, посмотрит в вакансию, увидит Tableau — и всё, до свидания. Но на самом деле, если человек умеет работать с BI-системой, понимает, как строятся визуализации, откуда они берутся, как рассчитываются данные, как их можно агрегировать — то ему не столь важно, что будет с точки зрения интерфейса. Интерфейс и функции можно выучить за пару дней.

Пример диаграммы мультиканального трафика в Tableau

Татьяна: Да, я абсолютно согласна. За пару дней можно выучить Tableau, YouTube-туториал вам в помощь. Дальше всё зависит от того, насколько вы вообще понимаете, как визуализировать данные. Всегда ставьте себя на место бизнеса. Если вы открываете свой отчёт и думаете: «Ё-моё, что это такое, что за непонятные диаграммы», — закрывайте отчёт и идите его переделывать.

Когда я говорю «бизнес», имею в виду и ваших коллег, которые открывают этот отчёт и пользуются им. Нужно, чтобы они за 30 секунд могли понять, что вообще в этом отчёте происходит. Это про хорошую насмотренность. Если ты работал с Power BI и понимаешь, как правильно представить данные на диаграмме, то дальше у тебя не будет проблем. Основная твоя задача — уделить два дня просмотру туториалов по Tableau.

— То есть изначально у тебя должен быть business mindset в какой-то сфере, должны быть базовые знания, о которых мы сейчас говорим (о том, как в принципе что работает и какие данные для чего можно извлечь), — и только потом ты начинаешь осваивать инструменты, которые нужны для работы?

Татьяна: Именно так.

Как оценивать вакансии аналитиков. Что значит «любить пользователей»?

— Давайте поговорим о более приземлённых вещах. Как мы выяснили, не все компании представляют, какой им требуется аналитик и что от него нужно. Просто ищут человека, который с помощью данных компании заработает ей миллионы, универсального специалиста. Расскажите, как к этому подходить, стоит ли в принципе за это браться? Как выявлять такие вакансии, на которых тебя попросят чёрт знает о чём и ты не будешь знать, куда бежать?

Евгений: Здесь всё относительно просто. Нужна адекватность и понимание того, что у тебя просят. Но случается когнитивный диссонанс. Мы все любим выглядеть лучше в глазах работодателей. Кандидаты на собеседовании могут называть вещи, с которыми они не встречались или работали очень поверхностно. В каждой вакансии аналитика есть требование — высокий уровень владения Excel. Но все понимают это по-разному: есть люди, которые считают, что если они умеют пользоваться формулами и делать сводные таблицы, то у них высший уровень в Excel, круче не бывает.

Когда появляется вакансия, нужно в первую очередь посмотреть на требования и обязанности. Если вы добрались до личного интервью и уже общаетесь с представителями компании, подробно расспросите, что от вас хотят. Это поможет понять, справитесь ли вы, если некому будет вам помочь. Представляете ли вы, как конкретно будете это делать?

Мне кажется, что зачастую проблема в том, что люди хотят устроиться на крутую работу, где обещают супермасштабные задачи. И вписываются в это, не понимая, что их на самом деле ждёт. Нужно оставаться честными с собой и понимать, действительно ли можете решить задачу.

Татьяна: Я во всех вакансиях вижу, плохо или хорошо описаны требования. Как это распознать: хорошо описанные требования в вакансии — это те, где чётко прописаны обязанности. По сути, это твои функции, на которые ты подписываешься, заключая трудовой договор.

Бывает, что обязанности не сформулированы отчётливо. Недавно я смотрела, какие есть вакансии, что в них пишут. И у UX-исследователя в обязанностях написано «любить пользователей». Что значит «любить пользователей»? Ты подписываешь трудовой договор — какие функции входят в «любить пользователей»? Для аналитиков зачастую пишут вообще всё, что есть на рынке: Python, R, Airflow, понимание UX, Figma, прототипирование… Мои любимые аббревиатуры — CGM, Jobs to be Done и прочее. Ребята, вы реально этим пользуетесь, серьёзно? Кто пользуется Jobs to be Done?! Главное — написать. Есть такие позиции, в которых просто собраны все самые модные аббревиатуры. В какой-то классной статье продакт-менеджер прочитал про Jobs to be Done — и отдаёт такую вакансию в HR. Размещайте, будем искать.

Когда я смотрю такие вакансии — недоумеваю. Сразу понятно, что это плохая вакансия в компании, где люди сами не понимают, чего хотят. Там нет конкретного направления, которое ты будешь анализировать, нет чётких обязанностей. Вакансии, требования в которых сформулированы обтекаемо, вроде «любить пользователя» и «давать инсайты бизнесу» — это плохие вакансии.

Евгений: Сегодня утром нашёл такую фразу в вакансии: «любить работать с текстами и делать их красивыми».

Татьяна: Ещё поделюсь описанием вакансии: «знание UX и понимание UI». Что такое «понимание UI»? Как можно понимать UI? UI — это User Interface. Это для дизайнеров, для креативных людей, у которых хорошо развито эстетическое чувство, вкус. А позиция называется «продакт-менеджер со знанием UX/UI». Что, о чём, какого человека хотят нанять — вообще не ясно. И соискатели тоже этого не поймут. Насколько далёк от продакт-менеджмента user interface, видимо, не все понимают.

Евгений: Бывает, что человек, который отвечает за это направление в бизнесе, начинает учиться. И узнаёт, например, что есть аналитика — она может помочь компании вырасти. А ещё есть люди, которые могут решить все задачи. И этот специалист, не являясь аналитиком, не может собрать адекватные требования к вакансии. Это большая проблема.

Зачастую, когда в компании хотят впервые нанять аналитика, не тратятся на консультанта, который поможет сформулировать требования и описать задачу для будущего сотрудника. Тогда и получаются вакансии из разряда тех, о которых говорила Таня. Вспомнил ещё один смешной пример: в вакансии было написано, что от аналитика требуется настраивать рекламные кампании.

— Мне тоже кажется, что эта сфера не совсем понятна компаниям. Как с этим работать? Если у нас перед глазами вакансия, где вместо толкового описания обязанностей — список инструментов и общие фразы. К этому можно как-то подступиться или лучше забить?

Татьяна: Я очень радикальна. Я советую пропустить такую вакансию.

Евгений: Есть один инструмент, который сохранит вам кучу времени: погуглите. Видите вакансию, а в ней — какой-нибудь Jobs to be Done, гуглите, что это, и закрываете вакансию. То же самое с A/B-тестами. Прогуглите список инструментов, которые заявлены в требованиях, и поймёте, подходит вам это или нет.

Фундамент подхода Jobs to be Done в одной картинке

Татьяна: HR этого делать не будут. Им в каком виде вакансию передали, так они её и опубликуют. Часто HR говорят, что вообще в этом не разбираются, для них главное — отсмотреть резюме. Я советую не тратить время на интервью и тестовые задания на такие вакансии. Смотрите узконаправленные описания позиции аналитика. Обратите внимание на формулировки: кто-то пишет «бизнес-аналитик», другие — «дата-аналитик», а третьи — «аналитик данных». В общем, нужно на это всё взглянуть, подумать, чем вы хотите заниматься и в какой компании работать. Возможно, это будет компания с известным брендом на IT-рынке. Или наоборот, вы захотите работать в маленькой фирме.

Евгений: Это вопрос к бизнесу, к его установкам. Я часто встречаю компании, у которых внутри нет человека, который будет отвечать за аналитику. И они делятся опытом: разместили вакансию, нашли аналитика, он полгода просидел, что-то считал, делал отчёты. Они не поняли, зачем всё это, и решили, что им больше аналитик не нужен. При этом я понимаю, что если бизнес не может сформировать требования, то он, скорее всего, быстро разочаруется.

Нанимая человека, который не понимает, что конкретно он должен сделать и дать компании, бизнес не принесёт пользы ни себе, ни сотруднику, потому что тот ничему не научится. Совет для аналитиков — пролистывать такие вакансии и трезво оценивать, можете ли вы сделать то, что вас просят. Совет бизнесу — погуглить хорошие описания вакансий, а в крайнем случае — нанять консультанта, который поможет сформировать требования к вашему будущему аналитику.

Татьяна: Я согласна с Женей и ещё хочу добавить: перестаньте читать на vc.ru статьи про чудо-людей, которые запустили в космос ракету под названием «дата-анализ», про методики, которые люди вычитали в книжках и ни разу не применили. Будем честными: кто-то заказал книги на Amazon, прочитал и расписал содержание в Facebook. Опубликовал статью на vc.ru, сделал хороший селф-бренд — и всё. Потом вы свои мысли несёте в массы, в компанию, другим продактам.

Это особенно касается продакт-менеджеров, которые работают в кросс-функциональных командах и отвечают за то, чтобы нанять хороших аналитиков. При чтении таких материалов не забывайте о критическом мышлении. У вас должно быть понимание рынка: какие бывают аналитики, какими скилами они обладают, какие есть курсы и обучающие программы, которые помогут закрыть недостающие навыки у вашего потенциального сотрудника, насколько вы готовы потратить на это время и деньги. Если вы не понимаете рынок аналитиков, вам ничего не поможет.

Чек-лист вакансии аналитика, на которую нужно откликаться

— Подведём итог. Какие вакансии можно считать нормальными, чтобы откликаться? Или пойдём от противного — что должно вас напугать?

Евгений: Первый важный маркер — это чёткий список обязанностей. Второй — понимание задач. Когда прочтёте список обязанностей, вы должны чётко знать, чем будете заниматься. Если вы не поняли этого, лучше не откликайтесь на вакансию. Если нравится компания или область, можете откликнуться, но первый вопрос, который вы должны задать на интервью — чем именно вы будете заниматься. Это самое важное.

Старайтесь не концентрироваться на инструменте, но соберите информацию о нём. Например, есть множество инструментов визуализации или хранения баз данных. Все они работают примерно по одному принципу. Если вы знаете один инструмент, освоить другой — не проблема. Соответственно, если вы увидите в требованиях работу с другой базой данных, соберите о ней информацию и смело откликайтесь на вакансию, детали объясните на интервью. При этом вам придётся, как уже сказала Таня, два дня посидеть за туториалами на YouTube.

— Предположим, что с вакансией всё хорошо и счастливый аналитик идёт на собеседование. Что его там ждёт, к чему готовиться?

Татьяна: «Счастливый аналитик» — это хорошая формулировка, но мне кажется, что аналитик должен страдать…

Евгений: Соглашусь с Таней, но немного перефразирую: начинающий аналитик должен страдать. Человеку, который действительно хочет войти в индустрию, многого достичь и сделать это быстро, страдать придётся: он должен осваивать инструменты, типы проектов и задач, многому учиться на практике, набивать шишки. Лично мне не кажется, что учиться многому тяжело, но все люди разные, и изучать большой объём информации и часто ошибаться иногда бывает сложно. Недавно я услышал классную идею, что ценность аналитика для бизнеса в том, чтобы набить максимальное количество ошибок за минимальное количество денег.

Татьяна: Во фразу «Аналитик должен страдать» я вкладываю сложность задачи, когда ты должен придумать выход, проанализировать то, что нужно, и зачастую это бывает не так просто. Бизнес формулирует требования, а тебе, возможно, нужно декомпозировать их, и ты должен думать, сделать много попыток, подходов к анализу. Самый счастливый аналитик — тот, который «страдает» именно от поиска решений, подходов и декомпозиции. Тогда аналитику интересно работать, потому что это про логику, стратегию, business mindset.

Евгений: Соглашусь. Аналитики — это люди, которым нравится решать задачи. Если бы сфера была простой и понятной и можно было следовать алгоритму, её быстро автоматизировали бы или научили обезьяну этим операциям. Мы до этого говорили о пирамиде: сначала человеку нужно получить максимум знаний о процессе, аналитике, бизнесе, инструментах и задачах, ведь многие вопросы зачастую не сформулированы или оформлены так, что нет понятного ответа. И аналитик должен придумать, как такую задачу решить. Это очень интересная работа. И если вы любите сложные задачи, получаете кайф от процесса, того, что это было сложно, долго, но вы победили, аналитика — для вас.

Вопросы аналитикам-джунам на собеседовании. Тестовые задания

Татьяна: Итак, счастливый аналитик после длительного страдания идёт на первое собеседование, и тут ему задают вопросы. Женя, что ты спрашиваешь у джунов?

Евгений: Есть любимый вопрос, который я задаю абсолютно всем. У человека, который хочет стать аналитиком, я всегда спрашиваю, как он жарит яичницу.

Наверное, нет в мире человека, который бы не представлял процесс приготовления яичницы. Но при этом я ни разу не слышал двух одинаковых ответов. Были похожие, но одинаковых не было ни разу. При этом ты можешь понять, насколько человек структурно мыслит. Когда провожу собеседования, я всегда задаю много открытых вопросов, чтобы понять, кто этот человек и как он мыслит. Это намного важнее, чем конкретный инструмент. На базе простого вопроса, за которым не стоят инструменты, можно понять, насколько структурно человек подходит к любому процессу. И это, мне кажется, тот навык, который должен быть у аналитика.

Татьяна: И когда они говорят: «Первое, …», ты кайфуешь, потому что человек начал перечислять по пунктам ��

Евгений: Хорошо, когда люди задаются вопросами типа «Какую яичницу я хочу приготовить?», «Есть ли у меня продукты?», «Если нет продуктов, куда я иду?».

— Я бы запорол это собеседование, потому что начал бы с того, как разбиваю яйца, чтобы скорлупа не попала в сковородку…

Татьяна: Значит, тебе к дизайнерам! Я согласна с Женей в том, что нужно задавать максимально открытые и развёрнутые вопросы, какими бы глупыми они ни казались. Если Женя спросит меня на собеседовании, как жарить яичницу, я на него странно посмотрю. Но вопросы задают не просто так, не потому, что проверяют на стрессоустойчивость. Такие собеседования у меня тоже были, но это отдельный разговор. Так что да, нужно задавать открытые вопросы и смотреть, как человек мыслит. Это очень важно, ведь в дальнейшем он будет рассуждать на встречах в командах, давать нестандартные решения, в том числе тебе.

Всем нам кажется, что мы знаем, как лучше всего поступить и какие для этого есть ресурсы. Но всегда хочется иметь «вторую голову», с другим углом обзора, которая, возможно, подскажет, как по-другому подойти к решению вопроса. И именно открытые вопросы на интервью позволяют понять, насколько этот человек тебе подходит как аналитик, мыслитель с business mindset. Плохие вопросы — «кем вы видите себя через пять лет», «как вы хотите развиваться». Я считаю, что аналитик не должен проходить собеседование с HR. Да простят меня все HR, которые прочитают это.

— Мне кажется, такие вопросы уже никому не задают.

Татьяна: Поговорим про провальные собеседования. Я сторонник того, чтобы сначала дать тестовое задание и только после этого приглашать человека на собеседование. Раньше я была против такого подхода, потому что кандидат тратит время на выполнение тестового, а потом непонятно, что будет. Но здесь есть обратная сторона. Если тебе дают тестовое задание в самом начале, когда ты ещё не пришёл на первое интервью, ты поймёшь, насколько серьёзно компания подходит к задачам. Бывают тестовые задания, которые вызывают недоумение. Как можно нанимать аналитика и даже руководителя отдела аналитики и давать ему задания со сложностью на уровне детского сада? Если задание — какая-то ерунда, дальше время тратить не стоит. Я считаю, что это хороший показатель.

Если кандидат видит, что тестовое задание интересное, демонстрирует будущие задачи, а значит, компания постаралась при подготовке, он делает его с душой, готов общаться дальше. Он хочет выполнить тестовое максимально хорошо, чтобы попасть на интервью. Многие коллеги говорят, что это ерунда и они не хотят тратить время. Но на это нужно взглянуть под другим углом: тестовое задание даёт представление, насколько серьёзно компания относится к позиции аналитика и стоит ли на неё тратить время. Мне кажется, что именно так к этому стоит относиться. Меньше разговоров. С аналитиком в принципе нужно разговаривать только о предметной области, конкретных задачах и проблемах бизнеса. Женя, ты думаешь по-другому? Сначала нужно провести интервью, чтобы понять, что за человек перед тобой и стоит ли давать ему тестовое задание?

Евгений: На мой взгляд, всё немного сложнее. Я всегда смотрю на позицию: чем «хардовее» человек, тем больше к нему требований. То же самое и про тестовое задание: я смотрю на то, насколько понятно из резюме, что человек с ним справится. Если есть сомнения, проще в начале дать тестовое задание.

В том, что ты сказала, есть важный момент: процесс найма не односторонний. Не только работодатель решает, кого взять в компанию — вы тоже выбираете, где хотите работать, это очень важно понимать. Тестовое задание помогает оценить, насколько люди внутри понимают ваши задачи и как они подготовились.

Мы делаем немного по-другому: используем тестовое задание, когда возникают сомнения. Я убеждён, что ни одно тестовое не покажет, как на самом деле будет работать человек, как он подходит к техническим задачам. Это не аксиома, но если есть сомнения и нужно проверить конкретный навык, можно дать человеку точно такую же задачу, как те, что он будет решать.

Ошибки джунов на собеседовании. Важность пет-проектов

Татьяна: Расскажу, как делать не стоит. В этом нет ни капли сексизма, я рассказываю как есть и с чем я сталкивалась на опыте. Девушки, которые хотят зайти в аналитику, иногда поступают так: если бойфренд или муж работает в IT, они просят его сделать тестовое задание (особенно часто по Python).

Но это очень легко обнаружить. Она выполняет тестовое, ты видишь, что задание на Python сделано нереально круто, зовёшь её на интервью. Ты не задаёшь дополнительных вопросов, чтобы понять, как человек мыслит, просто уточняешь пару функций Python из тестового задания, и она впервые о них слышит. Всё, можно даже не начинать разговор про бизнес, mindset, другие вещи. Это фейл, так не стоит делать.

У этой девушки могут быть другие классные стороны, например, она хорошо разбирается в веб-аналитике или работала дата-аналитиком, но знает только R, а у нас нужно писать на Python.

Евгений: Хороший тест, особенно для джуниоров: нужно понимать, что выбросы работают в обе стороны. Если человек сделает что-то слишком хорошо и это не соответствует его уровню — это тоже плохо.

— «Вы для нас overqualified».

Татьяна: Мне, кстати, один раз так сказали, я в шоке была.

— Мне кажется, так говорят, когда не хотят платить столько, сколько ты хочешь получать.

Евгений: Не согласен. Я сам так говорил на интервью несколько раз, понимая, что человеку будет скучно. Мы искали человека под конкретную задачу, а соискатель суперперспективный — знал всё что нужно и был слишком амбициозным.

Татьяна: Спустя время я поговорила с человеком, который сказал, что я overqualified. Он тоже сказал, что мне было бы скучно и у меня больше амбиций, чем у того аналитика, которого хотели видеть на этом месте. Компания не хотела рисковать.

Если говорят, что ты overqualified, это скорее хорошо — тебе нужно подумать над амбициями, хорошо оценить свои скилы. Это значит, что ты занижаешь планку ожиданий от компании. Если ты overqualified для среднего бизнеса, значит, спокойно можешь идти в большую компанию. Если у аналитика возникает синдром самозванца (он хоть раз был у каждого) — это тоже про критическое мышление, нужно объективно оценивать себя. Аналитик — как адвокат, который может даже CEO сказать, что компания движется не туда, нужно остановиться. «Вот риски, вот объективная реальность».

Евгений: Можно спорить с любым человеком, но с цифрами спорить не получится. А аналитик — человек, который обладает цифрами.

— Я думаю, что сверхквалифицированность для читателей не особенно актуальна, а проблема «парень сделал тестовое, а я не знаю, что сказать» гораздо более злободневна. Расскажем об ошибках на собеседовании у начинающих аналитиков.

Евгений: Врать — это ошибка. Быть честным — это очень простой навык. Важно понимать: когда вы приходите на стартовую позицию, люди понимают, что вы джун. Странно от вас требовать идеальное владение Python. Поэтому не указывайте в списке инструментов при составлении резюме то, что вы трогали один раз, но хорошо этим не владеете. На собеседовании захотят узнать про ваш опыт и попросят рассказать, что вы сделали, с помощью каких инструментов. Это первый пункт, который я бы добавлял в чек-лист. Это то, с чем я очень часто сталкиваюсь. Люди с опытом, откликающиеся на вакансию аналитика, стараются приписать себе то, что делали разово, как регулярное выполнение задач.

У нас был очень классный человек на собеседовании, который говорил, что он сделал в компании исследование на основе статистического анализа, вывел результаты в систему визуализации и презентовал. Потом оказалось, что его часть работы — подготовка презентации и графиков, то есть не он проводил исследование. Часто люди, желая «продать» себя работодателю, записывают всё, что они хоть раз пробовали сделать, в то, что они всегда делали. Важно понимать: вас об этом всегда спросят. Лучше наоборот: не добавлять что-то в резюме, но сказать на собеседовании, что сталкивались с инструментом, но не считаете, что хорошо им пользуетесь. Люди, которые вас нанимают, так или иначе понимают ваш уровень.

Ещё очень важный пункт для всех джуниор-аналитиков (он же лайфхак и частая ошибка) — пет-проекты. Мы уже говорили, что в аналитике очень много практики. Первое, что я спрашиваю у джуниоров, которые прошли курс, — на каких проектах они работали и какие инструменты использовали. Если человек решал задачи только в рамках курса, для меня это не очень хороший знак. Сейчас, в 2020 году, когда есть интернет, открытые датасеты, тестовые платформы, сделать простой проект, презентацию, визуализировать что-то — не так сложно. Это выделит вас на фоне остальных кандидатов.

— Это интересная тема. Я хорошо представляю пет-проекты для программистов, а для аналитиков — уже не очень. Как это делается? Берутся открытые датасеты или как? Таня, расскажи об этом, пожалуйста.

Татьяна: Когда я собеседую дата-сайентистов, я всегда уточняю, есть ли у них аккаунт на Kaggle. Если он есть, уже неплохо. Это, конечно, всё шутки. В начале нашего разговора Женя упоминал интервью Алексея Никушина. В нём он говорит, что в первую очередь нужно смотреть на то, что вы делали и что есть в вашем портфолио.

Женя правильно говорит, что нужно сделать хоть что-нибудь. Вот вы прошли курс. Не нужно потом в портфолио добавлять эти многострадальные лепестки ириса на Python. Важно то, что у вас в нём уже есть и что вы сами попробовали сделать после прохождения курса. И вообще не нужно оперировать курсами. У меня есть сертификат по Data Science от университета Джонса Хопкинса: он просто лежит, на него вообще никто никогда не смотрел. Я пять лет назад на Coursera купила курс, прошла и всё, мне он ни разу не пригодился в карьере.

Курсы — это хорошо. По ним мы понимаем, что у вас есть представление, как всё работает, с чего начинается. Видим, что вы человек, который хочет учиться. А аналитик постоянно учится. Вот я выучила пять диалектов SQL.

Мои друзья, которые нанимали аналитиков, поделились историей. Они собеседовали девушку на позицию junior data scientist и спросили её про портфолио и проекты. Она выгрузила все звонки своего парня и построила модель, которая предсказывает, во сколько он ей позвонит. Они, конечно, очень веселились. Когда ты девушка и идёшь в аналитику, ты знаешь, что столкнёшься с сексизмом (он есть, пусть и с разницей от компании к компании), но придумываешь такую задачу и делаешь её, это очень круто!

Этой девушке сделали оффер, но я уже не помню, приняла она его или нет. Это история про аналитику, нестандартный подход к задаче, даже с юмором. Те, кто нанимают, видят: у соискателя всё в порядке с самоиронией, это командный игрок. Тут нужно не просто найти на Kaggle датасеты и что-то с ними сделать — это нестандартная задача. Девушка придумала, как эти данные выгрузить, — вряд ли она заказывала выгрузку у мобильного оператора и потом делала чистку данных. Наверняка она их вручную собирала.

Ещё непонятно, за какой период нужно сделать выгрузку, чтобы хорошо обучить модель. Когда ты понимаешь, что это простое задание, но думаешь, как к нему нужно подойти и насколько это может быть сложно, ты в итоге приходишь к выводу, что это крутой человек. И это не требует супернавыков. Вот ты прошёл курс по Data Science на Stepik, всё потрогал и решил, что хочешь сделать вот так. Если приходит такой аналитик, мы можем не успеть дать ему тестовое задание: он сам покажет портфолио, и мы поймём, что хотим с ним работать.

Евгений: Согласен, это очень выделяет человека. А просто курсы и их упоминание не играют роли.

Татьяна: Я больше скажу, даже университет не играет роли.

Евгений: Только если ты Гарвард не окончил.

Татьяна: Про Гарвард я тебе потом отдельно расскажу. Университет играет ещё меньшую роль — мы все знаем, как учат в российских вузах, даже физтех физтеху рознь. Насколько разные ребята выходят из топовых технических вузов — вы даже не представляете.

Если коротко, советуем только что выпустившимся бакалаврам или людям, которые решили сменить профессию и прийти в аналитику, вот что. Первое — не врать на собеседовании, второе — сделать собственное предложение компании, в которую вы хотите, до того как получите тестовое задание. Это выделит вас на фоне других кандидатов. Возможно, вы не суперточно построили модель, но вы выдвинули предложение, прежде чем получить тестовое задание. Женя, какие ещё есть лайфхаки?

Работа с фидбэком на курсах и при устройстве на работу

Евгений: Есть очень классный пример, на основе которого я бы дал лайфхак: собирать фидбэк и следовать ему. У нас был человек, который пришёл с курсов, я не хотел брать его на интервью, но уговорили. После собеседования я отказал, но дал фидбэк, что ему нужно подтянуть. Человек вернулся через две недели, сказал, что учёл обратную связь, попросил тестовое задание, прекрасно его выполнил — и мы позвали его ещё раз. Было видно, что эти две недели он работал, учился целыми днями и старался. Мы в итоге его взяли.

Вот он собрал фидбэк и проработал его. И это очень важно не только на этапе собеседования. Когда вы проходите курсы, важно, какую обратную связь вам дают менторы, кураторы, преподаватели. Очень много людей не следуют этому совету, а ведь мы даём фидбэк не просто так.

Татьяна: Мне кажется, что мы с Женей — преподаватели, которые очень много времени тратят на развёрнутый фидбэк. Одно дело — как мы оцениваем домашние задания на GeekBrains. Мы хотим, чтобы человек развивался и действительно услышал нас. Мы никого никогда не обижаем. Наоборот, мы всегда думаем, как сформулировать обратную связь так, чтобы дать правильное направление, в котором человеку предстоит поработать. Фидбэк — это очень важная часть. Мне один раз он тоже очень пригодился. В одной компании я дошла до финального этапа отбора, разговаривала с вице-президентами, и выбор был между мной и ещё одним кандидатом.

Мне отказали и дали фидбэк, что мне не то чтобы не хватает критического мышления, а я «очень мало разнесла компанию». Когда я делала тестовое задание, я пыталась соблюсти баланс между полным разносом и положительными пунктами. Как я поняла, кандидат, который тоже претендовал на должность, разнёс их намного больше.

Вице-президент ожидал, что я разнесу их по полной программе, а я это сделала не до конца. Посоветовал поработать над уверенностью и критическим мышлением. Этот фидбэк мне очень пригодился: я проработала свои слабые стороны, ведь очень часто профессиональное коррелирует с личным: комплексами, неуверенностью. Такие вещи нужно проработать, ведь это в том числе про эмоциональный интеллект и позиционирование внутри компании и команды.

— У нас получился неплохой чек-лист, хоть и не очень длинный, но весьма обстоятельный.

Евгений: Хочу добавить ещё один пункт. Вспомнил классную вещь, которая мне в своё время помогла. Как мы говорили, для проверки кандидата очень важны открытые вопросы, к которым сложно подготовиться. Не получится ничего зазубрить, проверяют именно логику, мышление, видение проблемы и взгляд на неё с разных сторон.

Но кое-что для подготовки сделать можно. Есть такая хорошая книжка для продактов — Cracking the PM Interview. Книга написана по примерам собеседований Apple, Amazon, Google и других подобных компаний. Плюс в том, что в ней рассматриваются задачи и примеры решений. Например, задача формата «сколько самолётов пролетает над Польшей в неделю». Понятно, что ни один человек этого не знает. Но эта книга учит связывать данные, которые у тебя есть, с тем, чего ты не знаешь. Где находится Польша, какой там возможный пассажиропоток в Европу, летают сейчас самолёты или нет. И ты понимаешь, как развивать логику. В своё время это помогло мне разобраться, как решать логические задачи, как можно от одной цифры прийти к другой, как они связаны, как найти ответ.

Полное название книги — Cracking the PM Interview: How to Land a Product Manager Job in Technology

Татьяна: Да, мне такие же вопросы задавали. Они очень классные, проверяют, как ты рассуждаешь.

Евгений: Таких задач миллионы и их очень любят в больших компаниях. В книге подробно описаны сами вопросы и даны пути решения, можно потренироваться перед собеседованием.

Подписывайтесь на обновления подкаста по ссылкам в начале статьи! Новые интересные выпуски уже в пути!

Освоить востребованную профессию в Data Science можно всего за полтора года на курсах GeekBrains. После учёбы вы сможете работать по специальностям Data Scientist, Data Analyst, Machine Learning, Engineer Computer Vision-специалист или NLP-специалист.

Что превращает простую аналитику в продвинутую?

Слово «аналитика» сейчас используется настолько часто, что оно практически перестало нести смысловую нагрузку. За какую бы задачу в области IT вы не взялись, там обязательно будет какая-нибудь аналитика. Нарисовали график или подсчитали статистику – получай аналитику, нанесли точки на карту – получай крутую аналитику.

Для того, чтобы эта тема перестала быть общим местом, стоит разобраться какой смысл мы будем вкладывать в слово «аналитика». Анализ – это работа, целью которой является принятие обоснованного решения. Если никакие решения не принимаются, то нет смысла анализировать.

Так что можно смело говорить, что любой человек является аналитиком. Если еще он применяет Excel, то значит человек – пользователь специализированного аналитического инструмента. Многие же строили графики, считали среднее или сумму по колонке. Чем вам не анализ? Excel – это и есть самый популярный в мире инструмент аналитика.

Однако если говорить об аналитике, как о самостоятельном роде деятельности, требующем специальных знаний, то стоит использовать термин «продвинутая аналитика». Таким образом можно отделить сложную аналитику от простого построения графиков в Excel.

Спрашивается, чем продвинутая аналитика отличается от простой? Какие признаки делают её продвинутой?

Я считаю, что есть 3 ключевых признака:

Нетривиальная логика обработки данных
Обоснованное использование сложных алгоритмов
Обработка больших объемов данных

Поясню каждый пункт по отдельности.

Нетривиальная логика

Мы довольно часто сталкиваемся с задачами, которые вроде как легко решаются, где не нужна никакая высшая математика, но которые все равно являются очень сложными.

Возьмем простой пример, связанный с очисткой персональных данных – определить корректность телефона. Казалось бы, все очень просто. Есть формат написания телефона +X (XXX) XXXXXXX, если текст ему соответствует, значит все верно. Что тут думать? И где тут сложности?

А теперь посмотрим, что происходит при анализе реальных данных. Приведу несколько примеров из жизни.

Номер телефона	Проблема
+7 (4912) 24-09-77 24-06-99	Это ошибка или 2 номера?
+7 (4912) 24-09-77 (спросить Сергея)	Приписку надо отбросить?
+7 (4912) 24-09-77 (302)	302 – это добавочный номер или нет?
+1 (111) 1111111	Это фиктивный номер или реальный?
(Ч912) 24-09-77	Букву «Ч» надо заменить на цифру 4?
81074912240977	«810» — это выход на межгород?

И таких вопросов сотни. Если номер телефона без кода страны или города – он корректный? Нужно ли проверять код страны? А код оператора?

Если попробовать решить данную задачу в реальном проекте, то очень быстро придет понимание, что это совершенно нетривиальное дело. Несмотря на то, что каждая из проверок кажется простой, типов ошибок так много, что можно потратить год на разбор всех проблем.

Сложные алгоритмы анализа

Очень часто применение Data Mining алгоритмов считается маркером того, что речь идет о продвинутой аналитике. Это не совсем верно.

Действительно иногда приходится использовать сложные алгоритмы, машинное обучение, но к ним стоит прибегать только если простыми способами задачу не решить. Я много раз сталкивался с ситуацией, когда люди применяли нейронные сети и прочие хитрые методы там, где в этом нет никакой необходимости. Видимо, это создавало ощущение причастности к науке, хайтеку и высшим кругам.

На моей практике был анекдотичный случай, когда для анализа того, какие факторы влияют на объем продаж в магазине, аналитик использовал несколько Data Mining алгоритмов и пришел к поразительному выводу: чем больше площадь магазина, тем на большую сумму он продает.

Возможно, эти сокровенные знания и стоили месяца сложных расчетов, но мне кажется, что о существовании подобной закономерности может догадаться любой разумный человек. Для этого не нужно машинное обучение.

Применение машинного обучения должно быть обосновано решаемой задачей, а не желанием рассказать коллегам об использовании последних достижений науки. Оно к месту, когда много анализируемых атрибутов или между факторами предполагается наличие сложных зависимостей.

Кроме того, надо иметь в виду, что значительная часть времени в продвинутой аналитике уходит вовсе не на построение моделей. Самая трудоемкая часть работы – это подготовка данных к анализу: сбор, систематизация, очистка, трансформация. До применения Data Mining надо еще добраться.

Большие объемы данных

Анализ очень больших объемов данных действительно является проблемой. Наборы не помещаются в памяти, приходится прибегать ко всяким ухищрениям, чтобы их обработать: разбивать на блоки, использовать распределенные вычисления. Даже простые операции над такими данными могут потребовать непозволительно много времени.

Конечно, и здесь надо понимать, что Big Data не является самоцелью. Часто можно провести элементарную предобработку, чтобы сократить размеры анализируемых выборок и не придумывать себе проблему, которую затем надо героически решать.

С Big Data, как и Data Mining тоже возникает искушение применить модные инструменты, просто потому, что все вокруг говорят про то, что давно этим занимаются и хочется приобщиться к великому делу. Однако стоит постараться решить проблему меньшей кровью, и если ничего не помогает, то пускаться во все тяжкие с Big Data.

Если аналитик вынужден обрабатывать большие данные, то помимо трудностей с памятью и производительностью возникает еще одна неприятная проблема. Дело в том, что даже самая простая задача на больших наборах неожиданно перестает быть тривиальной.

Например, возьмем простую задачу – подсчитать сумму по полю. Куда уж проще? Этому учат в первом классе. Когда данных мало все считается элементарно. Однако попробуйте просуммировать в лоб 1 млрд. больших чисел. Вы легко можете столкнуться с проблемой переполнения и не получить ответ. Или выяснится, что иногда сумма двух целых чисел может быть представлена в памяти компьютера как дробное число, что совсем не соответствует ожиданиям.

Но это еще полбеды. Дело в том, что результат суммирования может зависеть от того как вы подаете данные на вход. Суммируете отсортированные данные – один результат, а те же самые неотсортированные данные – другой. Как тут верить результатам?

А ведь суммирование – это самая примитивная операция. Попробуйте решить на больших объемах данных более сложную задачу и будете удивлены полученными результатами. Конечно при условии, что вы дождетесь окончания расчетов.

Продвинутая аналитика

Продвинутой аналитикой можно и нужно считать то, что нельзя решить просто. Продвинутая – значит непростая, с которой не разобраться без специальных знаний и инструментов. Именно сложность решения и определяет ту грань, которую отделает обычную аналитику от продвинутой. Конечно, граница между ними нечеткая, но я считаю, что именно сложность является главным критерием.

Если для решаемой задачи характерны один или два описанных выше признака, то это несомненно продвинутая аналитика. Если же встречаются все три признака сразу, то это уже высший пилотаж.

Именно потому продвинутой аналитике надо специально обучать. Уверен, что многие из тех, кто дальше Excel и анализа небольших наборов данных не уходил, даже не догадываются о существовании проблем, с которыми им придется столкнуться как только они подступятся к продвинутой аналитике.

Продвигаем сайт, делаем ремонт и выбираемся с Марса

Большой не значит сложный

Чтобы было нагляднее, возьмем три примера:

Продвигаем сайт

Рабочий
Вы менеджер, и вам дали задание продвинуть сайт своей компании

Делаем ремонт

Жизненный
Вы хотите сделать ремонт в комнате сына

Выбираемся с Марса

Фантастический
Вы Марк Уотни, и вас забыли на Марсе (подробности здесь)

1. Главное – начать, а там пойдет

Подходит в трех ситуациях:

1.1. Не знаете, как подступиться к задаче

Пока поставлю Метрику и Analytics на сайт, а там посмотрю.

А, еще где-то читал, что есть сервисы, чтобы позиции сайта смотреть – там тоже зарегистрируюсь.

Сначала бы хотелось наладить связь с Землей, но я еще не придумал, как это сделать.

1.2. Задача большая, взваливать на себя такой груз просто лень

Продвижение сайта – процесс небыстрый, местами скучный, местами непонятный.

И создам папку на рабочем столе «Продвижение сайта», а в ней файл «План.docx».

Ремонт нельзя закончить, его можно только начать – пугающая фраза =(

1.3. Опасаетесь, что не справитесь с задачей

А если не хватит денег, времени. А если плохо сделаю =( А сыну там потом лет 7 жить.

Хм, но и оставлять как есть не хочется, ему ж там еще лет 7 жить..

2. «Пилим» на кусочки

– Убрать неактуальные товары, добавить актуальные с полными описаниями

– Зафотать красиво товары

– Снять видео хотя бы о 3-4 товарах

– Пересмотреть структуру сайта, убрать ненужные разделы, может, что-то добавить

– Поменять дизайн сайта

– Продвигаться в органике (Яндекс + Google)

– Запустить рекламу (может, какую-нибудь акцию?)

– Отслеживать статистику (перед руководством же еще отчитываться)

Точка Б – комната 16 квадратов, удобная, светлая, оригинальная, для мальчика.

– Убрать старую мебель, вещи

– Снять старые обои, потолки, линолеум и пр.

– Поменять окна, батареи, дверь

– Натяжной потолок (хотя лучше подвесной + встроенные светильники)

– Обои, линолеум, ковер (с коротким ворсом)

– Шведская стенка (чтобы с турником обязательно)

– Кровать/ шкаф/ компьютерный стол (что-нибудь в пиратском стиле)

Точка А – Марс. Точка Б – Земля.

– Еда, вода на 4 года

– Добраться до кратера Скиапарелли, куда приземлится следующая экспедиция

3. Нам нужен план

1. Определить метрики/цели и зафиксировать показатели на текущий момент – до 5 сент.

2. Продумать новую структуру – до 10 сент.

3. Подготовить контент под новые разделы – до 30 сент.

4. Удалить старые товары – до 30 сент.

5. Убрать старые разделы – до 30 сент.

6. Нарисовать/ сверстать новый дизайн – до 20 окт.

7. Заменить дизайн на сайте – до 1 нояб.

8. Создать новые разделы, сверстать, заполнить – до 20 нояб.

9. Техническая оптимизация – до 20 нояб.

10. Собрать информацию о 20 самых актуальных товарах, разместить на сайте – до 20 нояб.

11. Контентный план – до 25 нояб.

12. 2-3 акции – до 25 нояб.

13. Полное тестирование, доработки, правки – до 25 дек.

14. Выдохнули, делаем перерыв – до 10 янв.

15. На свежую голову еще раз проверили, поправили – до 20 янв.

16. Крауд-маркетинг – до 31 янв.

17. Контекст – до 31 янв.

18. Реклама в facebook – до 31 янв.

19. Статьи на сторонних ресурсах – до 31 янв.

1. Отправить сына в детский лагерь на 3 нед. и взять отпуск на 3 нед. – 1 авг.

2. Вещи убрать в коробки и в нашу комнату – до 3 авг.

3. Старую мебель увезти брату жены (сказал, что-то оставит себе, остальное отвезет в детский дом) – до 5 авг.

4. Снять все старое – обои, линолеум, люстру, дверь – до 7 авг.

5. Попутно составить точный план расстановки мебели – до 7 авг.

6. Заменить батареи – до 9 авг.

7. Заменить окна – до 11 авг.

8. Купить материалы – до 11 авг.

9. Выровнять стены – до 13 авг.

10. Поклеить обои – до 14 авг.

11. Линолеум, плинтуса – до 15 авг.

12. Подвесные потолки, светильники – до 17 авг.

13. Купить мебель и дверь – до 17 авг.

14. Ковролин, мебель – до 18 авг.

15. Поставить новую дверь – до 19 авг.

16. Уборка, разложить вещи – до 21 авг.

17. Забрать сына с лагеря – 22 авг.

1. Получить 9 куб.м. почвы – на 30 сол

2. Получить 250 л. воды для полива почвы – на 30 сол

3. Посадить картофель – на 30 сол

4. Собрать урожай и снова посадить – на 70 сол

5. В 300 км. отсюда отыскать марсоход Pathfinder – на 50 сол

6. Привезти Pathfinder к жилому модулю, починить, использовать для связи – на 60 сол

7. Из второго марсохода сделать прицеп к первому марсоходу – на 80 сол

8. Собрать второй урожай и снова посадить – на 110 сол

9. Решить проблему питания марсохода – на 120 сол

10. Погрузить необходимые вещи в марсоход с прицепом – на 130 сол

11. Добраться до кратера Скиапарелли – на 360 сол

12. Переоборудовать взлетный модуль – на 380 сол

4. «Не стоит прогибаться под изменчивый мир. »

Оказалось, что система управления нашим сайтом:

а) устарела, для нее нет обновлений, а в текущую версию могут «пролазить» вирусы

б) не позволяет задавать уникальные мета-теги для товаров каталога

5. По мере поступления

Шеф первое время бегал с вопросами:

Теща «давила» сомнениями:

Сомнения грызли меня самого:

Ответ был один: Тогда и буду думать об этом.

6. Мы не гордые

Обратился к нашим менеджерам:

7. Переключайтесь

И да, переключайтесь на отдых, другие дела или безделье (в меру =)).

Во-первых, без отдыха и сна вы вряд ли долго протянете, в итоге ваша работоспособность заметно снизится.