Tidy data БЛОГ

От ОКР до еженедельных аналитических записок

Как организовать работу с данными, чтобы они помогали бизнесу достигать целей.

Этот материал для тех, кто задается вопросом как использовать данные в компании, чтобы они приносили пользу. Статья будет релевантна, если вы ищете способы улучшить аналитику или организовать ее на старте бизнеса (ну или перезапустить в работающем). В первую очередь речь идет IT компании, но может быть применимо и к другим индустриям. Начнем вот с чего:

Аналитика — это не просто красивые графики, а инструмент для:

Оценки изменений и принятия решений (о фичах, маркетинговых каналах и др.);
Приоритизации проектов (чтобы фокусироваться на самом важном и рентабельном);
Контроля выполнения планов (сравнение «план/факт» и корректировка курса);
Повышения эффективности процессов (оптимизация воронок, рекламы, алгоритмов);
Понимания рынка и клиентов (анализ ЦА, потребностей, поведения);
Улучшения клиентского опыта (оценка интерфейсов, коммуникаций);
Прогнозирования и планирования ресурсов (бюджеты, нагрузка, ресурсы);
Объяснения картины мира (поиск причинно-следственных связей).

Где аналитика дает максимальный эффект?

Выделим первоочередные домены к которым применима аналитика и в которых она приносит максимум пользы:

  • Маркетинг и продажи (воронки, юнит-экономика, рентабельность маркетингового бюджета)
  • Продукт и производство (поведение пользователей в цифровых продуктах, ассортимент и закупки)
  • Финансы и бухгалтерия (PnL, анализ доходов и расходов)
Аналитика в службе поддержке, SMM, customer success тоже полезна, но обычно менее рентабельна на начальных этапах.

Приземляем на практику

Ингредиенты для вкусной аналитики в компании:

а) Дерево метрик

Лидеры задают стратегический вектор. Например, захват рынка или повышение рентабельности. Обычно такие цели задаются на год и разбиваются на квартальные этапы. Каждая команда определяет свой вклад в ОКР и необходимые ресурсы для достижения цели. Какие именно проекты делать и каким командам, а также, как распределить ресурсы между ними поможет определить дерево метрик:
Дерево метрик - это декомпозиция метрик на составляющие. Оно помогает увидеть общую картинку и сфокусироваться на важном. А также найти максимальные рычаги влияния и цели для каждой из команд.
В приложении к дереву метрик фиксируются однозначные определения и стандарты расчета метрик (например, GMV — это общий B2C оборот после вычета скидок по completed транзакциям).

На следующих этапах для каждой метрики в дереве можно рассчитать её вариабельность (степень изменчивости, насколько легко метрика поддается изменению) и рычаговость (как изменение метрики на 1% повлияет на итоговую прибыль).

б) Дашборды для команд

Каждой команде (которая что-то делает и тем самым вносит свой вклад в стартегические цели) нужен свой дашборд. Гигиенический минимум это:

1. Дашборд маркетинга
С воронкой привлечения и юнит экономикой. Конкретное содержание проектируется аналитиком и лидерами маркетинга. Определяется состав метрик, фрейворков и подгруппы для анализа (по каналам например или по платформам привлечения).

2. Дашборд продукта
Отображает поведение клиентов в продукте. Удержание, пользование фичами, ошибки и крэши.
Для розничной торговли эту роль выполняет отчет по продажам и остаткам.

3. Дашборд финансов
Обычно это по-месячный PnL — финансовый отчёт о прибылях и убытках, который показывает доходы, расходы и финансовый результат.

По мере развития и появления ресурса аналитика может раскатываться и остальные департаменты и даже конкретные фичи. Но важно не забывать задавать себе вопрос:

Расходы на аналитику этого департамента / фичи / проекта будут перекрыты прибылью от применения этой аналитики?

в) Аналитические записки и ритм регулярных встреч

Когда данные подключены и дашборды настроены появляется следующий слой – анализ и интерпретация этих данных. В данных мало пользы, если не принимать решений и действий на их основе. А для этого требуется совместная работа аналитиков (которые понимают данные) и бизнес-заказчиков (которые хорошо знают свой контекст). Реализовать это можно орг-инструментами:

  • Регулярные встречи с аналитиками 1:1;
  • Регулярные общие встречи;
  • Регулярные аналитические записки и дайждесты.
Цель: курсирование информации, прозрачность, управляемость, обратная связь.

Состав аналитической команды зависит от типа и размера бизнеса:

В крупных компаниях у каждого продукт-менеджера и маркетингового лида есть свой аналитик. В банках таких специалистов может быть больше сотни. Это позволяет аналитикам глубже погружаться в задачи, но обычно каждый работает в своей узкой области.

В небольших и средних компаниях часто работает один аналитик или небольшая команда, которая занимается всем сразу. Из-за нехватки ресурсов часть аналитики берут на себя менеджеры — это называют self-service. Аналитики готовят данные, таблицы и дашборды, а менеджеры сами интерпретируют их и делают выводы.

г) Доска с задачами для аналитиков

  • Какой потенциал новой фичи? Как новая фича повлияла на метрики? Как пользование фичей развивается в динамике?
  • Из-за какого канала маркетинг не добегает до плановых показателей? В чем именно проблема этого маркетингового канала?
  • Какой прогноз {любой метрики} на следующий квартал? Из-за чего начался отток постоянных клиентов?
На такие и бесконечное множество других вопросов могут отвечать аналитики. Выстроить взаимодействие с ними можно при помощи доски через которую бизнес-заказчики заводят задачи для исследований:
Пример простого шаблона для постановки задач аналитикам

Образ результата – управление на основе HADI цикла

Внедрение аналитической обвязки для бизнеса — это ответственности лида аналитики. Дальше дело за малым: делать улучшения, отслеживать факт и раскатываеть, если работает. Это назается HADI-цикл, подробнее про него рассказываю в мини курсе.
Все что обозначен выше — это база.

Еще аналитики умеют обучать машины прогнозировать будущее, выделять сегменты клиентов, подсматривать за действиями конкурентов, моделировать экономику, присылать уведомления, когда что-то сломалось, запускать кастдевы и количественные исследования, делать дата-арты для СМИ и много других смузишных и модных штук. Обращайтесь ;)
Хотите систематизировать свои знания по аналитике?
Встречайте «Анализ данных для хулиганов»


Онлайн пособие о том, как создавать великолепные продукты и эффективно управлять маркетингом на основе данных⚡


Методики / Фреймворки / Шаблоны для скачивания

Заметки на полях

  • Реальный мир сложнее, чем математические модели. Не все можно измерить (к сожалению). Данные не панацея, но снижают риски.
  • На рынке представлено множество разнообразных инструментов и все хочется попробовать. Выбирайте систему изящно, т.к. подключение доп. сервисов - это всегда дополнительный ресурс на поддержку, новые логины-пароли, риски безопасности, риски расползания данных и др.
  • Не пренебрегайте документацией (определение метрик, процессов, коллекция ссылок, описание нюансов и исключений, принципов атрибуции…). При смене команды - это спасительная веточка смыслов. А еще в будущем ее можно «скормить» ИИ-агенту.
  • У аналитики, как сущности есть свойства: точность, своевременность, полнота, консистентность, понятность, надежность. Ответственность лида аналитики — следить за этими параметрами.

Этот текст написан без участия ИИ ;)
Этот текст написан человеком, но проверен алгоритмами :))
Понравилась статья?
Поделиться: