Думал о том какие основные поинты должен знать продуктовый аналитики и на основе этого родился небольшой фреймворк, который показывает, что должен знать и уметь продуктовый аналитик, а также его можно использовать для входа в новый проект или просто для решения отдельной аналитической задачи. Давайте разберемся.

1. Понимание бизнеса Это по сути этап целеполагания, понимания бизнес- модели, продукта, маркетинга и прочего. Тут важно понять какую бизнес задачу мы хотим решить.

Например мы тратим много денег рекламу и хотим оптимизировать бюджет и заработать больше, что нам делать? Или например мы проводим релизы новых фичей и вот в последний из релизов мы сильно упали по доходу из-за того, что нашим пользователям не понравилась новая фича, как этого избежать?

2. Система метрик У аналитика есть данные и есть бизнес задачи. Но данные это всего лишь куча таблиц со столбцами, чтобы на основе этих данных мы могли решать бизнес задачи, нам нужна система метрик, которая отражала бы цели бизнеса и могла бы оперативно показывать изменения, а еще лучше объясняла бы взаимосвязи.

Соответственно система метрик это слой, который количественно отражает здоровье и тенденции нашего бизнеса. Это как анализы для пациентов. Если вы не сдали анализы, то доктору будет сложно вам помочь.

3. Методологии Под методологиями я имею в виду способы работы с метриками для решения бизнес задач. Например, юнит - экономика для поиска проблемных мест продукта, методика управления рекламными кампании на основе метрик маркетинга, методика оптимизация конверсии, методика проведения АБ теста, методики проведения adhoc анализов .

У вас должны быть методики, чтобы работать с метриками и достигать бизнес целей. Если вы каждый раз переизобретаете методику, то это напрасная трата времени.

4. Данные После того как мы подумали над тем какие метрики нам нужны и с помощью каких методик мы будем с ними работать, то важно понять, а есть ли у нас данные на основе которых мы все это будем считать.

Здесь определяем какие именно данные будем брать для подсчета и из каких систем. Например для расчета cr1 данные пользователей из GA. Для подсчета повторных покупок данные о покупках клиентов из CRM.

5. Инфраструктура Данные надо собирать, хранить и обрабатывать. Соответственно исходя из требуемых данных и методик, можно определить какая инфраструктура вам нужна. Кому-то возможно хватит экселя. А кому то нужны будут: DWH, пайпланйны, BI, python и его библиотеки, АБшницы, системы трекинга и прочее.

В этой пирамиде понимание каждого нижнего блока вытекает из понимания вышестоящего блока. Вроде получилось коротко и практично.