Недавно мне задали такой вопрос. Решил написать про это свое мнение.

Простой ответ Спрашивал бы исходя из того что нужно компании, в которую нанимаем человека. Т.к. у компаний разные задачи и им нужны разные люди, но называют они их одинаково "продуктовый аналитик"

Ответ идеализированный У меня есть некоторое идеальное представление о "продуктовом аналитике", что это такая позиция где сотрудник анализирует данные и через это помогает компании зарабатывать больше денег и делать жизнь пользователей лучше. Вот про найм человека на такую позицию я бы хотел поговорить.

1. Системное понимание бизнеса Меня всегда корежит когда меня зовут собеседоваться на позиции под названием "аналитик-разработчик". Какой я вам разработчик, может еще предложите алгоритмы выучить? Для меня продуктовая аналитика это про бизнес. Т.е. это такой "экономист" новой цифровой эпохи, а в место предприятия у него продукт.

В этом продукте функционируют все те же процессы, как и в любом бизнесе. Привлечение, конвертация, удержание клиентов. Есть циклы производства (отгрузки фичей), есть найм, продажи. Все это части одной системы под названием бизнес.

Задача продуктового аналитика, через анализ данных влиять на бизнес. А как ты будешь делать выводы если не понимаешь как работает система, какие в ней существуют причинно-следственные связи?

В моём понимании идеализированный "продуктовый аналитик" ближе к маркетологу, чем к разработчику. Т.к. его задача помогать принимать решения влияющие на бизнес, а не код писать.

Соответственно тут бы я предлагал, порешать разных кейсов, проверил бы способность мыслить глобально и локально. Т.е. предложил бы решить какой-то кейс связанный со стратегией развития бизнеса и отдельно какой-нибудь локальный кейс например про оценку отдельный фичи и просчет юнит-экономики.

2. Статистика и понимание аспектов работы с данными в бизнесе Статистика нам нужна, чтобы понимать что метрика это не просто плоская цифра. Метрика имеет объем, под объемом я имею в виду распределение.

Т.е. одно и то же значение метрики может иметь разный бизнес смысл, если мы взглянем на разные распределения. АБ тесты, без понимания статистики, тут никуда. Надо понимать все эти ошибки первого, второго рода, MDE, дов интервалы и прочее.

Под аспектами работы с данными, я имею в виду то как вот эта вся статистика приземляется в бизнес. Тут бы я тоже дал кейсы и попросил найти в них проблемы.

Например дал бы кейс с проблемой усреднения метрик или кейс где мы взяяли дляя оценки пилота не репрезентативную выборку, таких кейсов можно придумать много. Но они на мой взгляд довольно показательны в плане понимания " а как и где применять всю эту статистику в бизнесе"

3. Техничка sql, python Сразу скажу, я сам не люблю эту секцию на собесах и часто её заваливаю, т.к. мне это в целом не интересно как аналитику, если бы я любил прогать, пошел бы в разрабы. Считаю если человек имеет реальный опыт работы аналитиком, то скорее всего sql писать он умеет.

Согласитесь большинство sql конструкций типичного продуктового аналитика это не рокет сайенс и если что-то забыл всегда можно загуглить. Поэтому если у человека есть опыт работы и он хорошо прошел первые 2 секции и показал адекватность, то техничка это не столь важно.

А у вас какое мнение? Если согласны, пишите в комменты. если не согласны - тем более пишите в комменты😏