и коротко о подходах к улучшайзингам в Q&A с Марком Маджидовым.

Я: I believe. Сильные продакты, которые суперпогружены в свой продукт предпочитают делать изменения в продукте без исследований и тестах, не основываясь ни на чем, кроме своего ощущения продукта. Это норм? Ведь такой подход может быть об ограничениях, шорах. Ну не сможет один человек всесторонне увидеть продукт всеми персонами.

Марк: Напишу мое мнение. Такие есть 100% и у них иногда даже могут подтверждаться гипотезы без данных. Мое мнение что прям совсем без данных хорошего продукта, стратегически не построить. Тактически могут получаться победы, но в долгосрочной перспективе вероятность успеха у таких ребят будет очень маленькая. Проверить через эксперименты сравнительные мы это вряд ли сможем, но из того что я видел, по опыту, хорошие решения и продукты так получаются очень редко. Учитывая что даже с данными большинство гипотез (8 из 10) будут не подтверждаться, совсем без данных это вероятность успеха вообще будет стремиться к нулю. _ Я: Мне кажется, data-driven переоценен, ну просто потому что не все данные дают инсайты. Есть области, исследования в которых вовсе не требуются. А вот какие это могут быть области? Или же не стоит смотреть на отсутствие инсайтов, пашем и делаем дела на данных?

Марк: Дата дривен 100% не панацея и я больше люблю подход дата инсайт или дата информд. Но есть такие области продукта где цена ошибки может быть очень велика, там без дата дривен никуда (например медицина, финансы), там где цена ошибки не велика, точно можно пробовать подходы которые я назвал выше, они могут дать больше результата, просто даже за счет скорости принятия решений _ Я: Я сейчас учусь делать дашборды, потому что без них мой БА — просто ни о чем. Начала я с диаграмм в эксельке. Но, может быть, вы можете порекомендовать какие-то еще сервисы, доступные нам сейчас? И нормально ли вообще относятся команды к бордам в эксельке? Звучит, как костыль, но ведь работает вполне.

Марк: 3. По дашбордам, я их сам не делал, но эксель точно норм, если они нужны с не регулярно обновляемыми данными и с не большими объемами данных. В другом случае наши аналитики используют чаще superset, amplitude, tableau, yandex datalens.