Как построить схему сквозной аналитики – обзор инструментов с примером | YAGLA

Как построить схему сквозной аналитики - обзор инструментов с примером | YAGLA Аналитика

Языки программирования

Не будем касаться исключительных, уникальных или редких случаев. Рассмотрим все только самое популярное. И конечно же, в первую очередь, это язык python.

Python

Python служит главным инструментом в руках data scientists, не имеет строгой типизации и предназначен для быстрой разработки прототипов или написания коротких сценариев или скриптов. Люди разбирающиеся в программировании и computer science его часто критикуют за то, что алгоритмы написанные на чистом python оказываются не оптимальными в отношении своей производительности и требованиям к памяти.

Но тем не менее у данного языка программирования есть много плюсов. Среди них я бы отметил то, что python преподают уже практически везде, в связи с чем сравнительно легко найти аналитика знающего python. Второе преимущество — это библиотеки для работы с данными и машинного обучения, имеющие удобный интерфейс.

До недавнего времени основным конкурентом python был язык R. Пожелания к знанию R и сейчас изредка встречаются в описаниях вакансий по крайней мере в разделе «преимущества». До середины 2022-го года я и сам программировал на R. И при попытке автоматизировать часть своей работы по машинному обучению чуть не изобрел велосипед, пытаясь на R создать конвейеры подготовки данных и обучения моделей. Чуть позже узнал, что такие конвейеры уже давно существуют в библиотеке sklearn и называются pipeline.

C , C#

Если существующих библиотек на python недостаточно и требуется реализовать новый алгоритм с высокой производительностью, к вашим услугам компилируемый и статически типизированный язык C или похожий на него язык C#.

MatLab

Язык MatLab встроен в одноименный пакет программ и интерактивную среду инженерных расчетов. Правда предназначен данный язык в большей степени для решения технических задач, а не для выполнения финансового или бизнес-анализа. Например, мне посчастливилось применять MatLab дважды: в процессе исследования сигналов акустической эмиссии в конструкциях, а также при обработке человеческой речи.

Существует ряд библиотек машинного обучения с API для других языков программирования, таких как Java, JavaScript, Scala и т.д. Но останавливаться на них не буду поскольку цель статьи немного иная.

Прошу немного потерпеть. Обо всем вы узнаете в следующих разделах.

AutoML и визуальные конструкторы

AutoML согласно своей основной идее резко упрощает задачу исследователя и сводит несколько шагов по изучению и подготовке данных, конструированию признаков, выбору и сравнению алгоритма машинного обучения и настройке гиперпараметров к одному единственному шагу.

И этот шаг заключается в выборе и настройке одного большого ящика под названием AutoML. Результатом запуска алгоритма AutoML является сконструированный и соответствующим образом настроенный и обученный pipeline. Остается только брать «сырые» данные, подсовывать их в pipeline и ждать на выходе результат в виде прогнозов.

Ящик под названием «AutoML» выглядит либо как библиотека машинного обучения, либо как веб-сервис куда заливаются данные.

Если это библиотека, то она отличается от sklearn тем, что наш привычный код в 20-30 строк сжимается до 5 строк. Известный пример такой библиотеки H2O.

Другой пример — библиотека MLBox. Про нее в интернете можно найти истории, о том как применение MLBox позволило попасть в топовые 5% на соревнованиях kaggle.

Теперь несколько слов об облачных сервисах AutoML. Во первых, свои технические решения спешат представить все основные цифровые гиганты. Вот некоторые из них: Google AutoML Tables, Azure Machine Learning (Microsoft), SageMaker Autopilot (Amazon). Перечисленные сервисы должны быть интересны в первую очередь тем компаниям, которые разрабатывают аналитические системы на облачных платформах.

Помимо цифровых гигантов на рынке AutoML появляются и игроки поменьше. Например, непосредственно в настоящий момент в компании Bell Integrator идет активная работа над платформой neuton.ai.

В этом же разделе стоит вспомнить про системы машинного обучения, занимающие промежуточные позиции между непосредственным программированием на R и Python и полностью упакованным в коробку AutoML. Это так называемые конструкторы workflow. Два типичных примера: конструктор машинного обучения Azure от Microsoft и платформа SberDS Сбербанка.

Конструктор представляет собой набор кубиков, из которых можно собрать весь конвейер машинного обучения, включая финальную проверку работоспособности модели. Это несомненно красивое решение для людей с визуальным типом мышления, которым удобно представлять процесс машинного обучения и тестирования моделей в виде схем.

Инструменты BI


Здесь бы я хотел рассмотреть несколько BI решений в области аналитики: Power BI, Tableau, Qlik Sense, QlikView и Excel.

Power BI

Power BI — это набор аналитических инструментов от Microsoft, которые доступны в виде десктопных приложений и облачных сервисов. Существуют корпоративные решения, работающие на закрытой it-инфраструктуре компании. Работа в Power BI Desktop или Power BI Services не требует навыков программирования. Предусмотрена возможность онлайн-интеграции с внешними источниками данных, а также загрузка данных в формате csv.

Power BI способен решать задачи машинного обучения посредством AutoML, то есть для построения модели классификации или регрессии писать программный код как на питоне не придется. Кроме стандартных задач анализа табличных данных в функционал встроены технологии анализа тональности, извлечения ключевых фраз, распознавания языка и добавления тегов к изображению.

Tableau

Tableau также представляет собой целое семейство онлайн и десктопных приложений, как и Power BI. Данные приложения имеют простой визуальный интерфейс и позволяют работать методом перетаскивания drag-and-drop. Красивые графики строятся буквально за несколько кликов. Также данные можно анализировать в табличном виде и применять к ним различные фильтры.

Tableau позволяет решать и задачи машинного обучения, такие как регрессия, прогнозирование временных рядов, кластерный анализ. А главное, Tableau способен интегрироваться с внешними скриптами на R и Python. Получается легко расширяемый инструмент.

Qlik Sence и QlikView

Qlik Sence и QlikView по позиционированию и интерфейсу отличаются между собой, но по сути и по алгоритмам решения задач построены на одном движке. QlikView — корпоративная платформа, которой управляют it-специалисты, Qlik Sence — инструмент для личного использования без необходимости обращаться за помощью в тех. поддержку.

При первом же знакомстве бросается в глаза «красота» и легкость визуализации. Это тот самый инструмент, если надо построить приятный глазу дашборд для руководства. С моей точки зрения особенно зрелищным выглядит возможность менять масштаб при анализе географических карт и кластеров на двухмерных графиках.

Еще одна интересная опция — наличие мобильного приложения для выполнения анализа со смартфона. Так и представляется топ-менеджер сети ритейла, спешащий на очередной рейс в аэропорту и получивший неожиданное сообщение в мессенджере со ссылкой на дашборд.Qlik Sence интегрируется с Python, а следовательно и с машинным обучением.

Excel

Вы меня простите, но я не мог пройти мимо Excel. Сколько не смейся, но любой инструмент по своему хорош. Например, в Excel прекрасно строятся сводные таблицы и графики, буквально в несколько кликов. В сочетании с удобным табличным процессором и работой с форматом csv вполне себе хороший инструмент.

Базовые навыки аналитика данных

Для того, чтобы эффективно справляться с описанными задачами, аналитику нужно:

  • Иметь отличную математическую базу. За аналитиком не хочется перепроверять выкладки и формулы;
  • Понимать базовую теорию вероятности и математическую статистику. Нужно уметь проверять гипотезы, понимать ошибки разного рода, зависимость и независимость испытаний и так далее;
  • Иметь математическую культуру. Если аналитик использует метод или алгоритм, он должен знать область его применимости;
  • Обладать критическим мышлением. Реже, чем другие люди, попадаться в ловушки когнитивных искажений;
  • Обладать продуктовым мышлением. Уметь оцифровывать пользовательский опыт в метриках, а также видеть за метриками пользователей, пытающихся решить определенную задачу;
  • Обладать бизнесовым мышлением. Уметь оцифровывать бизнес-процессы компании и изменения рынка, связывать это воедино с продуктом и пользователями;
  • Быть технарём. Аналитик не обязан программировать как разработчик (эффективно, отказоустойчиво и масштабируемо), но у него не должно быть технических блокеров для того, чтобы решать задачи бизнеса: изучить документацию, сходить в какую-то новую БД и вытащить нужные данные, написать парсер, воспользоваться каким-то API для автоматизации и так далее.
Дополнительный анализ:  «Спрос на геоаналитику приобретает массовый характер» | Рыночный расклад на РБК Санкт-Петербург и область

Важное свойство хорошего аналитика — объективность по отношению к самому себе. Аналитик должен контролировать собственное желание казаться лучше, чем он есть. Даже самые сильные аналитики ошибаются. Это нормально, без ошибок невозможно развитие. Очень важно уметь отслеживать свои ошибки и быстро доносить их до команды, особенно если это может изменить принятое ранее решение. Сокрытие ошибок — флаг профнепригодности аналитика.

В «Яндекс.Такси» аналитики закреплены за какими-то командами, но мы не придаём большого значения предметной области: маркетинг, продукт или операционка — требования к уровню мышления, описанные выше, позволяют переключаться с одного на другое (разумеется, требуется время на погружение).

Внедрение и применение результатов работы

Как правило младший аналитик не в состоянии подготовить аналитический отчет или исследование в формате рекомендаций с понятным обоснованием. И тем более не способен довести свои рекомендации и выводы до уровня реальных изменений на уровне продукта, процессов или бизнеса.

Младшие аналитики всё ещё приносят мало пользы бизнесу, поэтому критично чтобы они как можно быстрее росли. Принцип, прокачивающий младшего аналитика, — «делай как я». Аналитик постарше (в присутствии младшего) обсуждает новую задачу с командой проекта, задаёт уточняющие вопросы, погружается в контекст проблемы, и в результате этого диалога возникает подход к решению.

Дальше этот подход старший товарищ декомпозирует на задачи по обработке данных для младшего аналитика. Это позволяет наблюдать, как проблемы бизнеса превращаются в задачи на написание кода и рисование графиков, находят своё решение в них. Со временем младший аналитик должен научиться делать это самостоятельно.

Почему важно глубоко обсуждать постановку задачи с младшими аналитиками

Обычно при ведении проекта возникают вопросы и проблемы, с которыми могут помочь аналитики. Вместе с идеей сходить к аналитику у бизнес-заказчика, как правило, возникает и примерное решение, с запросом на которое он, скорее всего, и придет («а построй мне вот такой график?»). Но у проектного менеджера, дизайнера или продакта может просто не хватать информации о том, какие ещё есть данные и инструменты для получения ответа. Возможно, существует более точный способ дать ответ или более простой. Может быть, в рамках возникшей гипотезы вообще не нужно обрабатывать данные, а достаточно посмотреть на дашборд, где будет пусть не идеальный, но график, позволяющий с некоторыми допущениями ответить на заданный вопрос.

Выявление контекста и ограничений

Разумеется заказчик находится в какой-то ситуации и он ограничен принятыми ранее  решениями (decision) и обстоятельствами, которые следует учитывать при проектировании.

“Разгрузить грузовик” – это сложно? Неясно, так как неясен контекст.

К примеру, “Разгрузи грузовик в минус 40, на дне озера” и “Разгрузи грузовик в плюс 25, на асфальте” выглядят как совершенно разные задачи.

Для проектирования модели нужно разобраться в контексте того, как полученное решение (solution) будет использоваться, в каком процессе и для чего. Какая ситуация у заказчика. 

Выявление контекста – сфокусировано на области, где проявляет себя задача изменения. Нет смысла начинать решение задачи с “описания текущих процессов”, если не сформулировано цели (потребности, боли) изменений. Процессов и деталей этих процессов слишком много, их изучение само по себе без цели не имеет смысла и окончания.

Выявленный контекст представляется в виде модели (модели предметной области) и должен непротиворечивым и достаточным образом предоставить все нужные факты, касаемо будущей задачи (в автоматизации бизнеса здесь используются разнообразные схемы, таблицы и описания бизнес-процессов).

Перед проектированием будущего изменения часто нужно выявить желаемые сроки внедрения. Возможны разные варианты:

  1. Сделать к “черной пятнице”, 

  2. Сделать, потому что каждый день мы что то теряем, 

  3. Сделать, иначе с какого-то момента мы будем каждый день что-то терять.

Таким образом выявляются ожидания/ограничения по срокам.

Не всегда все нужно делать монументально, часто бизнес не уверен в будущих выгодах. В этом случае стоит сделать более быстрое/менее качественное решение, чтобы проверить гипотезу. Также иногда лучше сделать менее качественно, но более быстро, даже если это “заплатка” или “костыль”, но тем не менее качество должно быть ожидаемым и согласованным. Для этого нужно выявить ожидания/ограничения по качеству.

Часто заказчики выбирают решение с минимальной стоимостью внедрения/владения в рамках заданных сроков и качества. Иногда ограничена стоимость и нужно подобрать оптимальное сочетание сроков/качества. 

В итоге, складывается понимание ограничений на проектный треугольник (стоимость/сроки/качество).

Кроме того, область решений (solution) ограничена еще ограничениями связанных (взаимодействующих) систем:

  1. Ограничениями по ресурсам

  2. Требованиями удобства пользователей

  3. Решениями по существующему ИТ-ландшафту и уровню ИТ сервиса

  4. Выбором подрядчиков и правилами привлечения новых

  5. Правилами работы с подрядчиками

  6. Требованиями безопасности и распространения информации

  7. Требованиями регуляторов

  8. И т.д.

Не зная ограничения, нельзя спроектировать решение с их учетом.

В случае слишком жестких ограничений решения может и не найтись. Тогда ограничения заменяются функциями штрафа и аналитик ищет наименее болезненное решение.

Выявление потребностей и целеполагание

Пациент приходит к доктору и требует “Выпишите мне аспирин, срочно!!!”.

Требование (на самом деле решение) = “Выписать аспирин”. Что делает доктор в данном случае? Плохой доктор даст аспирин. Хороший доктор будет выявлять причины проблемы и лечить их.

Требование (requirement) – это некоторый образ или свойство результата, который кто-то у кого-то требует. “Выпишите аспирин”, “Программа должна делать это” – это требование. (Более строго, требование – это свойство результата, дающее значимую ценность).Термин не самый удачный в русском языке, он плохо стыкуется с бытовым толкованием, что запутывает заказчика и аналитика.

Требование лежит в области решения (solution). “Поесть в ресторане”, “Приготовь еду” – это требования (решения).

Что делает хороший аналитик ? Выявляет потребности и анализирует их, определяя влияние на бизнес (почему, в чем причина, как часто, какой ущерб для бизнеса, в каком проценте случаев, в какой географии, для каких клиентов, ..). Понимание потребности дает понимание что делать, какое решение нужно, какое требование к решению важно.

Поэтому аналитик выявляет потребности и проектирует решение (требования к решению). 

В разное время разные бизнесы стремятся к оптимизации разных атрибутов качества своих систем и процессов.

  1. Обеспечить функциональность

  2. Качественную работу

  3. Скорость/Производительность

  4. Безопасность

  5. Низкие издержки

  6. И т.п.

Разрыв ожиданий и реальности атрибутов качества создает проблему, которую нужно решить, и для этого нужны какие-то изменения. Устранение разрыва будет целью (goal) будущего изменения.

Например, внедрение или улучшение ИТ системы в бизнесе нужно для улучшения атрибутов качества бизнес-процесса, иначе оно не приносит пользы и поэтому бессмысленно (замечу, что есть внедрения самоценных ИТ систем – это компьютерные игры).

Главное оружие интернет-маркетолога

Первое с чего нужно стартовать в продвижении — это

вооружиться данными

. Сегодня сервисы веб-аналитики дают нам возможность собирать данные о посещении онлайн-ресурсов 24 часа в сутки, 365 дней в году. Поэтому с первой секунды запуска трафика

фиксируйте

все ключевые

показатели проекта

. Каждый рубль бюджета, каждый посетитель, каждый звонок — все должно быть записано, иначе Вы сново окажитесь в слабой позиции, когда действовать придется, опираясь на ощущения. Действуя на основе неполной картины происходящего Вы будете ошибаться вновь и вновь.

Входящие данные

используйте

для расчета

других метрик. Например, чтобы посчитать конверсию в заявку нужно знать посещаемость страницы и количество заявок. По такому же принципу находятся и другие важные показатели.
Завершает расчеты итоговый параметр —

окупаемость инвестиций в интернет-рекламу (ROMI)

, который показывает сколько процентов от вложений вернулось. Другими словами, показывает сколько рублей удалось заработать на 1 рубль, вложенный в интернет-маркетинг.

Вложили 1 рубль, заработали 2 рубля, значит продолжаем работу в этом направлении, вложения принесли доход.

Вложили 1 рубль, заработали 50 копеек, значит нужно что-то менять, не удалось даже окупить вложения в рекламу.

Чтобы с цифрами было удобно работать,

визуализируйте

 их. Используйте таблицы, графики, диаграммы, воронки и другие виды представления информации. Важно сделать так, чтобы

данные воспринимались максимально легко

Данные — ресурс

Данные о продвижении такой же ресурс, как золото или лес в компьютерной игре WarCraft*** (надеюсь Вы в теме).

Дополнительный анализ:  «Ашан» потратит больше 20 млрд рублей на развитие онлайн-бизнеса в России

Поэтому чем больше данных, тем Вы богаче. Если, конечно, умеете их использовать.

Если что-то не принесло результат с первой попытки, а тем более если результат был, но слабенький, то не нужно сразу отправлять работу в мусорную корзину.

А ведь так происходит часто!

«Не сработало, специалисты плохие, нужны настоящие профи!» — говорит предприниматель и смиряется с тем, что 100 000 рублей и месяцы работы были потрачены впустую. Хотя, даже не смотря на отсутствие результатов, на руках остаются: данные о работе проекта, сайт, рекламная компания и другие ресурсы.

Соберите все данные воедино и используйте

, как отправную точку. Посмотрите на каждый показатель в отдельности и подумайте, как его можно улучшить.

Если есть данные, но нет понимания, что с ними делать можно

отправится к экспертам

или опытным людям, которые что-то посоветуют, помогут выделить слабые места и Вы вместе составите план действий по улучшению ситуации.

Потратить деньги на работу маркетолога, на разработку сайта, на рекламный бюджет, потратить свое время, а затем просто все бросить, чтобы через пол года сново вернуться к этой теме и начать с нуля — не очень рациональный вариант. Не находите?

Как настроить сквозную аналитику для соцсетей: поэтапный план

Поскольку SMM-специалисту важно в целом понимать, как работает система сквозной аналитики и уметь подтянуть в нее данные из соцсетей, не будем перегружать статью подробными инструкциями по настройке и интеграции всех элементов. К тому же все сильно зависит от конкретных инструментов. Поэтому мы покажем, по какому пути идут данные из разных источников, и расскажем, как подключить к системе соцсети.

Весь процесс настройки выглядит так:

Путь, по которому данные собираются в систему сквозной аналитики
Путь, по которому данные собираются в систему сквозной аналитики

Немного поясним, чтобы стало понятнее:

  • Основную часть данных агрегируем в Google Analytics. Туда через Google Tag Manager попадают данные о визитах, макро и микроконверсиях с сайта, звонках из коллтрекинга, продажах, этапах сделок, выручке и прибыли из CRM.
  • В Google Analytics все вышеперечисленное обрабатывается и передается в виде конкретных параметров и показателей в систему сквозной аналитики, на нашей схеме — Google Data Studio.
  • Данные по расходам на рекламу, аудитории, поведению подписчиков импортируются в DataFan. Там они преобразуются в отчеты, которые отправляются в систему сквозной аналитики.
  • Если мы считаем ассоциированные конверсии, учитываем прогрев аудитории и считаем лиды и продажи с переходов из соцсетей, логично учитывать и расходы на ведение аккаунтов, создание контента, посевы у блогеров и в пабликах. Для этого мы можем фиксировать их в Google Таблицах и передавать оттуда в Google Data Studio.

Настройкой сбора данных с сайта, из CRM и коллтрекинга в Google Analytics и последующего импорта их в систему сквозной аналитики обычно занимаются другие люди — маркетологи, веб-аналитики.

В зону ответственности SMM-специалиста может входить подключение данных из соцсетей, то есть пункты 3 и 4.

О том, как подключить соцсети к GDS через DataFan, мы рассказывали в статье «Google Data Studio: настраиваем автоматические отчеты по SMM». Там есть подробная инструкция со скриншотами.

Чтобы использовать данные из Google Таблиц, нужно:

  • Подготовить таблицу со всеми необходимыми данными: расходами в разрезе своих аккаунтов и чужих площадок. В таблице должен быть столбец, по которому площадки можно идентифицировать и связать с переходами, например, по UTM-меткам.
  • Подключить таблицу в качестве источника к отчету в Google Data Studio.
Подтягиваем данные из «Google Таблиц» — выбираем файл и лист
Подтягиваем данные из «Google Таблиц» — выбираем файл и лист
  • Настроить отображение данных и при необходимости — расчет дополнительных показателей.
  • Следить, чтобы данные о расходах скрупулезно заносились в таблицу.

Вот пожалуй и все. Далее данные из соцсетей связываются с данными из других источников — визитами на сайт, продажами в CRM, звонками, чтобы посчитать ROI, стоимость продажи, прибыль от SMM-продвижения и другие важные для бизнеса цифры.

Как это устроено: работа команды аналитиков на примере разработки одного digital-сервиса

Как построить схему сквозной аналитики - обзор инструментов с примером | YAGLA
Кто все эти люди?

Профессия аналитика – одна из самых востребованных в мире. По словам директора рекрутингового агентства Pruffi, Алены Владимирской, бизнес-аналитики и все, кто занимается оптимизацией, внедрением новых бизнес-процессов, сегодня очень востребованы и высокооплачиваемы.

Современные аналитики – это уникальные люди, сочетающие в себе самые разные качества: от технических до менеджерских. Но самое главное условие вхождения в эту профессию – способность к аналитическому мышлению, которая позволяет принимать эффективные решения на основе собранной информации, дополненная развитыми коммуникативными навыками для получения этой самой информации. Иногда эти функции выполняются не одним, а несколькими людьми, работающими совместно.

О том, как это выглядит на практике и насколько разными бывают аналитические задачи даже внутри одного сервиса, рассказал Олег Сахно, руководитель направления исследований Rookee.

Зачем ИТ-проекту аналитик?

Простой ответ: чтобы оставаться востребованными и актуальными, а возможно, и лидировать в высококонкурентной среде, нужно хорошо понимать свою аудиторию и ее потребности.

Понимать, что происходит с вашим сервисом на каждом этапе его развития и своевременно реагировать на изменения рынка.

Как построить схему сквозной аналитики - обзор инструментов с примером | YAGLA

Что аналитики делают в сервисе Rookee:

Как это работает

В сервисе Rookee разработка продуктов построена на концепции Lean (бережливое производство, от англ. lean production, lean manufacturing), которая предполагает вовлечение в процесс оптимизации бизнеса каждого сотрудника и максимальную ориентацию на потребителя. Согласно концепции бережливого производства оценка ценности продукта для конечного потребителя проходит на каждом этапе его создания. Здесь и далее, под ценностью мы понимаем полезность, присущую продукту с точки зрения клиента.

Следуя этой системе, участвовать в разработке нашего продукта могут сразу несколько разных аналитиков.

Как построить схему сквозной аналитики - обзор инструментов с примером | YAGLA

Бизнес-аналитик

Бизнес аналитик, в нашем случае, это по совместительству еще и product owner продуктовой команды (автономная кросс-функциональная команда, которая может самостоятельно решать задачи и достигать целей, поставленных перед проектом).

С бизнес-аналитика начинается процесс продуктовых изменений. Именно он определяет направления развития, выявляет актуальные потребности аудитории, принимает решение, как их закрыть с точки зрения ценности для бизнеса, формулирует и проверяет гипотезы. Например, он решает, что актуальнее для пользователей сервиса в данный момент времени, расширить базу поставщиков или увеличить количество параметров для продвижения в поисковиках.

Основные задачи:

UX-аналитик

В процессе работы над исследованием пользовательской аудитории, их поведенческих реакций, мотивов, целей и потребностей, проектировании пользовательского взаимодействия и тд., к продуктовой команде подключаются UX-аналитики.

Основные задачи:

Пример работы UX-аналитика

Задача: Спроектировать оптимальное решение для расширения конверсионной воронки пользователя до оплаты с мобильных устройств.

Что делает UX-аналитик: Проводит анализ взаимодействия пользователей с интерфейсом сервиса с мобильных устройств, составляет Customer Journey Maps и User Journey Maps пользователя, разрабатывает гипотезы роста, проектирует решения для оптимизации пути пользователя до оплаты, проводит анализ эффективности решения.

Системный аналитик

После определения бизнес-требований задача переходит на уровень системных аналитиков. Совместно с UX-аналитиками они решают, с помощью какого функционала будет закрыта та или иная пользовательская потребность.

В частности, системный аналитик определяет алгоритм обработки данных, а UX-специалист – цепочку поставки ценности (определяет, как будут структурированы данные на странице и как они связаны друг с другом с точки зрения пользователя).

Пример работы системного аналитика

Задача: Внедрить новое семантическое ядро в SEO-мастер (инструмент, помогающий пользователю осуществить настройку рекламной кампании в сервисе), целевой показатель – рост среднего чека, увеличение конверсии в созданные проекты.

Что делает системный аналитик: проводит анализ пользовательского взаимодействия с функционалом подбора семантическим ядра, анализирует пользовательские потребности, разрабатывает план внедрения и гипотезы роста, проектирует и запускает А/Б тест, оценивает результат, собирает обратную связь, проводит вторую итерацию А/Б теста, снова собирает обратную связь, запускает новый тест и так далее до достижения цели.

RnD аналитик

Если задача требует машинного обучения, построения сложной математической модели, анализа большого объема данных, привлекается направление RnD, а именно аналитики технологий. Их задача разработать алгоритм (создать прототип) создания образца ценности. Это не будет решение, которое сразу интегрируется в рабочую систему, но это технология, которая гарантированно даст ценность клиенту (будет значимой для него).

Пример работы RnD аналитика:

Задача: Реализовать оптимальный механизм оптимизации ставок при ведении рекламной кампании в Яндекс.Директе (нужны стратегии «больше трафика» и «больше лидов»), учитывая особенности настройки Яндекс.Директа и особенности API Директа и его ограничений.

Дополнительный анализ:  Как сквозная аналитика повышает эффективность рекламных кампаний? — Маркетинг на

Что делает RnD аналитик: создает алгоритм оптимизации ставок с учетом вышеперечисленных особенностей, тестирует алгоритм, доказывает ценность оптимизации (увеличение количества лидов или трафика на 20% и более), передает алгоритм в эксплуатацию.

Аналитик рекламных каналов

В своей работе RnD аналитик привлекает профильных аналитиков рекламных каналов. Это носители высокоуровневой рекламной экспертизы, способные выработать методы создания ценности. В частности, это экспертиза работы с Яндекс.Директ. Задача аналитика рекламных каналов – описать оптимальный процесс проставления ставок, а задача RnD аналитика – автоматизировать этот процесс.

Следующая за этим этапом задача системного аналитика и UX-специалиста на основе готового прототипа сформировать требования для разработчиков таким образом, чтобы всё задуманное было интегрировано в продукт.

Пример работы аналитика рекламных каналов:

Продолжая историю работы с Яндекс.Директ, аналитик рекламных каналов тестирует и формирует оптимальный процесс проставления ставок: регулярность, от чего должна зависеть ставка, максимальное и минимальные значения ставок, какие коэффициенты должны влиять на проставление ставок, как учитывать другие факторы влияния.

Продуктовый аналитик

Как бы это парадоксально не звучало, но продуктовый аналитик в сервисе Rookee не входит в продуктовую команду. Он работает напрямую с Product Manager.

Основные задачи продуктового аналитика:

Таким образом, продуктовые команды концентрируются на развитии продукта, не тратя время на сбор аналитики и формирование первоначальных гипотез. А Product Manager получает аналитическую поддержку операционной деятельности.

Пример работы продуктового аналитика:

Задача: Оценить результаты А/Б теста внедрения нового семантического ядра в соответствии с целевыми метриками нового инструмента и оценить косвенное влияние нового инструмента на другие продуктовые метрики

Что делает продуктовый аналитик: собирает требования к формату отчета о внедрении с product manager и product owner, готовит отчет, проводит анализ корреляции внедрения нового инструмента и изменений связанных с ним продуктовых метрик.

Финансовый аналитик

Здесь работают очень умные ребята, которые оценивают рентабельность проектов, отвечают за их финансово-экономический анализ, занимаются составлением финансовых прогнозов – и много чем еще. Работа финансового аналитика это отдельная большая история, которую мы обязательно расскажем, но уже в следующий раз.

Подводя итог

Будьте готовы к тому, что аналитика – это практически всегда сложно, долго и дорого. Хороших аналитиков трудно найти, легко потерять и невозможно забыть. Но выхода у тех, кто занимается разработкой оригинальных ИТ-продуктов нет – обойтись без качественной аналитики, выезжая на интуиции разработчика, как это было еще несколько лет назад, не получится.

Говорят, что более двух столетий назад один из Ротшильдов произнес: «Кто владеет информацией, тот владеет миром». С аналитикой похожая ситуация. Банально, но факт: аналитика сегодня – главный двигатель прогресса и залог успеха любого ИТ-проекта.

В статье были использованы материалы: www.rbc.ru

Пути клиента и его контроль на каждом этапе

В зависимости от рекламных каналов набор инструментов для сбора данных будет разный, но набор участков один и тот же. В конечном счете любая социальная сеть или ресурс — это сайт и путь у потенциального потребителя один:

увидел рекламу — перешел на посадочную страницу — оставил заявку

. Этот путь может быть короче или длинее, но главное, что основные элементы всегда одни и те же:


Соответственно

контролировать

нужно

каждый участок

пути. Инструменты следующие:

  • Информация о платном трафике отображается в рекламной кабинете той системы, где Вы его покупаете;
  • Для учета трафика на сайте (из любого канала) используются бесплатные системы веб-аналитики : Яндекс Метрика и Google Analytics. Рекомендуем использовать обе системы. Отличным дополнением будет Google Search Console и Яндекс Вебмастер. Сегодня там собирается много полезной информации.
  • Учет лидов (заявок) осуществляется в CRM-системе. Например, AmoCRM. Если Вы находитесь в условиях ограниченного бюджета или пока имеете маленький поток лидов (не более 1-3-ех в день), то используйте CRM версии 1.0, которая называется Google Таблица. Для учета заявок в воронке, подобной AmoCRM можно использовать сервис Trello.
  • Для отслеживания телефонных звонков используется коллтрекинг. Данная система позволяет определить канал трафика с которого совершен звонок, а иногда, еще ряд других параметров. Это делает аналитику более глубокой. Данный инструмент эффективно использовать на проектах, где налажен стабильный поток заявок.


Какие данные собираются на этих 3-ех участках?

  • Первый участок — в рекламном кабинете. Показы, CTR (отношение показов объявления к переходам), количество кликов, средняя стоимость перехода (клика).
  • Второй участок — в системе веб-аналитики (только для сайтов). Тут будем изучать всю информацию уже о посетителях сайта: с какого региона, с каких устройств, сколько времени проводят, куда нажимают, по каким ключевым словам переходят, какие целевые действия совершают и т. д.Аналог второго участка для социальных сетей — встроенная система аналитики.
  • В CRM-системе. Отслеживается весь путь от поступления заявки до завершения сделки и считаем:: количество заявок на каждом этапе, успешные сделки, проигранные сделки, количество заработанных денег.

Важно иметь полную картину в своем распоряжении, а для этого нужно видеть весь путь от того, как человек увидел объявление в поиске до полного выполнения обязательств по сделке.

Резюме

Работа аналитика это превращение проблем в задачи, при котором характерны этапы:

  1. Выявление целеполагания,

  2. Выявление контекста (модели предметной области), потребностей и ограничений,

  3. Проектирование требований,

  4. Проектирование модели решения (части моделей),

  5. Внедрение решения.

Опыт проектирования и внедрения решения необходим для грамотного выявления потребностей, контекста и ограничений. Без опыта неясно что из потребностей в каких ограничениях возможно закрыть автоматизацией. Без опыта выявления потребностей и ограничений можно спроектировать неверное решение. “Аналитику” занимающимся только выявлением потребностей тяжело развиваться, он не получает достаточной обратной связи.

И тем не менее, самая ценная часть – это проектирование требований и моделей решения (еще говорят, инженерия требований и моделей решения). Первые три пункта (выявление и формализация моделей предметной области, потребностей, ограничений) может сделать грамотный заказчик.

Формализовать требования может ключевой пользователь. Но проектировать модели решения им крайне тяжело и именно тут аналитик наиболее ценен. И поэтому лучшее название этой роли – аналитик-проектировщик (более строго аналитик-инженер, но термин инженер, увы, сильно искажен).

Основная ценность работы аналитика-проектировщика для бизнеса состоит в последовательном поиске и создании функциональных и получении от исполнителей конструктивных моделей решения, закрывающих потребности по правилу Парето 80 на 20, имея как фокус проявленную выгоду от внедрения в проявленных приоритетах треугольника проекта с учетом выявленных ограничений.

Для этого аналитик-проектировщик выявляет цели изменения, выявляет и формализует модели предметной области и потребности автоматизации, проектирует и согласовывает требования, отсекая часть требований на последующую автоматизацию, создавая функциональные модели решения, отвечающие этим требованиям, ставя задачу исполнителям на создание конструктивных моделей, получая сроки и стоимость и находя оптимальное в заданных условиях модель решения.

P.S. Спасибо участникам КиФБ за отзывы и корректировки к статье, а так же отдельное спасибо Денису Бескову и Анатолию Левенчуку за то, что помогли взглянуть на проблему системно

Сквозная, маркетинговая, продуктовая и мобильная аналитика | медиа нетологии

Data-driven подход стал тенденцией — бизнес любого уровня так или иначе использует инструменты и методы аналитики. Поэтому решения, принимаемые сегодня не на основе данных, приводят к неконкурентоспособности на рынке и растрате бюджетов на каналы и компании, которые на самом деле не приносят прибыль.

И бизнесу в идеале нужно разбираться и владеть всеми четырьмя направлениями аналитики. Потому что все данные так или иначе связаны между собой и имеют большое значение для общего результата.

Другой вопрос, может ли компания охватить сразу весь объём инструментов аналитики. Например, настройка сквозной аналитики в самой простой вариации занимает 1–3 месяца. Но потом ее всё равно нужно поддерживать и корректировать на постоянной основе.

Выбор вида аналитики зависит от продукта.

Допустим, если продуктом компании является мобильное приложение, то достаточно настроить мобильную аналитику, которая уже включает в себя метрики по аналитике маркетинга, продукта и сторов. Другие инструменты аналитики являются второстепенными, их можно не подключать.

Если у компании нет мобильного приложения и продукт компании размещён на сайте, то вам потребуются маркетинговая и продуктовая аналитики. Они нужны, чтобы отслеживать маркетинговые и продуктовые активности и проверять их на соответствие бизнес целям.

Если помимо продукта на сайте компания выпускает дополнительно мобильное приложение, то к системе из продуктовой и маркетинговой аналитики добавляется и мобильная аналитика.

Сквозная аналитика объединяет результаты анализа всех видов аналитики в единое целое. Вне зависимости от размера бизнеса она позволяет построить и внедрить систему общей отчетности, которая показывает соотношение продукта и маркетинга.

Оцените статью
Аналитик-эксперт
Добавить комментарий

Adblock
detector