Зарплаты навыки и повседневные задачи

Курсы по продуктовой аналитике

Мы собрали 27 курсов обучения продуктовой аналитике.

Мы собрали 27 курсов обучения продуктовой аналитике.

Дата обновления:

28 Июня 2024


28.06.2024

Принятие решений на основе данных

Школа гарантирует возврат средств в течение 14 дней с даты покупки этого курса

Специализация Продуктовая аналитика + курс по Soft skills

Это минимальный платеж в рассрочку. Рассрочка в Skillfactory без % и первый платеж через 3 месяца.

Продуктовая аналитика: симулятор

Школа гарантирует возврат средств в течение 3 дней с даты покупки этого курса

Школа гарантирует возврат средств в течение 21 дней с даты покупки этого курса

Продуктовый аналитик с нуля до middle

Продуктовый аналитик с нуля

Школа гарантирует возврат средств в течение 7 дней с даты покупки этого курса

Курс в подарок

Аналитика в продукте

Рассрочка в данной школе, это кредит в банке.

Школа гарантирует возврат средств в течение 14 дней с даты покупки этого курса

Customer Development: глубинные интервью

от 3 000 ₽/мес

Беспроцентная рассрочка на 12 месяцев

Симулятор управления продуктом на основе данных

Это платеж в рассрочку. Рассрочка на 12 месяцев

Данная информация носит ознакомительный характер и может отличаться от указанной на сайте школы

Инструменты аналитики данных

Школа гарантирует возврат средств в течение 3 дней с даты покупки этого курса

Unit-экономика и P&L

Школа гарантирует возврат средств в течение 21 дней с даты покупки этого курса

Симулятор собеседования аналитика

A/В-тестирование с нуля на реальных задачах

Школа гарантирует возврат средств в течение 14 дней с даты покупки этого курса

Бесплатный курс «Какую профессию выбрать в анализе данных»

Две профессии по цене одной до 30.09.2023

Профессия Продуктовый аналитик

Данная информация носит ознакомительный характер и может отличаться от указанной на сайте школы

A/B-тестирование: практическое руководство

Данная информация носит ознакомительный характер и может отличаться от указанной на сайте школы

Профессии в аналитике: что выбрать

Данная информация носит ознакомительный характер и может отличаться от указанной на сайте школы

Данная информация носит ознакомительный характер и может отличаться от указанной на сайте школы

Данная информация носит ознакомительный характер и может отличаться от указанной на сайте школы

Юнит-экономика и метрики продукта

Данная информация носит ознакомительный характер и может отличаться от указанной на сайте школы

Бесплатные курсы далеко не настолько эффективны, как платные. Но они
тоже могут быть полезны.

Формат: Курс с образовательной платформы

Курс с образовательной платформы

Эти же курсы, но подробнее:

Начало:
длительность:
2 месяца

Формат: Обучение на платформе, проверка д/з, чат

Особенности: Курс от практиков рынка. Разбираем реальные рабочие ситуации. Обратная связь от практикующих специалистов.

Начало:
длительность:
4 месяца, около 8 часов в неделю

Формат: Видеоуроки, вебинары, д/з с обратной связью

Особенности: Курс для джуниор аналитиков, которые знают основы аналитики, для переквалификации на продуктовых аналитиков уровня middle.

Начало:
длительность:
3 месяца, от 10 часов в неделю

Особенности: Разберётесь в метриках и научитесь рассчитывать их с помощью SQL. Научитесь сегментировать аудиторию. Примените Python для анализа АВ-теста. Создадите в Tableau дашборд для мониторинга ключевых метрик. Сможете заниматься в удобное время из любой точки мира. Пройдёте полный путь АВ-эксперимента.

Начало:
длительность:
12 месяцев

Формат: Видеозанятия в записи, д/з, обратная связь

Начало:
длительность:
Не указана , 2 лекции в неделю + практика

Формат: Видеозанятия в записи, д/з, обратная связь

Начало:
длительность:
13 месяцев, 2-3 занятия в неделю

Формат: Онлайн-вебинары, проверка д/з, чат студентов и обратная связь

Начало:
длительность:
10 месяцев, 4 часа в неделю

Формат: Онлайн-вебинары, проверка д/з, чат студентов и обратная связь

Начало:
длительность:
2 месяца, 3-5 часов в неделю

Формат: Занятия в записи и онлайн, д/з с обратной связью, чат

Особенности: Опирайся на цифры при работе с продуктами, а не на мнения или интуицию.

Начало:
длительность:
3 месяца, 2-3 часа в неделю

Формат: Занятия в записи, текстовые блоки

Особенности: Курс расскажет как готовиться к интервью, где находить респондентов и какие вопросы задавать, чтобы понять клиента.

Начало:
длительность:
2 месяца, около 2 часов в день

Формат: Онлайн-симулятор реальный работы, есть возможность задавать вопросы

Начало:
длительность:
4 месяца , 3-5 часов в неделю

Формат: Видеозанятия в записи, д/з, обратная связь

Особенности: Научитесь анализировать метрики, чтобы быстро понять, как улучшить любой продукт. Узнаете, как проводить ­A/B-тестирование­, находить аномалии в данных и визуализировать результаты для заказчика. Сможете начать карьеру в востребованной сфере.

Начало:
длительность:
4 месяца

Формат: Видеозанятия в записи, д/з, обратная связь

Начало:
длительность:
2 месяца , 2 лекции в неделю + практика

Формат: Видеозанятия в записи, д/з, обратная связь

Особенности: Научитесь анализировать финансовые показатели и искать точки роста с помощью Unit-экономики и P&L отчета. Сможете управлять бюджетами команды и компании, принимать решения на основе данных и применять подход Growth Hacking.

Начало:
длительность:
1 месяц

Формат: Занятия в записи

Особенности: Поможем вам подготовиться к любому собеседованию на позицию аналитика данных и получить работу мечты. Карьерный трекинг с гарантией результата!

Начало:
длительность:
Не указана

Формат: Текстовая теория + упражнения на платформе с автоматической проверкой

Особенности: — Работайте на настоящей платформе A/B-тестирования, созданной для симулятора
— Получайте обратную связь от практикующих специалистов
— Выбирайте подходящую версию симулятора А/В-тестов в зависимости от ваших целей и уровня подготовки

Начало:
длительность:
1 день, от 10 часов в неделю

Формат: Теория, тесты, упражнения

Особенности: Поможем разобраться, как попасть в анализ данных и с чего начать свой путь к новой профессии. Узнаете, какие бывают аналитики и какую профессию стоит выбрать вам. Расскажем, сколько предстоит учиться, что нужно будет делать на работе и на какую зарплату рассчитывать.

Начало:
длительность:
3 месяца, 2-3 занятия в неделю

Формат: Онлайн-вебинары, проверка д/з, чат студентов и обратная связь

Начало:
длительность:
9 месяцев , 3-5 часов в неделю

Формат: Видеозанятия в записи, д/з, обратная связь

Особенности: Вы узнаете, как развивать продукты с помощью аналитики. Научитесь использовать Python и BI для обработки данных, тестировать гипотезы и управлять пользовательским опытом. Сможете получить востребованную профессию с нуля.

Начало:
длительность:
2 месяца, 2-3 занятия в неделю

Формат: Онлайн-вебинары, проверка д/з, чат студентов и обратная связь

Начало:
длительность:
4 месяца , 3-5 часов в неделю

Формат: Видеозанятия в записи, д/з, обратная связь

Особенности: Вы научитесь исследовать поведение, цели и мотивацию пользователей с помощью качественных и количественных методов, текстовой аналитики и машинного обучения. Поймёте, как избежать лишних трат при разработке продукта и улучшить клиентский опыт.

Начало:
длительность:
3 дня, 2-3 занятия в неделю

Формат: Занятия в записи

Особенности: Расскажем простыми словами об аналитике, Data Science, искусственном интеллекте и нейросетях. Познакомим с востребованными профессиями и инструментами специалистов.

Начало:
длительность:
3 месяца , 3-5 часов в неделю

Формат: Видеозанятия в записи, д/з, обратная связь

Особенности: Вы познакомитесь с разными методами качественных исследований. Научитесь ставить исследовательские задачи и находить неожиданные инсайты. Сможете лучше понимать потребности целевой аудитории.

Начало:
длительность:
3 месяца , 3-5 часов в неделю

Формат: Видеозанятия в записи, д/з, обратная связь

Особенности: Научитесь определять рентабельность рекламы, оценивать продуктовые метрики и рассчитывать финансовые показатели бизнеса. Поймёте, как автоматизировать рутину. Поможете компании увеличить прибыль и станете высокооплачиваемым специалистом.

Начало:
длительность:
2 месяца , 3-5 часов в неделю

Формат: Видеозанятия в записи, д/з, обратная связь

Особенности: Вы научитесь тестировать идеи и прототипы с помощью подхода CustDev, поймёте, как выявлять потребности клиента и тренды, и сможете развивать свой продукт, опираясь на запросы пользователей.

Начало:
длительность:
2 месяца , 3-5 часов в неделю

Формат: Видеозанятия в записи, д/з, обратная связь

Особенности: Вы научитесь считать юнит-экономику, формировать гипотезы и прогнозировать прибыльность проектов. Сможете принимать обоснованные решения для развития бизнеса.

Почему стоит выбирать курсы на tutortop?

1. Актуальное обучение

• Внимательно следим за тем, чтобы информация по каждому из тысячи представленных у нас курсов регулярно обновлялась. На портале собраны только актуальные данные, полученные напрямую от онлайн-школ.
• Большой выбор курсов

2. Реальные отзывы учеников

• Мы собираем только существующие кейсы и мнения. Tutortop не дублирует отзывы из других источников Интернета. Каждый из них написан реальным человеком, проходит модерацию и передаётся онлайн-школам.
• Отзывы о школах

3. Все акции онлайн-школ

• В разделе «акции» представлены актуальные скидки и работающие промокоды на онлайн-обучение. Даём возможность приобрести курсы по самым низким ценам на индивидуальных условиях, полученных благодаря сотрудничеству tutortop и онлайн-школ.
• Акции в онлайн-школах

Рейтинг лучших курсов по продуктовой аналитике

Лучшие школы по продуктовой аналитике

Курс «Профессия: Product Manager» от SkillFactory

Ошибок избежать нельзя. Но можно свести их к минимуму. На курсе вы получаете опыт работы с реальным продуктом. Преподаватели и менторы — опытные эксперты-практики. Они выстроили систему обучения, в которой студенты чувствуют себя комфортно и продуктивно учатся.

Курс «Аналитик данных с нуля» от Eduson Academy

Практический онлайн-курс, где вы с нуля за 6 месяцев освоите профессию аналитика данных в своем темпе и с обратной связью от опытных экспертов. Изучите все необходимые навыки аналитика и сможете быстро найти перспективную работу или улучшить навыки и получить повышение.

Курс «Аналитика с 0: быстрый старт» от ProductStar

Начните карьеру в аналитике данных за 2 месяца. Вы изучите основные навыки аналитика, научитесь использовать SQL и Excel на продвинутом уровне. Решите реальные кейсы и на практике отработаете новые знания.

Курс от Московская Бизнес Академия

Оставьте заявку и получите консультацию по программе, а также узнайте возможные варианты скидок и требования к поступлению.

Курс «Продуктовый аналитик с нуля до middle» от Нетологии

Продуктовый аналитик умеет находить точки роста в данных. Он использует наибольший спектр инструментов для всестороннего изучения данных о пользователе и его поведении. Чтобы освоить эту профессию, не нужен опыт работы маркетологом, аналитиком или продуктовым менеджером. Этот курс разработан для новичков в сфере аналитики — специальные навыки будут плюсом, но совсем не обязательны.

Курс от KARPOV.COURSES

IT-индустрия меняется постоянно и быстро. Чем быстрее и напряжённее программа обучения, тем проще вам будет влиться в реальную работу и следовать за изменениями. Программа курса охватывает весь спектр Hard Skills, которые нужны на позиции аналитика. Смотрите лекции и изучайте теорию, закрепляйте знания в специальных тренажерах, практикуйтесь на настоящем кластере.

Курс «Инструменты аналитики данных» от Eduson Academy

Практический онлайн-курс, где вы с нуля за 4 месяца освоите все необходимые инструменты для анализа данных: Excel, SQL, Power BI и Python. Улучшите свои навыки аналитики, сможете быстрее справляться с рабочими задачами и претендовать на повышение.

Курс от ProductStar

Освойте с нуля перспективную профессию аналитика данных. Вы научитесь работать с большими данными, строить прогнозы и улучшать показатели бизнеса. Погрузитесь в Data Science и научитесь работать с машинным обучением.

Курс «Машинное обучение для начинающих» от KARPOV.COURSES

Всё про самую увлекательную профессию 21 века: от сбора данных до оценки эффекта от моделей машинного обучения. В программу включена теория по математике в необходимом для практики объеме. Она подаётся совместно с основным уроком, так что учить отдельно не придется. В курсе представлено как можно больше приближенных к реальности заданий, чтобы задачи на работе не оказались для вас сюрпризом.

Курс «Профессия: Product manager» от ProductStar

На курсе вы освоите все навыки для запуска и управления успешными IT-продуктами. Научитесь управлять командой разработки, планировать стратегию развития, искать точки роста и принимать решения на основе данных.

Видеообзоры курсов по аналитике

Отзывы об онлайн-школах

Часто задаваемые вопросы о курсах по продуктовой аналитике

Что такое Продуктовая аналитика?

Продуктовая аналитика — это методика сбора и анализа данных для оптимизации продуктов и услуг, улучшения пользовательского опыта и повышения прибыли компании.

Кому подойдут курсы по Продуктовой аналитике?

Курсы по Продуктовой аналитике подойдут тем, кто хочет научиться собирать и анализировать данные для оптимизации продуктов и услуг в компаниях. Также курсы могут быть полезны тем, кто уже работает в области аналитики, но хочет расширить свои знания и навыки в Продуктовой аналитике.

Чему я научусь?

На курсах по Продуктовой аналитике вы научитесь собирать и анализировать данные, определять ключевые метрики, проводить A/B тестирование, создавать дашборды и отчеты, оптимизировать продукты и услуги для увеличения прибыли компании.

Как проходит обучение на курсах по Продуктовой аналитике?

Курсы могут быть как интенсивными, так и продолжительными, с различными форматами занятий, включая лекции, практические занятия, кейс-стади и проектную работу.

В чём минусы бесплатных курсов?

• Ограниченный функционал. Бесплатные курсы могут предоставлять только базовые знания и не давать полного понимания темы.
• Отсутствие поддержки. В бесплатных курсах может отсутствовать возможность задать вопросы преподавателю или получить обратную связь.
• Ограниченный объем материалов. Бесплатные курсы могут не содержать всей необходимой информации, что может привести к недостаточной подготовке к работе в данной области.

В чём преимущество платных курсов?

• Полнота материалов. Платные курсы могут предоставлять более подробные материалы и давать полное понимание темы.
• Поддержка. Платные курсы могут предоставлять поддержку преподавателей и наставников, которые помогут разобраться в сложных вопросах и дадут обратную связь по выполненным заданиям.
• Доступ к ресурсам. Платные курсы могут давать доступ к специализированным ресурсам, таким как учебные материалы, инструменты и программное обеспечение, которые могут быть полезны при работе в данной области.
• Удобство. Платные курсы могут предоставлять гибкий график обучения, возможность выбора формата занятий и удобный интерфейс обучения.

Сколько зарабатывает специалист по Продуктовой аналитике?

• Джуниоры: от 60 000 до 100 000 рублей в месяц
• Мидлы: от 100 000 до 150 000 рублей в месяц
• Сеньоры: от 150 000 до 250 000 рублей в месяц

Сколько времени займет обучение?

Курсы по Продуктовой аналитике длятся от нескольких недель до 13 месяцев. Срок обучения зависит от программы курса.

План самообразования по профессии продуктового аналитика

Привет, я работаю в сфере уже около 10 лет, преимущественно по специальности чистой продуктовой аналитики. Иногда я оглядываюсь назад и думаю — с текущим пониманием что и как устроено в работе, как бы я выстраивал свой процесс обучения с нуля?

Закинул вопрос в группу, и оказалось, что даже при текущем наличии на рынке вообще всевозможных ресурсов, новичкам не хватает системы.

Эта статья — мои мысли на эту тему. В каком порядке и какие материалы впитывать, чтобы потом комфортно себя чувствовать в любой продуктовой компании.

Из челленджей — все материалы должны быть бесплатными, или достаточно дешёвыми, чтобы была возможность бросить учёбу на пол пути (ну не зашло, бывает) и не жалеть о потраченных деньгах на мега-курс от %big_tech_name%.

В этой статье я попробую собрать план обучения профессии, как бы я вкатывался сейчас, что бы изучал раньше, что позже, на что бы потратил больше сил и времени и т.д. У некоторых пунктов будут аналоги, можно выбрать на свой вкус без потерь качества.

По ходу повествования, я буду закидывать материалы в том порядке, в котором я бы их сам изучал, а в конце оставлю весь получившийся список с группировкой по темам, если вдруг интересует что-то конкретное.

По итогам всех усвоенных материалов, это будет уровень знаний примерно middle+, но фактически, грейды зависят больше от опыта (особенно в программировании), чем от объёма знаний.

Ладно, пожалуй хватит предисловия, поехали.

Кто такой вообще продуктовый аналитик (ПА)? — Это человек, который работает внутри продукта, часто в составе команды разработки или развития. В основном, в тесной связке с продакт-менеджером и дизайнером. Занимается улучшением приложения или сайта, исследует, как себя чувствует продукт и его юзеры, проводит эксперименты, работает с метриками и тд.

Основная цель и назначение ПА — улучшать пользовательский опыт юзеров и за счёт этого увеличивать прибыль компании.

Исходя из вышеперечисленного, мы имеем такие основные требования к ПА:

• Знание математики, применимой к классическому анализу данных;

• Понимание как устроена разработка продукта с точки зрения его дизайна;

• Понимание экономики продукта и бизнеса в целом;

• Понимание как вообще работает система данных, умение эти данные извлекать;

• Умение обрабатывать и анализировать данные с помощью различных алгоритмов;

• Умение делать правильные выводы, искать и тестировать гипотезы;

Что ж, давайте разбирать всё это дело последовательно.

Шаг 1. Готовим базу

Начинать погружение в профессию я настоятельно рекомендую с математической базы. Тут у нас наиболее значимы две области математики, а именно статистика и теория вероятностей. Они смежные, поэтому зная одну, легко впитываешь другую.

На начальном этапе от нас не требуется защищать докторскую, так что не переживайте, разберёмся с основами и на время переключимся на более интересные вещи.

С чего начать? Начать стоит со статистики. Если вам только от этого слова не по себе, то, наверное, самая простая книга по теме — легендарная “Статистика и котики” от Владимира Савельева. Там вы на примере Барсиков разберётесь с базовыми понятиями и вам будет проще двигаться дальше.

Если вы и так умеете отличать среднее от медианы, а котики для вас очень уж простая книга, то хорошим решением будет начинать с не менее легендарного курса по статистике от Анатолия Карпова — “Основы статистики, часть 1”. Тут разбирается вся база, которая потребуется на начальном этапе.

После курса Карпова можно закрепить информацию с помощью книги “Статистика шаг за шагом” от Роберта Донелли. Легко и интересно читается и отлично дополняет первую часть курса Карпова.

Задача этапа: Разобраться в базовых терминах и понятиях статистики (меры центральной тенденции, центральная предельная теорема, виды и особенности распределений, базовые стат. критерии, корреляция, регрессия).

Пока этого достаточно. К более сложной статистике (и теории вероятностей) мы ещё вернёмся.

Шаг 2. Учимся писать код. SQL

Первым практическим шагом в любой аналитической задаче, почти всегда будет получение данных. Не важно — вы готовите исследование, анализируете аномалию, строите дашборд или отчёт, работаете над экспериментом — сперва нужно достать данные.

Чаще всего компании хранят данные в специальных базах, доступ к которым осуществляется через язык запросов SQL. Баз данных бывает огромное множество, и диалект языка в них отличается. Но это не страшно, базовые конструкции всегда одинаковые.

Для изучения SQL с нуля существует множество ресурсов и все они плюс минус одинаковы. Дальше будет небольшой список, выбирайте что-то одно, для начала этого будет достаточно.

Задача этапа: Научиться базовым конструкциям и порешать задачки, чтобы немного наработать практику. SQL сам по себе достаточно простой язык для понимания. Его сложность заключается в умении мыслить языком запросов, но она закрывается с опытом.

Инструментарий: Для работы с SQL в будущем, можно сразу попробовать поставить себе окружение (прогу для ПК) и немного его изучить. Я большой фанат DataGrip, но он платный. Популярный open-source (читай бесплатный) аналог — DBeaver.

Шаг 3.1. Учимся писать код. R

Второй язык аналитика — скриптовый язык. Когда мы выгрузили данные из базы с помощью SQL, эти данные нужно обработать и почистить, а потом проанализировать и сделать выводы. Кроме того, скриптовый язык используется для визуализации, в АБ-тестах, в моделировании и вообще почти в любой аналитической задаче.

С этой ролью прекрасно справляются два популярных языка — R и Python.

Я лично выбрал R основным, потому что мне нравится его синтаксис (особенно с dplyr), поддержка большинства нужных методов “из коробки”, визуально приятный IDE, популярность на американском рынке и его сообщество. Вы можете выбирать Python, тут всё равно. В целом, никто не запрещает выучить оба. Но для начала нам достаточно любого из них.

Начать изучение R можно несколькими путями:

На первом этапе этого будет достаточно.

Задача этапа: Выучить базовый синтаксис языка, разобраться с типами данных, разобраться с аналитическими пакетами серии tidyverse (dplyr, tidyr, ggplot, lubridate).

Инструментарий: Для работы с R нужно установить сам дистрибутив и поставить окружение. Самое популярное и родное, конечно же — R Studio.

Бонусом, если вы захотите улучшить своё понимание языка в задачах анализа данных, я рекомендую прочитать ещё две книги:

Эти книги больше про оттачивание навыка, чем про начальное погружение. Их лучше пока не трогать, а вернуться к ним после прохождения всех остальных шагов.

И ещё один бонус, относительно новая книга Хэдли Уикхема — “Изучаем Shiny”. Shiny — это мощнейший фреймворк, доступный как для R так и для Python, который позволяет писать интерактивные приложения. Он довольно большой, поэтому огромным плюсом тут является авторство Уикхема, который умеет объяснять сложные вещи простым языком. Но не спешите, этот шедевр тоже пока лучше не трогать, а приберечь на будущее, когда закончите основную подборку.

Шаг 3.2. Учимся писать код. Python

Так получилось, что я не фанат Python и имею довольно посредственный опыт работы с ним. Поэтому за помощью по актуальным ресурсам я обратился к ребятам в группе (кстати, подписывайтесь, там про ПА для новичков 🙂).

Там многие сейчас обучаются, поэтому у них информация самая свежая 🙂

Вот какие варианты мы собрали:

От себя добавлю ещё вариант, если у вас есть подписка на DataCamp — карьерный трек “Data Analyst with Python”.

Они все подойдут новичкам и все достаточно хороши, выбирайте, для начала, какой-нибудь один.

Задача этапа: Выучить базовый синтаксис языка, разобраться с типами данных, разобраться с аналитическими пакетами (pandas, numpy, matplotlib). Научиться работать с блокнотом (Jupiter Notebook).

Инструментарий: Для работы с Python нужен дистрибутив, и какое-нибудь окружение на выбор, из популярных: Anaconda, PyCharm и VSCode.

Шаг 4. Усиливаемся в математике

Теперь, зная основы любого из скриптовых языков, мы можем немного больше углубиться в статистику.

Для начала рекомендую курс Анатолия Карпова — “Основы статистики, часть 2”, а сразу после него “Основы статистики, часть 3”. Там разбираются классические методы анализа с использованием R, но питонистам, в целом, тоже будет понятно. Система программирования там не то чтобы принципиально отличается.

После завершения этих курсов, пора немного погрузиться в теорию вероятностей. Вообще, этот шаг довольно опциональный. Статистика уже включает в себя множество идей теорвера, но если вы где-то на этом этапе понимаете, что вам всё нравится и вы настроены серьёзно, рекомендую сделать тут остановку.

По теорверу я не посоветую чего-то лёгкого и интересного, а просто зайду с классики, т.к. я бы их и читал:

В целом, даже одна книга в арсенале уже сильно прокачает ваше понимание темы.

Но и это ещё не конец 🙂 в очередной раз мы вернемся к математике позже, когда затронем тему ML (Machine Learning).

Шаг 5. Формируем продуктовый вижн. Архитектура и дизайн

Продуктовая аналитика, в отличии от дата аналитики или других направлений, находится в тесной связи с бизнесом, в целом, и продуктом, в частности. Поэтому понимание, как вообще устроено приложение, с точки зрения дизайна, часто играет большую роль в формировании гипотез или в банальном понимании почему юзеры ведут себя так, а не иначе.

Начать погружение в эту тему лучше всего с пары простых книг:

Они небольшие и написаны просто. Это даст вам базовое понимание зачем и какие кнопки тут вообще понатыканы, и в будущем, это хороший задел для коммуникаций с дизайнером на одном языке.

Пока этого достаточно. Потом, со временем, я рекомендую ещё больше погрузиться в эту тему, с помощью двух великих работ лучшего проектировщика современности (по версии меня):

Они дадут ещё больше понимания логики тех или иных интерфейсных решений, и очень помогут в работе над анализом поведения юзеров.

Шаг 6. Формируем продуктовый вижн. Юнит-экономика

Вся работа продуктового аналитика так или иначе завязана на каких-то критериях оценки того или иного события. Эти критерии называются метриками. Они бывают экономические (доходы, расходы и т.д.) и поведенческие (возвращаемость, заинтересованность, вовлечённость и т.д.).

Ну и т.к. мы тут чтобы зарабатывать компании больше денег, важно понимать из чего эти деньги вообще складываются. Что лучше: дороже продать сразу, или дешевле, но много раз постепенно? Сколько стоит юзер и как понять много это или мало? Какой процент пользователей вернётся через месяц? — раздел юнит-экономики включает в себя все эти вопросы и старается описать их метриками.

В России есть два главных амбассадора этой темы — Илья Красинский и Даниил Ханин — которые сделали для развития направления, пожалуй, больше всех.

У Даниила Ханина есть два отличных цикла видео для новичков, с которыми я предлагаю ознакомиться в первую очередь:

А потом рекомендую глянуть очень интересную старенькую (но актуальную) лекцию Ильи Красинского — “Юнит-экономика или поиск точек кратного роста”.

Вообще, юнит-экономика — штука довольно гибкая, для каждого продукта можно придумывать свои метрики, лишь бы в этом был смысл. Не обязательно зубрить все эти ARPPU и ROI (со временем сами запомнятся), главное уловить суть — как работа через метрики упрощает коммуникацию с командой и помогает всем мыслить в одной парадигме.

Шаг 7. Систематизируем задачу анализа данных

В продуктовой аналитике одной из важнейших задач является продуктовое исследование. Когда выходит новая фича в продукте, когда планируется редизайн старой, когда открывается новое направление, когда мы просто слабо понимаем как работает какой-то элемент интерфейса — всё это задачи исследований.

«Слушай, у нас есть вот такая фича, мы пушим её через маркетинг и влили туда уже дофига бабла. Нам бы понять, а что там вообще происходит-то!» — поверьте, это супер типичный запрос к продуктовому аналитику.

Это короткий, но очень важный шаг. Тут я порекомендую всего одну книгу, которая прекрасно закрывает вопрос о грамотном построении процесса продуктового исследования и анализа данных.

Кирилл Еременко — “Работа с данными в любой сфере”. Я её стабильно перечитываю раз в год, помогает бороться с первыми симптомами выгорания 🙂

Шаг 8. Учимся правильно визуализировать данные

Плотная работа с графиками, дашбордами и отчётами — обычно, прерогатива BI-аналитиков (Business intelligence). Но и в продуктовой аналитике часто приходится визуализировать свои данные, особенно в исследованиях, чтобы упростить усваивание информации заказчиком.

Слишком сильно в тему зарываться не обязательно, но есть одна очень хорошая книга, которая не только поможет разобраться когда какой график использовать, но и как сделать их качественнее. Это книга Александра Богачева — “Графики, которые убеждают всех”. Очень полно освещает тему, крайне рекомендую.

Шаг 9. Знакомимся с АБ-тестами

АБ-тесты — это огромная тема. В больших компаниях ими занимается отдельное подразделение дата аналитиков. Но в компаниях поменьше, часто эта задача уходит продуктовому аналитику. Начать своё знакомство с темой экспериментов я бы рекомендовал сразу с козыря — с книги Рона Кохави, Дианы Тан и Я Сюй — “Доверительное А/В-тестирование”. В ней достаточно подробно разбирается весь путь эксперимента, от запуска до принятия решения.

На первом этапе этого более чем достаточно, со временем, когда вы погрузитесь в сферу, информация по АБ будет сыпаться на вас со всех сторон.

После этого шага можно смело открывать своё резюме миру 🙂

Шаг 10. Разбираемся с ML для продуктовой аналитики

Это очень объёмная тема из сферы деятельности специалистов Data Science. В продуктовой аналитике модели машинного обучения тоже используются довольно часто, но в сильно ограниченном наборе методов.

К основным алгоритмам ПА можно отнести кластеризацию (K-means, DBSCAN), классификацию (k-NN, SVM, RF, GB) и регрессию (отдельно стоят векторы Шепли). В книге Анналина Ына — “Теоретический минимум по Big Data” разбираются основные алгоритмы ML для ПА. Не детально, а с теоретической стороны, как они работают и в каких задачах применяются. Это хорошая первая точка контакта с темой.

Обычно знание ML в вакансиях продуктового аналитика идёт в блоке «будет преимуществом», но на самом деле, когда вы прочувствуете всю прелесть ML-алгоритмов, вы начнёте применять их почти везде. Они очень хорошо расширяют границы продуктовых исследований.

В шаге 4 про углубленную математику я говорил, что мы ещё вернёмся к ней. И вот тут самое время доставать книгу Питера Брюса, Эндрю Брюса и Питера Гедека — “Практическая статистика для специалистов Data Science”. Эта книга разбирает главные понятия статистики с примерами на R и Python, затрагивая как базовые вещи типа Exploratory data analysis, так и те самые продуктовые ML алгоритмы.

Шаг 11. Погружаемся в аналитическую культуру

Этот шаг завершающий, он не столько про развитие скиллов, сколько про формирование понимания, что вообще происходит в аналитике внутри компании.

Тут очень хорошо вписывается, на мой взгляд, шедевральная книга Карла Андерсена — “Аналитическая культура”. Она, конечно, предназначена больше для CDO или тимлидов, и рассказывает о том, как выстроить культуру работы с данными внутри компании. Но я считаю, что каждый аналитик должен понимать эти идеи, чтобы комфортно вкатываться в работу на новом месте. Когда ты не просто пришёл и начал жить по внутренним правилам, а можешь оценить что в компании организовано хорошо, а что не очень. Ну и вообще, это такой взгляд сверху, часто очень полезный.

Материалы по темам

На данной странице собраны лучшие курсы по продуктовой аналитике от ведущих онлайн-школ. Продуктовый аналитик анализирует рынок, спрос на продукт и делает выводы, какими способами можно повысить эффективность продаж. Этот специалист есть во многих успешных компаниях. Оценить свой потенциал можете и вы, записавшись на один из курсов из нашего рейтинга.

1. Продуктовая аналитика («PRODUCT LIVE»)

Общая информация

Курс «Продуктовая аналитика» от «PRODUCT LIVE» состоит из теоретической и практической частей.

На теории разбирается углубленная работа с метриками, математический базис для продакта, системы аналитики и A/B-тесты.

На практике вы приобретете следующие знания:

• Основы работы с метриками (MAU, DAU, Active Users, RR, CR, ARPU, ARPPU, CAC,GMV, LTV);
• Техника правильного выстраивания иерархии метрик;
• Базовые знания математики и статистики, необходимые для продуктового анализа;
• Изучение систем аналитики, требований, которым они должны соответствовать;
• Основы сквозной аналитики;
• Выбор подходящей системы аналитики;
• Работа с A/B тестами (дизайн, проведение, анализ результатов, принятие решений).

Получив эти знания, ученик сможет выполнять построение иерархии метрик и проводить A/B тесты. Эти проекты можно будет использовать в своем портфолио при трудоустройстве.

Плюсы курса:

1. За одну неделю проводится глубокое погружение в аспекты, которые помогут вам проводить более качественный и профессиональный продуктовый анализ.
2. Стоимость курса является самой доступной на рынке по сравнению с предложениями конкурентов.
3. Курс ведут преподаватели экспертного уровня.

Минус курса:

1. Для специалиста с опытом в продуктовой аналитике курс может быть не слишком интересен.

2. Продуктовая аналитика («SKILLFACTORY»)

Общая информация

Насыщенный и познавательный курс от «SKILLFACTORY», предназначенный для тех, кто хочет освоить продуктовый подход в аналитике. На занятиях обучают навыкам, которые нужны продуктовым и бизнес-аналитикам в решении реальных задач. Учебная программа включает 4 модуля. Каждая тема подкрепляется практическими заданиями.

Студент приобретает такие умения:

• Взаимодействие с метриками продукта и расчет новых метрик;
• Использование аналитики для более продуктивной работы компании;
• Поиск данных в различных источниках;
• Анализ разного уровня сложности;
• Составление грамотных отчетов и использование подходящих для этого инструментов;
• Выдвижение гипотез, их проверка и грамотная интерпретация.

Плюсы курса:

1. Больше внимания уделяется практике, а не теории, что позволяет научиться применению навыков и знаний для реальной работы.
2. Преподаватели – эксперты с бизнес-опытом.
3. Во время обучения подготавливается два больших проекта, которые можно использовать для трудоустройства.

Минусы курса:

1. Не для начинающих, нужно знать основы Python и иметь опыт работы аналитиком.
2. Продолжительность – курс не подойдет тем, кто хочет повысить квалификацию за несколько недель.
3. Высокая стоимость.

3. Профессия Продуктовый аналитик («SKILLBOX»)

Общая информация

Курс продуктовый аналитик от «SKILLBOX» предназначен для тех, кто знает математические основы, но не обладает навыками в аналитике.

• Разработка продуктовых метрик;
• Обработка и хранение данных;
• Создание системы сквозной аналитики;
• Выполнение исследований клиентского опыта;
• Проверка гипотез;
• Визуализация данных.

Плюсы курса:

1. Студентам предлагается бесплатный курс по Excel и доступ к сервису Albato на 1 месяц.
2. Помощь опытных специалистов, которые помогают подготовить резюме и портфолио.
3. Три первых модуля – бесплатно. Можно оценить видеозаписи и понять, привлекает ли вам профессия.

Минус курса:

1. Курс довольно продолжительный (6 месяцев).

4. Факультет продуктовой аналитики («GEEKBRAINS»)

Общая информация

Курс продуктовая аналитика от «GEEKBRAINS» подходит тем, кто ничего не знает о профессии. На нем приобретаются умения, необходимые для работы с SQL, Python, Google Analytics, Яндекс.Метрика, Firebase, Power BI, Google Optimize, OWOX. Также изучаются основы Дата Сайнс, востребованной сегодня ниши в диджитал-среде.

Плюсы курса:

1. Обучение выполняется по программе, которая обновляется каждый год, поэтому информация на курсе всегда актуальная.
2. На курсе товарной аналитики преподают практикующие специалисты, которым можно задать вопрос по теме и быстро получить обратную связь.
3. Возможность посещать закрытые митапы, хакатоны и другие онлайн- и офлайн-мероприятия.

Минус курса:

1. Программа продолжительная, обучение проводится 12 месяцев.

5. Продуктовая аналитика с нуля. Профессиональная переподготовка, 256 ак. часов («КОНТУР.ШКОЛА»)

Общая информация

Онлайн-курс «Продуктовая аналитика с нуля» будет полезен тем, кто хочет приобрести навыки работы с данными для улучшения продуктов и оптимизации бизнес-процессов.

Программа обучения товарной аналитике включает:

• Освоение бизнес-контекста, в котором работают специалисты продуктового анализа;
• Изучение аналитических метрик;
• Изучение основ профессиональной работы в MS Excel;
• Создание отчетов на платформе Power BI;
• Изучение основ статистики и прогнозирования;
• Изучение основ SQL;
• Изучение принципов системной аналитики и аналитики бизнес-процессов.

Плюсы курса:

1. Опытные лекторы.
2. Возможность скачивания авторских материалов.
3. Соответствие курса профстандарту.

Минусы курса:

1. Обучение нельзя начать в любой момент.
2. Нет гарантии трудоустройства.

6. Продуктовая аналитика («OTUS»)

Общая информация

Курс «Продуктовая аналитика» позволяет узнать, зачем нужна продуктовая аналитика и как ее применять для анализа данных.

Курс включает 10 модулей:

1. Физический смысл аналитики
2. SQL
3. Визуализация данных
4. Виды задач в продуктовой аналитике
5. Статистика
6. Python
7. АВ-тесты
8. Работа в команде
9. Поиск работы
10. Подведение итогов курса

Плюсы курса:

1. Возможность выстраивания плана карьерного развития.
2. Изучение принципов грамотной визуализации и презентации своих данных.
3. Обучение методам решения аналитических задач в SQL и Python.

Минус курса:

1. Желательно базовое знание статистики, SQL, Python.

7. Симулятор управления продуктом на основе данных («GO PRACTICE SIMULATOR»)

Общая информация

Курс подходит для тех, кто хочет работать продакт-менеджером, продуктовым или маркетинговым аналитиком. Симулятор управления продуктом на основе данных использует необычный подход в обучении. При выполнении заданий сразу приобретаются практические навыки, которые можно использовать в реальных проектах.

• Идентификация ситуаций и проблем, стандартных для работы над продуктом;
• Определение данных, которые помогут исправить эти недочеты;
• Подбор оптимальных  решений для успешной реализации проекта.

Плюсы курса:

1. Минимум теории и максимум практики, что позволяет сразу приобрести нужный опыт.
2. Возможность собеседования в ведущих компаниях.
3. Можно проходить симулятор в удобное для себя время.

Минус курса:

1. Нет гарантии трудоустройства. 

Рассказываем всё о профессии: какие знания и навыки необходимы, чтобы стать продуктовым аналитиком, какую зарплату получают специалисты даже без диплома в этой сфере и как начать.

Кто такой продуктовый аналитик

Продуктовый аналитик — это специалист, который исследует данные о сайте, приложении или онлайн-сервисе, чтобы понять, как его улучшить.

Он анализирует, как пользователи взаимодействуют с продуктом, выявляет проблемы и предлагает решения. Всё это помогает повысить эффективность работы сайта или приложения — и, как следствие, удовлетворенность пользователей.

Продуктовые аналитики участвуют в каждом этапе разработки нового продукта: от первичного исследования рынка до анализа тенденций продаж после того, как продукт вышел в релиз. Еще аналитики помогают решить, закончился ли жизненный цикл продукта, — если он прошел все стадии роста, потерял актуальность и больше не приносит прибыль.

Если вы любите сортировать информацию и работать с разными данными, у вас аналитический склад ума, вы коммуникабельны и внимательны к деталям — стоит подумать о карьере продуктового аналитика.

«В онлайн-университете Skypro» вы освоите анализ данных с нуля, даже если до этого никогда не работали в IT и у вас нет диплома о высшем техническом образовании. Во время учебы получите необходимые знания, овладеете прикладными навыками на практике и станете уверенным специалистом с достойной зарплатой. Вы закончите учебу с дипломом о профпереподготовке на руках, а еще создадите первые проекты для портфолио.