KARPOV.CONF 2025: главные инсайты и тренды в аналитике
24 апреля 2025 года состоялась масштабная онлайн-конференция в области аналитики — KARPOV.CONF. Мероприятие собрало более 4 000 специалистов и 9 экспертов из ведущих компаний, таких как Т-Банк, Яндекс и МТС. Спикеры поделились важными открытиями, которые вносят кардинальные изменения в подходы к аналитике. В этой статье мы рассмотрим ключевые тренды и идеи, озвученные на конференции.
Машинное обучение – новый стандарт аналитики
Машинное обучение (ML) становится важной частью анализа данных. Теперь автоматизированные системы могут выявлять скрытые закономерности в поведении клиентов, что помогает компаниям лучше понимать своих потребителей и точнее предсказывать спрос. Основное преимущество ML заключается в его способности делать вещи более персонализированными. Например, системы вроде CatBoost анализируют множество параметров, чтобы найти группы пользователей с наибольшим потенциалом для конверсии. Однако, как отметил спикер, для успеха ML нужно правильно подготовить данные, очистить их и активно тестировать гипотезы с помощью A/B-тестов. Использование ML в бизнесе может увеличить конверсию на 15-25% и значительно сократить время обработки данных.
Избежать провалов в BI-проектах – можно
Эксперт по BI и автор популярного канала «настенька и графики», Анастасия Кузнецова, поделилась своими мыслями о проблемах, с которыми сталкиваются компании при внедрении бизнес-аналитики. BI — это не просто красивые дашборды. Это создание системы, которая реально помогает бизнесу.
Секрет успеха — это активное участие заказчика на всех этапах работы. Команда должна понимать, что действительно нужно бизнесу, а не просто рисовать красивые картинки с данными. Обсудили, как важно стандартизировать процессы и методы работы, чтобы сэкономить кучу времени.
Часто проекты проваливаются из-за того, что аналитики, BI-специалисты и дата-инженеры не общаются друг с другом. Это можно исправить с помощью совместных встреч и понятной документации.
Путь к эффективной аналитике – стандартизация дашбордов
Единые стандарты оформления отчетов очень важны для того, чтобы данные были понятными и вызывали доверие. На конференции говорили, что если все отчеты выглядят одинаково, то они становятся более популярными и их легче воспринимать.
Эксперт Роман Бунин, автор телеграм-канала Reveal the Data, подчеркнул, что нужны гибкие стандарты. Это значит, что шаблоны можно подстроить под конкретные данные. Так аналитики смогут быстрее делать свою работу и сосредоточиться на главном — качественной аналитике, а не тратить время на оформление.
ClickHouse — недооцененный инструмент
Обращение с ClickHouse зачастую заканчивается на уровне простых селектов, никто не углубляется внутрь диалекта и не раскрывает все возможности системы, рассказывает Александр Сидоров, лидер развития продуктовой аналитики (division lead) во ВкусВилле.
Например, аналитику нужно составить многомерную отчетность. Заказчик хочет посмотреть метрику в разных разрезах: по операционной системе, по версии мобильного приложения, по геоинформации пользователя. Задача непростая. Сделать ее на языке SQL можно, но запросы будут громоздкими. ClickHouse помогает решить проблему. Грамотная работа с комбинаторами позволяет легко соединять таблицы или поля активных пользователей внутри таблиц. Создавать запросы достаточно простые как в поддержке, так и в расширении.
SPRT — легальный и безопасный способ подглядывать
В А/Б-тестах есть классическая проблема подглядывания. Это когда менеджер, например, хочет побыстрее посмотреть результаты и нарушает протокол проведения экспериментов. Чем чаще человек подглядывает, тем больше растет кумулятивная ошибка первого рода. Как итог: исследование теряет ценность.
Последовательное тестирование SPRT — один из вариантов подглядывать честно и без последствий, говорит директор по аналитике в Kolesa Group Дмитрий Казаков.
А кроме того, SPRT существенно ускоряет эксперименты.
Метод незаменим в тестах:
- где важно регулярно подглядывать (например, в опасных изменениях);
- когда важно быстро найти решение острой проблемы;
- когда нужно сэкономить трафик/время/ресурсы;
- в очень длинных тестах можно использовать как методику ускорения.
Ничего лучше А/Б-теста пока не придумано
Когда нужны большие изменения в компании, и сделать их хочется на основе данных,
то ничего лучше А/Б-тестирования пока не найти, считает руководитель направления аналитики в T-Банке Владислав Пикиневич.
По его словам, недавно в T-Банке завершилось большое исследование их программ лояльности. Чтобы провести его с помощью А/Б-тестирования, пришлось бы отключать раздел с программами лояльности. Бизнес оунер был не готов. И тогда аналитики попробовали альтернативные способы: когортный анализ, геотесты, метод Близнецов. Результаты каждого теста были интересными, но ненадежными, недостаточными для принятия больших решений. Тогда пошли на компромисс — А/Б-тестирование все же провели и получили точные результаты, которые повлияли на множество процессов в банке. Менеджмент узнал, насколько банк растит лояльность в деньгах, поменял стратегию по b2b-маркетингу, нашел баланс между программами лояльности и заработком для бизнес-линии.
YandexGPT помогает контролировать асессоров
Чтобы на основе данных ответить на вопрос, как хорошо нейросеть генерирует картинки, нужна, в том числе, помощь ассесоров — реальных пользователей, которые субъективно оценивают изображения по заданным критериям. Раньше найти ассесоров было настоящей проблемой, вспоминает тимлид ML-аналитиков YandexArt Артур Самигуллин. Первое время в компании аналитики сравнивали картинки сами или с помощью небольшого числа асессоров, в которых были уверены. Проводили только самые важные kpi-замеры, несколько штук в месяц. Решить проблему помог YandexGPT.
Эмоциональный интеллект в AI: conversational AI
Лола Александрова из МТС рассказала о том, как развиваются голосовые помощники. Раньше они просто помогали, но теперь становятся настоящими друзьями. Технологии не стоят на месте, и голосовые ассистенты все больше умеют понимать и поддерживать нас.
Однако есть одна проблема: нужно сделать так, чтобы такие помощники были доступны всем и могли работать на большом количестве устройств. Это не так просто, но Лола уверена, что это возможно.
Конференция KARPOV.CONF показала, что аналитика кардинально меняется благодаря новым технологиям и подходам. Машинное обучение, стандартизация данных, новые методы тестирования и AI-решения формируют будущее аналитики. Эти тренды не только улучшают бизнес-процессы, но и делают их более гибкими и готовыми к вызовам времени.
И если вы пропустили это мероприятие, то обязательно посмотрите его в записи – четыре часа концентрированной пользы, а также конспект докладов всех спикеров на 70 страниц в подарок. Присоединяйтесь!