Владислав Захаров

Я начинаю серию постов про метрики: какие бывают, как интерпретировать, как выбирать и какие есть во всем этом нюансы. Сегодня разберем метрики тщеславия и действенные метрики — это разделение по уровню реальной пользы для бизнеса.

В прошлом посте мы затронули гипотезы, и сегодня разберем, какие виды гипотез бывают и что нужно проверить перед запуском новой фичи / продукта / бизнеса.

Начинаю серию постов о более детальном разборе задач аналитики. Сегодня — тестирование гипотез.

Сегодня разложим по полочкам, зачем вообще бизнесу нужна аналитика — так, чтобы было понятно каждому. Аналитика — это не просто про цифры и графики. Это системная функция, которая имеет свои задачи.

1. Исследование и поиск точек роста

Большинство компаний уже давно не полагаются только на интуицию. Все говорят про данные, строят дашборды, считают метрики. Но вот вопрос — как вы используете эти данные?

2019 год. Я только переехал в Москву и начал работать аналитиком в небольшом, но очень амбициозном стартапе. У компании была модель с западного рынка — краудсорсинг данных для крупных FMCG и ритейла. Для российского рынка это было что-то новое: гибрид Uber и Nielsen, только в мобильном приложении.

Чтобы управлять бизнесом, важно не только понимать, что уже произошло, но и видеть, что может произойти. Именно поэтому опережающие и запаздывающие метрики нужно рассматривать в совокупности. Давайте разберём, чем они отличаются — на примере потери клиентов.