Привет, я Юля Степашкина, молодой продуктовый аналитик. Я начинала в Redmadrobot как HR-менеджер, год занималась HR-аналитикой, а теперь работаю с аналитикой данных на коммерческом проекте. Здесь расскажу о своих задачах и чему пришлось научиться.
Погружение
Не то, чтобы эйчары в Redmadrobot свободно переходят в производство. Я воспользовалась возможностью заняться аналитикой сначала в знакомой области. А когда основная задача была выполнена, получила ещё одну возможность — продолжить прокачиваться по специальности уже в команде производства. И у меня есть некоторый бэкграунд.
Я закончила Тольяттинскую академию управления, где студентов учат критическому, аналитическому и проектному мышлению. Нас учили мыслить схематично, проводить проектно-аналитические сессии для решения сложных задач. Мы учились работать с информацией, отслеживать тренды, строить траектории развития и рефлексировать. Многие из моих однокурсников выбрали профессии, связанные с аналитикой и управлением.
После академии я пришла работать младшим HR-менеджером: занималась онбордингом и аттестациями сотрудников, проводила выходные интервью. Со временем поняла, что от общения людьми устаю сильнее, чем от другой работы. А это звоночек. Без общения вообще никуда, но у эйчара это основная работа. И чтобы расти дальше, нужно было углубляться именно в коммуникативные компетенции, консультирование, развивать эмпатию, навыки коуча и т.д.
HR-команда иногда проводит исследования сотрудников, и так мне досталась первая аналитическая задача. Нужно было составить собирательный портрет наших iOS-разработчиков: что их мотивирует и что мешает работать, что ребята ценят, какие ресурсы читают и т.д. То есть, по шаблону перебрать информацию, положить её в табличку и верифицировать с реальными людьми, по которым я собирала портреты.
Не скажу, что была в восторге. Видимо, ожидала большей свободы в принятии решений: как структурировать информацию или как будет выглядеть результат ;). Теперь-то я знаю, что это типовая задача джун-аналитика на ресёрч. А вот следующая задача уже была очень сложной и творческой.
Дашборды по движениям сотрудников
Компания решила внедрить HR-аналитику, чтобы с помощью данных о сотрудниках определить затраты на HR-процессы и слабые места в них. Нужно было посчитать, во сколько компании обходится найм и увольнение сотрудника и может ли руководитель заранее спланировать расходы на специалиста.
Собрать данные по сотрудникам, разбить их на категории и визуализировать поручили мне. Так как ни компания, ни я раньше не делали ничего подобного, нужно было во всём разобраться с нуля, найти подходящий инструмент и получить эту самую аналитику.
В Redmadrobot есть система менторства, когда тебе дают более опытного специалиста, чтобы под его присмотром научиться новым компетенциям. Со мной работал руководитель отдела бизнес-аналитики. Он помог разработать систему сбора и анализа данных, определить, какие показатели мы хотим отслеживать, на какие вопросы они должны отвечать и в какие группы их можно объединить. Мы составили для меня план развития, определили темы и инструменты, которые надо освоить, чтобы решить мои задачи. Раз в неделю ментор давал новый материал, объяснял его на схемах и отвечал на вопросы.
Первым делом нужно было разобраться, как бухгалтерия и финансисты ведут учёт зарплат, ставок, налогов, отпусков в 1С. Дальше найти способ структурировать эту информацию и наглядно представить результат. И не просто визуально ровно, а так, чтобы мои расчёты ложились на бухгалтерские.
Инструментом №1 для сбора и подсчёта данных был Excel. Имеющихся знаний мне не хватило, и я прошла по нему углублённый, почти полугодовой курс. Ещё нужен был инструмент для визуализации данных в виде графиков и диаграмм. Я посмотрела на функции нескольких самых популярных визуализаторов, выбрала Power BI и тоже прошла по нему двухнедельный интенсив.
Power BI довольно сложный инструмент для новичка. Для преобразования данных нужно освоить формулы и функции на языке DAX, это похоже на программирование. Год назад я написала, что освоить Power BI несложно, увы, это было преувеличением. Всё-таки, чтобы как следует разобраться, кроме прохождения курса, с инструментом пришлось хорошенько повозиться.
Уже после ментор предложил попробовать визуализатор Google Data Studio. В отличие от Power BI, он позволяет загружать и отслеживать данные онлайн. Ещё в нём больше категорий данных, соответственно, можно собрать больше разных дашбордов. Со временем все HR-дашборды я перенесла в него.
Через полгода был готов обновляющийся монитор с калькулятором для руководителей и эйчаров. Мы могли проверить интересующие гипотезы и лучше планировать расходы на найм, повышения и увольнения.
С самого начала я не скрывала от руководителя, что мне больше нравится работать с данными: собирать метрики, изучать показатели, находить закономерности. Но в HR пока не было новых задач такого рода. А мне хотелось продолжать двигаться в этом направлении.
Руководитель пошла навстречу, и тогда ментор предложил мне перейти в группу продуктовой аналитики. Это молодое направление в команде бизнес-анализа. Ребята работают с метриками, похожими на те, что мы проектировали для HR. Строят дашборды со статистикой по цифровым продуктам, которые компания разрабатывает для клиентов. И им нужен был ещё один человек. Я, конечно, согласилась, но с условием, что должна буду научить HR-команду собирать и поддерживать дашборды по коллективу.
Мониторинг продукта. Исследования и гипотезы
Я уже научилась работать с некоторыми инструментами и метриками, но это всё ещё был стажёрский уровень. Нужно было значительно расширить кругозор. Даже о метриках мои знания были поверхностными. Если для HR-задачи мы выбрали 5 или 6 ключевых метрик и несколько зависимых показателей, то в продукте их гораздо больше, они делятся по типу, по категориям и сильно зависят от конкретного продукта.
В целом понимая, кто за что отвечает в команде, я практически ничего знала о процессе разработки и как туда встраивается продуктовый аналитик. Не знала о требованиях: как ставить задачи разработчикам для отслеживания ивентов — событий, которые отправляются в систему аналитики, чтобы определять действия пользователя.
Чтобы разобраться, я прошла базовый трёхмесячный онлайн-курс по веб-аналитике. Он был самым сложным из всех, где я училась ранее. Раз в неделю я разбирала новый материал курса с ментором. Он объяснял, как это работает на практике.
Через пару месяцев меня подключили к первому коммерческому проекту, связанному с образованием. А перед этим у меня поменялся ментор. Это был уже продуктовый аналитик, занятый на боевых проектах. Под её присмотром мне нужно было:
с нуля подключить аналитику к веб-платформе;
разработать спецификацию по событиям, которые нужно отследить: буквально прописать, какую кнопку отслеживаем и что должен сделать пользователь, чтобы отслеживание сработало;
протестировать события, которые реализовали разработчики;
мониторить данные в системе аналитики;
составить базовый дашборд по ключевыми метрикам по воронке. Эта воронка — главное, что есть в анализе: сколько пользователей зашли на сервис, сколько из них зарегистрировались, сколько нажали на одну кнопку, на следующую, сколько прошли тестирование и т.д.
составить ключевые дашборды и дополнительные дашборды для проверки гипотез. Например, гипотезу, что пользователи не доходят до результатов тестирования, потому что мобильная версия сайта отображается некорректно.
Параллельно я училась взаимодействовать с командой и клиентом, выбрать нужные метрики и строить дерево метрик, делать спецификацию с прописанными ивентами, выдвигать и проверять гипотезы. Со всем этим помогал ментор, в первое время мы каждое утро обсуждали задачи на день и результаты прошлого дня.
На третий месяц, когда аналитика была подключена и запущена и я более-менее разобралась в процессах, стало спокойнее. Начались задачи на составление дашбордов и проверку гипотез. Подобное я уже делала раньше, так что чувствовала себя увереннее, и количество встреч с ментором можно было сократить до одной в неделю или две. Раз в 3-6 месяцев мы сверяемся с моим планом развития, дополняем его темами, которые надо освоить.
Вот, например, основы SQL — языка, который нужен для написания запросов к базе данных. Я освоила базовый, несложный синтаксис, чтобы каждый раз не дёргать разработчика с просьбой прислать очередной список пользователей. Теперь сама пишу запросы базе, и она выгружает, что мне нужно. Специальный курс не проходила. Есть много бесплатных источников и тренажёров для базового уровня. Даже внимательно прочитав эту статью, любой «чайник» уже может начать работать ;).
Первые успехи
Когда мы занимались разработкой и развитием веб-платформы, я попробовала спрогнозировать срок, к которому мы сможем достигнуть KPI от клиента, если темп прироста новых пользователей сохранится. Посчитала средний прирост активных пользователей в день, прирост регистраций и построила дашборд, по которому мы сделали прогноз.
Дашборд показал, что нужный результат ждёт нас не раньше, чем через 6 месяцев после закрытия проекта. Такое нам не подходило. Тогда я решила посчитать, на сколько нужно увеличить прирост пользователей и конверсию, чтобы получить нужные KPI до завершения проекта.
Оказалось, нам нужно привлечь в 2 с половиной раза больше пользователей и в 3 раза увеличить конверсию. Приток пользователей мы смогли бы получить только с помощью наших коллег из маркетинга. Мы вместе посмотрели их медиа-план, обсудили прогноз и поделились рекомендациями. А повысить конверсию помогла наша команда разработки.
Первый резкий скачок случился после того, как мы в два этапа выпустили мобильную версию сайта. Конверсия выросла почти в 6 раз, и мы выполнили KPI даже на неделю раньше спрогнозированной даты целевого сценария. Вот тогда было приятно почувствовать свою пользу для проекта.
Трудности и дальнейшие планы
Самый сложный момент — многозадачность. Я ещё вела проект по HR-аналитике, уже начала работать в команде производства и продолжала учиться. Полгода работала в режиме 60/40 на две практики: сначала сама делала задачи по HR-аналитике, затем учила эйчаров собирать и выгружать данные в визуализатор, ввести квартальную аналитику и делать отчёты.
Пробовала половину дня заниматься одним проектом, половину — другим, но быстро переключаться и не терять в качестве не получалось. Тогда стала чередовать занятость через день: 3 дня на новые задачи, 2 дня на прежние, так было гораздо лучше.
Чтобы быстрее научиться, работала в день на час-два больше положенного и ещё столько же отводила на обучение по утрам. Если честно, не стану советовать так делать. Иногда было очень трудно, даже тревожно. Не сломалась только благодаря сильному желанию поскорее выйти на позицию джуна и строгому распорядку дня — хорошо, что с марта мы работали из дома.
Сейчас восьмой месяц, как я работаю на веб-проекте. В ближайшее время планирую разобраться, как делать аналитику мобильных продуктов. На первый взгляд, там всё похоже на веб, но другие инструменты и системы аналитики. Вроде бы, не придётся учиться с нуля, только расширить и углубить имеющиеся знания.
Ещё хочу изучить Python, чтобы без помощи разработчиков автоматизировать сбор и обработку данных, с которыми не справляется Excel, и сократить время на рутину. Плюс, он открывает дополнительные возможности, например, по прогнозированию оттока пользователей и кластеризации данных.
Кстати, опыт работы в HR пригодился для коммуникации. В мои задачи входят интервью для выявления инсайтов, проверки гипотез, юзабилити-тестирования и т.д. В целом, по формату не сильно отличается от exit-интервью с увольняющимся сотрудником.
Итого: что пригодилось для перехода продуктовую аналитику и первых шагов в ней.
№0. Подходящая зона развития в компании и согласие руководителей, прежнего и нового.
Ментор. Вообще главный человек, я работала по очереди с двумя. Первый объяснил фронт работ аналитика и чему надо научиться. Со вторым мы точечно разбираемся в процессах, инструментах и методах. Соотношение пользы: 40% — от работы с наставником, 60% — от курсов и самообразования.
Продвинутый Excel для сбора и подсчёта данных — прошла популярный онлайн-курс.
Инструмент для визуализации данных — я начала с Power BI, тоже прошла онлайн-курс, ещё очень помог справочник. Затем сама освоила Google Data Studio.
Основы веб-аналитики — ещё один онлайн-курс. Выбирала среди популярных, прислушивалась к рекомендациям менторов.
Понимание производственных процессов — с этим как раз помогли менторы.
Побольше реальных, а не ученических задач.
Основы SQL для выгрузки данных с сервера — тот случай, когда язык легко освоить самостоятельно.
В ближайших планах: изучить основы аналитики для мобильных платформ и основы Python — как минимум, для автоматизации рутины по сбору и структурированию данных.
Помогла собрать историю Таня Павлова, картинки Полины Резвановой.