Привет! Я работаю в аналитике и с данными уже 13+ лет. Про data-driven от заказчиков-пользователей трудов моей работы слышу тоже, почти 13+ лет. И очень разные интерпретации этого явления встречал. Думаю, что я один из тех, чья трудовая деятельность ближе всего к data-driven. Хочу рассказать о том, какой data-driven = хорошо, а какой != хорошо.
Эта статья может быть полезна как управленцам, так и аналитикам. Давайте говорить на «одном языке».)
!= хорошо
Это когда PM, PO, CIO и даже CTO, роли, задачи которых развивать бизнес (дальше буду называть эти роли «бизнесом»), не используют в работе цифры, полагаясь на экспертные мнения или оценки.
При этом цифры могут быть и использоваться для чего‑то ещё. Например, для того, чтобы косвенно отслеживать работоспособность продукта — тоже неплохой вариант для аналитики, но, думаю, лучше работать с повышением качества тестирования продукта.
Индикаторы того, что вы работаете в компании с плохим вариантом интерпретации data-driven:
регулярной операционной и стратегической отчётности нет, а если есть, то отчётами пользуются единицы или только собственник бизнеса;
отсутствуют ожидания в количественном выражении от того, как должны работать сотрудники и отдельные функции бизнеса, фичи, продукт. Тут речь даже не о планах, хотя бы пониманиетого, что такое «норма»;
изменения в бизнесе/продукте вносятся на основании экспертных оценок, а не расчётных моделей, подтверждённых экспериментами;
работоспособность того или иного функционала стремятся проверять на косвенной статистике, а не автоматическими тестами.
И в плохом data-driven есть аналитики. Частое ожидание от таких аналитиков в таком data‑driven — это про то, что аналитики непрерывно анализируют показатели бизнеса и находят инсайты, предлагают идеи по развити ю бизнеса, оптимизации костов и прочее.
И это коварное заблуждение, потому что аналитики, действительно, работая над очередной задачей, копаясь в данных, находят инсайты. Аналитики отвечают за корректность и качество расчётов, но не за результат, которые получает бизнес в своей деятельности. И инсайты от аналитиков на тему того, что отдельные процессы и фичи в продукте работают не так как задумывал бизнес, при этом инсайты эти, обычно, приходят тогда, когда потери для бизнеса уже наступили.
Конечно, и такие инсайты несут прямую выгоду. Но их ли подразумевают работодатели и это ли тот data-driven, которого мы заслуживаем?)
Иногда я даже встречал реализацию этого не зрелого подхода — меня звали для того, чтобы такой подход поменять. Основная причина для поменять — так не работает.
Если бизнес не берёт на себя ответственность за результаты на данных, бизнес замалчивает проблему, пока с ней не придёт не аналитик, а начальник бизнеса. Ещё бывает так, что проблема на данных — это вообще не проблема и только бизнес может рассказать отчего так получилось.
Прекрасно то, что это только промежуточное, не зрелое в части работы с данными, состояние бизнеса и data-driven.
= хорошо
Это когда нет того, что есть выше. Хороший data-driven в РФ встречается в крупных банках, телекоме, IT-компаниях, реже у прочих работодателей.
Хороший data‑driven — это то, что нужно выращивать в каждой команде. Думаю, как и многое другое, хороший data‑driven зависит от наличия амбассадора работы с данными на самым высоком уровне. CEO, например.
Начинается путешествие в «= хорошо», например, с синков CEO с лидерами направлений в бизнесе, на которых основной темой, для начала, будет совместный отсмотр фактического состояния бизнеса на данных и обмен новостями.
Следующим шагом, в синки стоит добавить мозговой штурм того, как перевести бизнес из фактического состояния в желаемое. Появятся нормативы, планы, модели, исследования, прогнозы.
В какой‑то момент сами лиды направлений, не дожидаясь очередного синка, начнут использовать данные при принятии решений.
Вот как будто бы и хорошо наступило.
Это только мнение. Благодарю за внимание и буду рад обсудить это мнение.
Комментарии (12)
let-it-be
16.01.2025 14:14Аналитики отвечают за корректность и качество расчётов, но не за результат, которые получает бизнес в своей деятельности.
Это интересная точка зрения, что аналитик на отвечает за бизнес-импакт, но хочет получать в форме зарплаты часть бизнес результатов компании.
Наверное зависит от индустрии, ниши, специфики бизнеса. Где-то и вправду, аналитик может только смотреть на дашборд и реагировать на выход показателей за допустимые границы.
AkaMikhelson Автор
16.01.2025 14:14Привет!
>>Это интересная точка зрения, что аналитик на отвечает за бизнес-импакт, но хочет получать в форме зарплаты часть бизнес результатов компании.
Вот тут тонкая грань.Если Вы про то, что "влияет ли аналитик на бизнес-импакт"? Конечно да. Даже сотрудник клининга влияет.
Тут я хотел определить то, на что у аналитика есть прямое влияние.
Моя практика показывает, что любая аналитика и статистика без применения управленцем в работе бесполезна. А Вы как считаете?
let-it-be
16.01.2025 14:14в своё время я был фанатом гуру веб аналитики Avinash Kaushik, он много писал (и пишет) о том, как аналитик может влиять на бизнес-результаты (например, его статья Five Key Elements For A Big Analytics Driven Business Impact)
Отвечая на ваш вопрос: я уверен, что ежедневная работа аналитика имеет определенное намерение и фокус. Аналитик может углубиться в работу с данными, различными математическими методами, моделированием и совершенно оторваться от реальности - от реальных бизнес-процессов в компании и от потребностей клиентов.
И у этого есть причина - в дата-аналитическом мирке может быть гораздо комфортнее, чем в неопределенном, изменчивом мире (бардаке) бизнес-процессов
В результате Управленец получает от аналитика что-то "аналитическое" и не понимает, что с этим делать.
А Аналитик, в свою очередь, получает от Управленца нечеткий запрос, и тоже не понимает, в чем суть и намерение запроса
Моя позиция в том, что это Аналитику нужно прикладывать больше усилий, чем управленцу, что выстроить конструктивный диалог с постоянным фокусом на бизнес-импакт, особенно в долгосрочной перспективе
Это сложно сделать. Мы часто забываем, что аналитика - это не Цель, а всего лишь Инструмент
pavelsha
16.01.2025 14:14ИМХО, несмотря на то, что на Хабре статьи, сгенерированные чат-ботом, вызывают у многих приступы тошноты и другие расстройства... Тексту этого поста помощь ИИ-ассистентов пошла бы на пользу.
Я серьёзно, текст можно было бы сделать более легко читаемым и лучше отформатированным.
AkaMikhelson Автор
16.01.2025 14:14Привет!
Мне будет полезно, если Вы укажете что конкретно трудно читается.
Абзац-предложение-мысль?pavelsha
16.01.2025 14:14Всё.
Спасибо, что пост относительно небольшой и в нем нет чрезмерного количества воды, а то было бы ещё труднее.
economist75
16.01.2025 14:14Статья понравилась, проблемы незрелости подходов к данным и завышенных ожиданий от аналитиков при стагнации самокритики и критики в топ-менеджменте - есть, и встречается кмк часто. Советы хорошие, но нужны еще способы по вовлечению в процесс data-driven.
lazy_val
Что означают результаты на данных / проблемы на данных?
Проблемы данных понимаю - это когда данных или нет, или они кривые. А проблемы на данных это что?
pavelsha
проблемы на данных ?
Возможно, Это когда за оформление результатов анализа в отчет могут э
устроить темную в офисе,
отпинать по дороге с работы
или подложить тухлое яйцо под капот авто аналитика.
Если для аналитика вероятно что-то еще серьезнее, то это уже Большие Проблемы.
AkaMikhelson Автор
Привет!
Спасибо за попытку ответа.
Под контекст статьи не подходит.
AkaMikhelson Автор
Привет!
Хорошо, что Вы спросили.
>>Проблемы данных понимаю - это когда данных или нет, или они кривые. А проблемы на данных это что?
Пример проблемы на данных: если из данных следует что 5% остатков на складе регулярно списывают и это прямые издержки компании; если на данных видим, что раздали 100k$ по реферальной программе, а рефералы сделали доп.выручки только на 1k$.
Выглядит как проблема? Проблема, потому что у компании есть явные потери.
А на деле может оказаться что 5% не списывают а технично переносят на другой учёт и с остатками всё в порядке.
И 100k$, которые раздали - это тоже нормально, потому что раздали только за 10% рефералов, а 90% не оплачивали из-за специфики акции и, в целом, все 100% рефералов принесли 200k$.
А теперь потерь нет.