В больших компаниях, которые связаны с IT продуктами, как правило, есть продуктовый аналитик, дата аналитик, и даже отдельно дата инженер. Но в компаниях среднего размера или стартапах эти роли нередко переплетаются. Происходит путаница и непонятно, что такой product analyst, чем занимается data science аналитик и в чем разница. Давайте разберемся.
Чем занимается data science analyst и product analytic
Эффективным бизнес делает возможность работы с данными. Нельзя просто делать какой-то продукт. Нужно считать его экономику, оценивать рынок, понимать, как выводить этот продукт на рынок. Также важно собирать данные для оценки результативности, дальнейшего улучшения, внедрения изменений.
Данные в бизнесе — это невидимое золото, без которого любой проект не сможет существовать долго. Хоть разработчики и делают непосредственно продукт, и от их компетенции зависит его качество, но есть еще «серые кардиналы» — аналитики. Давайте познакомимся с ними ближе.
Любое нобучение на проекте становится более эффективным, когда у команды есть четкое понимание будущих этапов и задач. Именно такой опыт ты можешь получить на курсах от компании FoxmindEd.
Кто такой product analyst и чем занимается
Кейт Галло в издании Towards Data Science очень красиво описывает эту роль:
«Product Analyst — это защитник интересов пользователей. Он делает так, чтобы пользователи получали удовольствие от продукта и пользу от него».
Но продуктовый аналитики — не экстрасенс и не может предугадать поведение пользователей просто так. Он основывается на собранных данных и различных метриках. Они помогают увидеть общую картину, собрать фидбек и сделать прогноз.
Среди задач, которые выполняет product analytic следующие:
- понимание целевой аудитории, их поведения;
- создание и мониторинг метрик, по которым оценивается продукт;
- сегментирование аудитории для определения вовлеченности;
- разработка продуктовых гипотез и их тестирование;
- маркетинговые исследования;
- расчет бюджетов на маркетинг и продвижение, юнит экономика продукта.
Это только малая часть задач и обязанностей этого специалиста. Product Analyst — это человек, который отвечает за то, как продукт будет воспринят рынком и как он будет на нем существовать.
Что делает data scientist analyst
Это техническая специальность. Если продуктовый аналитик работает с данными, то дата-аналитик их собирает. И не просто их собирает, а структурирует, выводит в читаемый понятный вид и отвечает на один из главных вопросов бизнеса: «как использовать эти данные, чтобы улучшить продукт».
Как это работает на практике. Нужно сделать какие-то изменения с продуктом, но компания не знает, как это повлияет на результаты. Продакт создает гипотезу, и в этот момент ему важно понять, какие метрики нужны для оценки гипотезы. Как он поймет, что задача успешна и можно внедрять изменения?
Тут на арену выходит data science аналитик. Он ищет закономерности и определяет, какие данные помогут протестировать гипотезу (кстати, сделать это может и продакт, в таком случае начинается шаг 2). А шаг 2 — дата аналитик собирает все нужные данные и создает понятный дашборд, в котором разберется даже новичок.
Еще одна из ключевых задач дата аналитика — работа с большими объемами самых разных данных и поиск закономерностей. Еще вчера все было хорошо, сегодня резко упала посещаемость сайта. Почему? Что делать?
Именно data scientist analyst должен обработать массив данных и понять в чем причина. Например, сделали новую форму на сайте, но маска номера телефона не досчитывает 1 цифру. Поэтому заявок и нет. Тогда дата аналитик говорит об этом Product Analyst и происходят изменения в продукте.
Почему data scientist analyst является техническим специалистом
Одна из задач дата аналитика — много думать, сопоставлять данные и находить закономерности. То же самое делает и product analyst. Это их объединяет, поэтому в небольших компаниях, где массивы данных не огромные, нередко эту обязанность выполняет один человек.
Но ключевая цель data science аналитика — не просто собрать данные, а структурировать, убрать лишнее и предоставить в понятном виде. Для этого специалисту нужны технические навыки, в частности:
- знання Python или других языков программирования;
- умение работать с SQL;
- навыки работы в Tableau или Power BI;
- разработка Java для автоматизации процессов.
Зачем все это знать? Недостаточно просто «перерабатывать цифры». Нужно убрать лишнее, акцентировать внимание на важном, и главное, сделать так, чтобы в следующий раз не пришлось повторять все заново.
Для этого нужны дашборды и автоматизация. Чтобы компания могла использовать результаты многократно. Чтобы каждый раз не изобретать велосипед. Именно дата аналитик и собирает это в удобный и понятный вид.
Основные отличия product analyst от data scientist analyst
Роли действительно схожие. Но есть ряд основных отличий в подходах к задачам и процессам:
- Продуктовый аналитик нацелен на улучшение конкретного продукта компании. Дата аналитик нацелен на улучшение бизнес-процессов.
- Product Analyst разрабатывает гипотезы по улучшению продукта, основываясь на метриках. Дата аналитик собирает данные, чтобы сформировать эти метрики, и понять, на какие именно нужно смотреть.
- Дата аналитик создает дашборды технически, предоставляя необходимые данные, например, про пользователей. Продакт смотрит на эти данные и думает, как улучшить продукт, чтобы влиять положительно на метрики.
- Product Analyst отвечает на вопрос: «Как мы можем сделать наш продукт лучше для клиентов?», а data science аналитик отвечает на вопрос: «Какие бизнес-процессы мы можем изменить в компании, чтобы повлиять на решения наших клиентов».
Эти две роли очень похожи, но все же они разные. Нравится придумывать идеи, гипотезы и интересные решения — ваш путь в продакт аналитику. Хотите работать с цифрами, решать головоломки, задачи и искать интересные закономерности, любите технические навыки — вы прирожденный дата аналитик.
YouTube
Заключение
Product Analyst и data science аналитик — это две профессии, которые очень важны в IT и Digital бизнесе. Они очень похожи, но отличия в процессах и подходах. Для развития карьеры нужно потратить от года до 4 лет. Ускорить эти процессы помогают специализированные курсы по продуктовому менеджменту и дата аналитике. Выбирайте, какая роль вам больше нравится и рассматривайте образование для своей карьеры.
