У великих компаніях, які пов’язані з IT-продуктами, як правило, є продуктовий аналітик, дата аналітик і навіть окремо дата інженер. Але в компаніях середнього розміру або стартапах ці ролі нерідко переплітаються. Виникає плутанина і незрозуміло, що таке product analyst, чим займається data science аналітик і в чому різниця. Розберімось із цим.
Чим займається data science analyst і product analytic
Ефективним бізнес робить можливість роботи з даними. Не можна просто робити якийсь продукт. Потрібно рахувати його економіку, оцінювати ринок, розуміти, як виводити цей продукт на ринок. Також важливо збирати дані для оцінки результативності, подальшого поліпшення, впровадження змін.
Дані в бізнесі — це невидиме золото, без якого будь-який проєкт не зможе існувати довго. Хоч розробники роблять безпосередньо продукт, і від їх компетенції залежить його якість, але є ще «сірі кардинали» — аналітики. Познайоммось з ними ближче.
Будь-яке навчання на проєкті стає ефективнішим, коли у команди є чітке розуміння майбутніх етапів і завдань. Саме такий досвід ти можеш отримати на курсах від компанії FoxmindEd.
Хто такий product analyst і чим займається
Кейт Галло у виданні Towards Data Science дуже красиво описує цю роль:
«Product Analyst — це захисник інтересів користувачів. Він робить так, щоб користувачі отримували задоволення від продукту і користь від нього».
Але продуктовий аналітик — не екстрасенс і не може передбачити поведінку користувачів просто так. Він ґрунтується на зібраних даних і різних метриках. Вони допомагають побачити загальну картину, зібрати фідбек і зробити прогноз.
Серед завдань, які виконує product analytic, є такі:
- розуміння цільової аудиторії, її поведінки;
- створення і моніторинг метрик, за якими оцінюється продукт;
- сегментація аудиторії для визначення залученості;
- розробка продуктових гіпотез і їх тестування;
- маркетингові дослідження;
- розрахунок бюджетів на маркетинг і просування, юніт економіка продукту.
Це тільки мала частина завдань і обов’язків цього фахівця. Product Analyst — це людина, яка відповідає за те, як продукт буде сприйнятий ринком і як він буде на ньому існувати.
Що робить data scientist analyst
Це технічна спеціальність. Якщо продуктовий аналітик працює з даними, то дата-аналітик їх збирає. І не просто збирає, а структурує, виводить у читабельний зрозумілий вигляд і відповідає на одне з головних питань бізнесу: «як використовувати ці дані, щоб поліпшити продукт».
Як це працює на практиці. Потрібно зробити якісь зміни з продуктом, але компанія не знає, як це вплине на результати. Продакт створює гіпотезу, і в цей момент йому важливо зрозуміти, які метрики потрібні для оцінки гіпотези. Як він зрозуміє, що завдання успішне і можна впроваджувати зміни?
Тут на арену виходить data science аналітик. Він шукає закономірності та визначає, які дані допоможуть протестувати гіпотезу (до речі, зробити це може і продукт, в такому випадку починається крок 2). А крок 2 — дата аналітик збирає всі необхідні дані й створює зрозумілий дашборд, в якому розбереться навіть новачок.
Ще одне з ключових завдань дата аналітика — робота з великими обсягами найрізноманітніших даних і пошук закономірностей. Ще вчора все було добре, сьогодні різко впала відвідуваність сайту. Чому? Що робити?
Саме data scientist analyst повинен обробити масив даних і зрозуміти, в чому причина. Наприклад, зробили нову форму на сайті, але маска номера телефону не дораховує 1 цифру. Тому заявок і немає. Тоді дата аналітик говорить про це Product Analyst і відбуваються зміни в продукті.
Чому data scientist analyst є технічним фахівцем
Одне із завдань дата аналітика — багато думати, зіставляти дані та знаходити закономірності. Те саме робить і product analyst. Це їх об’єднує, тому в невеликих компаніях, де масиви даних не величезні, нерідко цей обов’язок виконує одна людина.
Але ключова мета data science аналітика — не просто зібрати дані, а структурувати, прибрати зайве і надати в зрозумілій формі. Для цього фахівцю потрібні технічні навички, зокрема:
- знання Python або інших мов програмування;
- вміння працювати з SQL;
- навички роботи в Tableau або Power BI;
- розробка Java для автоматизації процесів.
Навіщо все це знати? Недостатньо просто «переробляти цифри». Потрібно прибрати зайве, акцентувати на важливому, і головне, зробити так, щоб наступного разу не довелося повторювати все заново.
Для цього потрібні дашборди та автоматизація. Щоб компанія могла використовувати результати багаторазово. Щоб кожен раз не винаходити велосипед. Саме дата аналітик і збирає це в зручний і зрозумілий вигляд.
Основні відмінності product analyst від data scientist analyst
Ролі дійсно схожі. Але є ряд основних відмінностей в підходах до завдань і процесів:
- Продуктовий аналітик націлений на поліпшення конкретного продукту компанії. Дата аналітик націлений на поліпшення бізнес-процесів.
- Product Analyst розробляє гіпотези щодо поліпшення продукту, ґрунтуючись на метриках. Дата аналітик збирає дані, щоб сформувати ці метрики та зрозуміти, на які саме потрібно дивитися.
- Дата аналітик створює дашборди технічно, надаючи необхідні дані, наприклад, про користувачів. Продакт дивиться на ці дані та думає, як поліпшити продукт, щоб впливати позитивно на метрики.
- Product Analyst відповідає на питання: «Як ми можемо зробити наш продукт кращим для клієнтів?», а data science аналітик відповідає на питання: «Які бізнес-процеси ми можемо змінити в компанії, щоб вплинути на рішення наших клієнтів».
Ці дві ролі дуже схожі, але все ж вони різні. Подобається придумувати ідеї, гіпотези та цікаві рішення — ваш шлях в продакт аналітику. Хочете працювати з цифрами, вирішувати головоломки, завдання і шукати цікаві закономірності, любите технічні навички — ви природжений дата аналітик.
YouTube
Висновок
Product Analyst і data science аналітик — це дві професії, які дуже важливі в IT і Digital бізнесі. Вони дуже схожі, але мають відмінності в процесах і підходах. Для розвитку кар’єри потрібно витратити від року до 4 років. Прискорити ці процеси допомагають спеціалізовані курси з продуктового менеджменту та дата аналітики. Обирайте, яка роль вам більше подобається і розглядайте освіту для своєї кар’єри.
