SQL, дашборды и A/B-тесты есть почти в каждой программе для аналитиков. На работе чаще спотыкаются о другое: как оценить порядок величины без полного датасета, как найти настоящую причину падения метрики и как выбрать KPI, который можно улучшить действием, а не красивой цифрой в слайде.
Ниже — навыки, которые редко кладут в учебный план, но без которых аналитика «не доезжает» до решения.
1. Аналитическая интуиция
На собеседованиях иногда спрашивают «сколько стоматологов в мире» не из любви к стоматологии. Смотрят, умеете ли вы построить модель рассуждения при дырявых данных: взять прокси, оценить порядок, назвать допущения.
Практикуйте оценки диапазонов. «Сколько окон в большом городе?» — население → домохозяйства → этажность → окна на фасад. Ошибка в 2–3 раза нормальна; важна прозрачная логика.
Держите в голове простую проверку: если что-то растёт, где-то что-то должно падать или тоже расти. Конверсия 25% означает, что 75% не конвертируются. Если «успешные платежи» выросли, а выручка нет — ищите средний чек, возвраты, валюту, баг в атрибуции.
И ещё привычка, которую нельзя автоматизировать: на каждом отчёте вручную откройте 5–10 случайных пользователей или заказов. Сверьте тариф, страну, сумму. Инструменты врут тише, чем кажется.
2. Анализ первопричин, а не «метрика упала»
Root cause нужен, когда поведение неожиданное относительно базовой линии: сезонности, MoM, YoY. Сентябрьский спад транзакций может быть нормой — или багом. Без baseline вы не отличите одно от другого.
Сначала подтвердите, что данные живые: второй источник, соседний дашборд, сырой лог. Сломанный ETL и «съехавший» календарь праздников маскируются под продуктовую катастрофу.
Дальше — гипотезы, которые можно опровергнуть:
- Продукт и релиз. Баг часто даёт резкий обрыв. Раскатка 1% → 20% → 100% даёт ступени. Эффект может жить только в сегменте (новые, iOS, один тариф).
- Рынок и конкуренты. Обычно плавное снижение без привязки к вашему релизу.
- Состав аудитории. Смешались когорты: пришли «дешёвые» регистрации, power users отвалились. Режьте по сегментам, а не смотрите только total.
- Внешний шок. Регуляторика, сбой у платёжки, новость в отрасли — скачок сразу по нескольким действиям.
Когда гипотеза подтверждена цифрами, эскалируйте в нужную команду уже с величиной эффекта и затронутым сегментом — не с фразой «надо посмотреть».
3. KPI, которые связаны с действием
Метрики верхнего уровня (выручка, доля рынка) живут в месячном и квартальном ритме. North Star — одна цель, которая и про ценность для клиента, и про путь к деньгам. Вторичные метрики чувствительны к фичам и багам: ими меряют эксперименты каждую неделю.
Vanity metrics — подписчики, «всего зарегистрированных» — впечатляют и не ведут к решению. OMTM (one metric that matters) — временный фокус всей компании: восстановить аккаунты после сбоя, довезти миграцию, остановить churn новичков.
Хорошая метрика: релевантна изменению, измерима из доверенного источника, достаточно конкретна (для A/B часто лучше частота действия, чем «удержание вообще»), приоритизирована и сбалансирована — рост в одном месте не должен прятать провал в другом.
4. Как чинить отчётность
- Не тащите LTV в каждую инициативу. Для нового экрана часто хватает кликов по CTA и доли дошедших.
- Прокси должна быть простой и чувствительной. Если считается «на коленке из десяти JOIN» — это уже не прокси.
- Бенчмарки рынка полезны как ориентир, но ваш рост месяц к месяцу важнее чужой «нормы 3%».
- Формулы с прошлого места работы не переносятся один в один: другой цикл подписки — другой churn.
Эти навыки выглядят «очевидными», когда вы уже лид. Пока вы junior, их нужно тренировать сознательно: оценки, сверки руками, гипотезы, отказ от красивых, но пустых графиков.
Редакция АЦО пересказала и адаптировала идеи из эссе о «неучебных» навыках аналитика (перевод публикации на Хабре, оригинал — Seattle Data Guy / Olga Berezovsky). Текст написан заново и не копирует исходную статью.