Продуктовый аналитик: Путешествие туда и обратно

Глава 1. Прыжок веры из уюта в туман

1.1. Зов приключений

Вы - талантливый энтузиаст в своем уютном мире. Мир за окном кричит о необходимости быть data-driven. Но вам страшно отправиться в путь, вам кажется, что BigData только для гениев математики.
- Выбор между скучными буднями и полным приключениями миром BigData.
- Роль аналитика в BigTech, кто эти люди удивительной судьбы.

Когда я был ученым в научном институте, я руководил R&D-группой, делал большие открытия, писал статьи, работал по грантам. Но я понимал, что что-то упускаю. Наверное, это звучит как кризис среднего возраста, но мы неизбежно все умрем. Вот такая грустная новость. Наши возможности не бесконечны, наше время ограничено. Я задавался вопросом: а делаю ли я, работая в российской науке, что-то уникальное и вдохновляющее? Увы, нет. Состояние нашей науки и промышленности в настоящее время довольно удручающее. Все открытия казались мне просто «работой в стол» без возможности значительных перспектив в их реализации.

Но было кое-что, чем мне нравилась моя работа ученого. Это дофамин от открытий, познания и достижений. К тому же от того, чтобы все изменить, меня удерживали обязательства и страх потери статуса и престижа.

Однако нельзя было игнорировать свое желание приносить пользу, иначе это стало бы источником саморазрушения. К тому же я уже взрослый мальчик, и мне не нужно чужое одобрение как раньше. Мы обречены на свободу, но новые возможности не появятся в жизни сами по себе — нужно делать решительный шаг и принимать за него ответственность.

Резкий рост спроса на продуктовых аналитиков или аналитиков данных в мире связан со стремлением технологических компаний к развитию, основанному на анализе больших данных. Быть data-driven-компанией, в том числе в геймдеве, стало «модно, стильно, молодежно», а Harvard Business Review назвал Data Scientist «самой сексуальной профессией XXI века».

Всем разработчикам хочется, чтобы их продукт нравился игрокам и был успешен. И аналитик встроен в цикл процесса развития продуктов компании. Важно, что чем за большее число элементов цикла развития аналитик отвечает, тем больше его ценность для компании, и, обычно, выше зарплата!

1. Метрики и Данные. Предположим, что в вашей игре есть какие-то данные о том, как играют в нее ваши игроки. Данные должны быть собраны и обработаны. За эту часть отвечают не только аналитики, но именно здесь чаще всего они могут иногда ошибочно остановиться, превращаясь в “оператора SQL запросов”, и ограничиться только формированием таблиц, витрин, расчетом метрик, построением дашбордов.
2. Анализ. Здесь аналитик полностью раскрывает свой талант исследователя жизненного цикла геймеров. Здесь мы чувствуем яркий вкус открытий знакомый настоящим ученым. Аналитик формулируют гипотезы, которые может проверить при помощи данных. Например, что в игре нравится игрокам, как работают разные механики в проекте, режимы, экономика, обновления. Проводит исследования, находит узкие места и точки роста.
3. Вывод. На этом этапе определяется ценность аналитика для бизнеса. Когда по результатам анализа аналитики делают выводы и дают рекомендации по изменениям в продукте, как раскрыть потенциал проекта.
4. Концепция решения, план действий. С участием аналитика как советника может происходить формирование концепции дальнейших действий по развитию игры. И, обычно, уже продюсер или лид ГД формирует план конкретный действий, что и кому делать дальше.
5. Действия. Постановка задач, например, на команду разработки, контроль выполнения. Это уже вне влияния аналитика.
6. Оценка результата. И снова это работа для аналитика - мониторинг метрик, A/B тесты, оценка результатов.

Таким образом, цель аналитика — помочь принять правильное решение на основе анализа больших данных, раскрывать потенциал проекта. Но для того, чтобы быть успешным вам понадобится ряд умений и компетенций.
-Обработка и анализ данных, построение дашбордов. Владение SQL, Python и библиотеками обработки и анализа больших данных. Моделирование сложной архитектуры запросов с учетом контекста исследуемых гипотез. Умение самостоятельно создавать дашборды в BI системе. A/B тесты.
-Проведение исследований. Умение находить зависимости и противоречия в данных, выдвигать гипотезы, корректно проверять их, делать верные выводы и заключения на основе полученных в процессе исследования данных. Формулирование выводов и рекомендаций, которые доводятся до реализации и служат успеху продукта.
-Глубокое понимание происходящего на продукте. Проактивность. Знание особенностей и мониторинг ключевых метрик связанных с анализом продуктов компании, желание разобраться в причинно-следственных связях и рассказать, как все устроено, чтобы сделать игры более успешными.
-Коммуникативные навыки. Умение излагать мысли, умение продавать идею, находить компромисс. Умение структурировать и визуализировать информацию в отчете и презентации, выделять главные тезисы, делать понятные, аргументированные выводы и рекомендации.
-Машинное обучение. Умение корректно сформулировать задачу машинного обучения. Знание и корректное применение основных моделей машинного обучения. Умение дать как формальную оценки качества модели, так и оценку с точки зрения конечной бизнес цели.
-Стратегический анализ рынка. Изучение рынка индустрии, понимание тенденций и аудитории, знание лидеров и трендов, выявление эффективных приемов и механик, применение ИИ. Эта компетенция обеспечивает «внешний фокус», является фундаментом для data-driven стратегии и инноваций.
-Работа с документацией и требованиями. Выявление, формализация и согласование требований к генерации, сбору, обработке, хранению и представлению данных для аналитики. Документирование разрабатываемых систем и скриптов.

Этот курс задуман как честный путеводитель по профессии. Я не обещаю легкого пути, но хочу подготовить вас к реальным вызовам, формируя вас как профессионала с устойчивым мировоззрением. Именно такие люди удивительной судьбы нужны в BigTech.