Привет, Хабр! На связи Олег Игнатов, Head of Product Analytics в Garage Eight. Сегодня хотел бы обсудить с вами продуктовых аналитиков, но не с точки зрения классических хард-скилов или A/B-тестов и моделей, которыми они занимаются. Посмотрим больше на саму роль аналитика и разберем, почему компаниям важно относиться к таким специалистам не как к сервисному персоналу, а как к равноценным партнерам.
Кто такой аналитик как партнер
Аналитика можно воспринимать по-разному: как сервис и как партнера. В первом случае специалист не участвует в принятии решений, не генерит идеи вместе с командой — его зовут постфактум. Например, аналитик просто отвечает на вопрос «Что произошло?» или считает результат, когда команда уже почти всё решила. В итоге компания нагружает специалиста операционкой и не оставляет ему времени на участие в других задачах.
Если же бизнес рассматривает аналитика как партнера, архитектура процессов выстраивается иначе. Операционные задачи составляют лишь часть работы специалиста, он также начинает участвовать в стратегических процессах: брейнштормит вместе с командой, с самого начала размышляет о формулировке задачи, отвечает на вопрос «Что нам делать дальше?». В итоге бизнесу удается избежать части ошибок, а аналитик тратит меньше времени на анализ того, что пошло не так, и больше вкладывается в сами решения.
Чтобы аналитик стал партнером продукта, должны сойтись сразу несколько факторов:
процессы команды,
качество данных,
наличие метрик,
рабочие инструменты и инфраструктура,
аналитическая и продуктовая культуры,
рост и мотивация людей,
архитектура роли,
работа с внешней средой и наймом.
О первых пяти факторах написано очень много: здесь обычно говорят о скилах специалистов, инструментах для A/B-тестирования, KPI. Все эти факторы важны для слаженной и эффективной работы аналитиков, но есть нюанс.
Бывает так, что у компании есть вся техническая база и самые опытные специалисты, при этом они по-прежнему остаются исполнителями услуги и никак не влияют на сами процессы. В таком случае почти наверняка проблема кроется на трех уровнях, которые часто остаются в тени: люди — их рост и мотивация, роль — что вообще значит быть аналитиком в конкретной компании, среда — как устроен наём и работа с рынком.
Как была устроена продуктовая аналитика в Garage Eight
Когда я только пришел в компанию, аналитика в продукте работала и закрывала базовые задачи. Но у бизнеса был запрос на большее: руководство верило, что эта команда должна стать полноценным партнером продукта и напрямую влиять на качество решений.
Чтобы добиться желаемого, нужно было проанализировать, как аналитики работают в команде и что им мешает участвовать в решениях. Для этого я поговорил с каждым аналитиком, собрал пул проблем и начал описывать картину целиком. Вот что вышло:
В части продуктовых команд аналитики были партнерами. Но на них всё равно сваливалась куча задач от операционных подразделений, например провести сверку данных или обновить код. Из-за этого не хватало времени на качественные решения и передачу своих знаний.
Где-то аналитики были очень сильные, но понимание самими специалистами и командой того, как нужно работать вместе, разнилось. Аналитики расценивали свои задачи как глубокие исследования поведения пользователей или рынка. А команде нужна была аналитика для понимания текущей ситуации по дашбордам, событийной аналитике и дереву метрик.
Аналитики редко взаимодействовали между собой, из-за чего упускали общий контекст: понимали, как работает их часть продукта, но плохо ориентировались в том, что происходит в других частях. Это усугубляло ситуацию и мешало давать значимые результаты.
Часть аналитиков выгорала и увольнялась, при этом онбординг новичков проходил без четких регламентов.
Когда смотришь на этот список, первое, что хочется сделать, — настроить процессы, почистить бэклог и подтянуть скилы. Но процессы у нас в целом работали, бэклог был актуальным, а скилы у аналитиков — на хорошем уровне. При этом партнерства всё равно не было, поэтому я подошел к проблеме иначе.
Люди в компании не понимали, куда растут, их роли не были описаны, а сама среда не привлекала нужных специалистов. Поэтому я решил зайти через те самые три уровня: людей, роль и среду. Именно там было то, что блокировало переход от сервиса к партнерству.
7 пунктов, которые помогли нам изменить подход к аналитикам
Я выделил семь факторов, над которыми мы вместе с командами работали восемь месяцев.
Давайте подробнее разберем каждый из факторов и посмотрим, как он мотивирует аналитиков и превращает их из исполнителей услуг в полноценных партнеров.
#1. Регулярные 1-1
С одной стороны, очевидная вещь, с другой — регулярные 1-1 прекрасно позволили мне понять, как с точки зрения аналитика выглядят процессы, люди и всё остальное. Со временем мы сократили регулярность встреч, потому что вопросы появлялись всё реже и реже. При этом польза осталась прежней: я понимаю, где что горит и куда в первую очередь инвестировать время.
Сколько времени уходило раньше | Сколько времени уходит теперь |
30–50 минут раз в 2 недели на каждого человека | 30 минут раз в месяц на 80% людей |
Если бы сейчас я пошел в любую другую команду, то первым делом ставил бы именно 1-1, потому что это самый бюджетный способ построить картину системы глазами тех, кто в ней живет.
#2. Мотивационные карты
Это HR-инструмент, который помог нам понять, что аналитикам нравится делать, а что их демотивирует.
В качестве карт мы использовали стикеры в Miro, где подвешивали вопросы о работе, стремлениях и желаниях в карьере. А дальше выделяли по часу на разговор с каждым специалистом. В результате мы начали смотреть на людей в команде совсем иначе. Не с позиции сервиса: «Этот человек делает такие-то задачи», а как раз с позиции партнера: «Этому человеку важно вот это, и без этого он постепенно выгорает».
Например, у вас есть аналитик, который в основном собирает и структурирует данные, хотя хотел бы заниматься A/B-тестированием. И есть другой аналитик, который занимается тестами, но предпочитает работать с метриками и сегментировать аудиторию. Можно перераспределить задачи между аналитиками — они будут заниматься тем, что нравится, и реже задумываться об увольнении. Это выгодно и специалистам, и компании.
#3. Карьерные треки
По замерам вовлеченности у аналитиков стабильно западала карьерная часть. Мы пошли разбираться и выяснили, что проблема в том, что не все понимали, куда именно они растут и что для этого нужно делать прямо сейчас. Именно поэтому мы с отделом развития придумали карьерные треки. Каждый аналитик получил ответ на три вопроса: «В каком направлении он хочет развиваться?», «Чего ему для этого не хватает?» и «Какие задачи реально двигают это развитие?».
Когда вы знаете, куда человек хочет расти, вы можете давать ему задачи, которые работают на пользу и сотруднику, и компании. Беспроигрышный вариант.
#4. Кор-команда
Наши аналитики работают в сильной связке со своими командами, но часто возникают глубокие системные и функциональные запросы, которые нужно кому-то решать. Для этого мы выделили внутреннюю аналитическую кор-команду. Она помогает:
направлять усилия в команды, где аналитической экспертизы нет, но она нужна прямо сейчас;
строить «фундамент» для дальнейшей автономной работы команды в виде дашбордов, дерева метрик, аналитических событий;
проводить исследования сквозь все продуктовые направления и давать рекомендации топ-менеджменту;
разрабатывать общие стандарты для ревью A/B-тестов, оформления исследований и инсайтов.
#5. Пересборка архитектуры роли
Все говорят, что аналитик должен быть партнером, при этом каждая команда понимает это по-своему. Для себя мы выделили несколько конфигураций:
Классическое продуктовое партнерство. Команда активно строит продукт: гипотезы, эксперименты, цикл «придумали → проверили → запустили». Аналитик работает внутри этого цикла с самого начала и участвует в формулировке задачи.
Проектная аналитика. Команда работает над большой задачей с горизонтом 3–6 месяцев с четкими метриками и минимальным количеством экспериментов. Аналитик следит за картиной проекта целиком и координирует других.
Исследовательская аналитика. Команда развивает зрелый продукт и хочет лучше разбираться в его ценностях, проблемах и путях решения. Аналитические выводы помогают задавать вектор развития.
Владение аналитикой в своей зоне. Команда сама по себе уже не дает полной картины. Аналитик отвечает за метрики, сегментации, модели атрибуции для определенной зоны целиком.
Чтобы пересобрать архитектуру, нужно определить, какая конфигурация подойдет каждой из ваших команд. Если попытаться сделать всех аналитиков партнерами по одной модели, процессы в некоторых командах могут просто сломаться.
#6. Наём
Сначала я хотел проверять хотя бы уровень SQL, иначе как аналитик будет работать без него? Но потом мы задали себе другой вопрос: нам нужен человек, чтобы писать SQL или помогать принимать решения? И здесь есть два пути.
Если мы хотим, чтобы аналитик писал SQL-запросы | Нужен лайв-кодинг |
Если мы хотим, чтобы аналитик был партнером и помогал принимать решения | Важны кейсы, опыт и способность работать в условиях неопределенности |
Мы искали партнеров, поэтому полностью отказались от лайв-кодинга. При этом всё равно проверяем SQL, но уже на испытательном сроке — так мы сразу видим, как человек работает в реальных условиях. Весь этот процесс не сводит риск ошибок к нулю, но он значительно снижает их вероятность.
#7. Бренд-активности
Активности, которые компания придумывает для специалистов, помогают расти действующим сотрудникам и привлекают новых. Например, мы совместно с командой запустили несколько бренд-активностей — стенды на Aha'2025 и Матемаркетинге, конкурс Data Park, аналитические митапы, подкасты, коллаборации, открытое интервью.
Это помогло нам получить приток сильных кандидатов, которых стандартными методами найти сложнее. При этом наши действующие аналитики выступали на митапах, участвовали в подкасте, что развивало их как профессионалов и укрепляло связь с командой.
Каждый из семи пунктов — часть одной системы, которая работает только целиком. Можно идеально нанимать специалистов, но, если внутри людьми никто не занимается, лучшие сами уйдут через полгода. Именно поэтому, чтобы сделать аналитика партнером, нужно закрыть все уровни.
Что получили в итоге
Новый подход начал окупать себя примерно через шесть месяцев — ориентировочно столько и стоит закладывать с самого начала. Теперь, когда у нас уже есть основа, продуктовая аналитика становится более зрелой и осознанной: качество данных растет быстрее, а метрики потребления продукта соответствуют ожиданиям.
А как обстоят дела у вас в компаниях? Какой подход к аналитикам практикуете? Планируете ли переход к партнерству?