Блог Бизнес-аналитика

Электронная коммерция — сфера, в которой предприниматель сталкивается с очень большим количеством разнообразных данных, и порой разобраться в них бывает очень сложно. Поговорим о том, как настроить продуктовую аналитику в интернет-магазине на примере российского бренда одежды.

Для выполнения визуального анализа данных высокоуровневая Python-библиотека Pandas использует matplotlib. Рассмотрим простейший способ визуализации.

Последние несколько лет в сфере digital все говорят о продуктовых командах. Но если вбить термин в поисковике и погулять по ссылкам, окажется, что статей об этом явлении не так уж много. Поэтому предлагаем простую и внятную инструкцию, основанную на 15-летнем опыте AGIMA, которая поможет вам понять: нужна вам продуктовая команда или нет и, если нужна, то где ее взять.

С помощью Pandas довольно удобно анализировать временные ряды. Давайте посмотрим, как это работает.

Мы уже рассказывали о структуре DataFrame в Pandas -- высокоуровневой Python-библиотеке для анализа данных. Но как осуществляется доступ по индексу в DataFrame?

Давайте рассмотрим, что нужно сделать при построении схемы бизнес-процессов:

Как продакт-менеджерам, так и системным аналитикам важно знать техническую часть, что позволит придумывать оптимальные решения и общаться на одном языке с тимлидами. Ниже вы найдете полезные советы по части разработки API -- важной составляющей большинства продуктов.

Книга Коберна «Написание эффективных вариантов использования» (или "Современные методы описания функциональных требований к системам" -- "Writing Effective Use Cases") является одной из основных книг по системной аналитике. Что стоит вынести из книги:

Вопрос, который не покидает большое число продакт-менеджеров и их верных слуг аналитиков: какие метрики нам нужны? Чаще всего ситуация разворачивается следующим образом:

Чтобы развивать продукт, клиенту нужно опираться на полные данные и актуальные показатели эффективности. Так как рынок стремительно меняется и реагировать нужно оперативно, особенно при критических изменениях среднего чека и UPT (комплексность чека), данные должны быть доступны как можно быстрее, а постоянно просить аналитика подсчитывать одно и то же – долго и дорого. К тому же, необходим не просто отчет, а инструмент, позволяющий анализировать показатели в разных срезах за разные периоды времени.