Web / data / product analyst

Текущий статус/должность: Web/data/product analyst (data engineering).

Мои компетенции и опыт

Последние несколько лет я занимаюсь аналитикой и аудитом имплементаций комплексных ecommerce и saas проектов. 

Свободно говорю и пишу на английском. Являюсь активным участником профильных международных комьюнити.

На мой взгляд особенность аналитики онлайн проектов, как специальности заключается в том, что она затрагивает целый ряд смежных областей:

1. JavaScript - как ни крути, но все аналитические сниппеты это JS, и в зависимости от того, как вы их внедрите, ваши коды будут отправлять правильные статистические данные или не совсем правильные, будут влиять на производительность вашего сайта и снижать скорость его загрузки или не будут, благодаря минимуму нативного кода, используемого для целей аналитики.
   Правильные данные на входе - это необходимое условие для всей последующей цепочки. Как говорится в науке о данных, модель машинного обучения хороша настолько, насколько хороши данные на которых она обучается.
2. UX и UI - все что ни делается в онлайн проектах в конечном счете должно приводить к удобству для пользователя, и тут веб аналитик естественно также должен стоять на стороне конечных пользователей.
3. SQL – ни одни агрегированные данные не дадут такой гибкости и универсальности при анализе, как несемплированные сырые данные. По этой причине я, как правило, реализую стриминг хитов Google Analytics в BigQuery в проектах, использующих эту аналитическую систему и BigQuery в качестве хранилища данных. SQL - это зачастую самый быстрый способ исследования данных, будь то веб-аналитика или продуктовые задачи.
4. Маркетинг - для анализа эффективности рекламных компаний и возможных путей оптимизации онлайн маркетинговой активности. Эффективность рекламных компаний и качество соответствующего трафика - это один из основных факторов, влияющих на конверсию.
5. Основы статистики — как минимум, желательно понимать что такое степень статистической достоверности в сплит-тестах, стандартное отклонение, нулевая гипотеза и другие подобные базовые понятия статистики. При использовании сторонних программ и их API для тестирования гипотез, это поможет оценить необходимость и времязатратность решения тех или иных задач.
6. Инструменты интерактивного анализа данных и построения графиков и дашбортов.
   Вы можете строить дашборты в Data Studio непосредственно из данных аналитики или же подтягивать данные с помощью SQL или же визуализировать графики в Jupyter Notebook с помощью Pandas DataFrame и Python Matplotlib или же использовать другие инструменты BI – все зависит от вашего выбора и сложившихся приоритетов внутри команды или компании.