Data-driven компания: от данных к решениям

Что значит принимать решения на основе данных

Data-driven — культура и практика принятия решений на основе анализа данных, а не интуиции или опыта. Amazon: Bezos ввёл «culture of metrics» — каждое решение, которое можно измерить, должно быть измерено.

Ступени data-аналитики:

Descriptive (описательная): что произошло? (Отчёты, дашборды, KPI)
Diagnostic (диагностическая): почему это произошло? (Root cause analysis, дрилл-даун)
Predictive (предиктивная): что произойдёт? (Прогнозные модели, ML)
Prescriptive (предписывающая): что нам сделать? (Оптимизация, AI-рекомендации)

Ключевые метрики и KPI

North Star Metric: одна ключевая метрика, отражающая ценность для клиентов. Airbnb — «количество ночей бронирования». Facebook — «daily active users». Все остальные метрики подчинены ей.

Воронка (Funnel): для e-commerce: Impressions → Clicks → Add to Cart → Purchase → Repeat. Конверсия на каждом шаге — ключ к оптимизации.

Cohort Analysis: группировка пользователей по дате первого действия. Позволяет видеть, как меняется поведение когорт со временем (retention, LTV).

A/B тестирование: научный метод принятия продуктовых решений. Создаёшь две версии (контроль и эксперимент), измеряешь разницу, принимаешь решение на основе статистики. Booking.com проводит тысячи A/B-тестов одновременно.

Data Infrastructure

Data Warehouse: структурированное хранилище обработанных данных для аналитики. Snowflake, BigQuery, Redshift. Оптимизированы для аналитических запросов (OLAP).

Data Lake: хранилище сырых данных всех форматов. AWS S3, Azure Data Lake. Гибкость за счёт порядка.

Data Lakehouse: гибрид — структурированность warehouse + гибкость lake. Databricks Delta Lake, Apache Iceberg.

Практическое задание

Интернет-магазин хочет снизить отток клиентов. Данные: транзакционная история, история просмотров, данные поддержки, NPS-опросы. (1) Какие метрики помогут понять причины оттока? (2) Какой тип аналитики нужен (descriptive/diagnostic/predictive)? (3) Как построить предиктивную модель оттока? (4) Что делать с клиентами из «группы риска»?