Введение в аналитику данных: основы для бизнеса и новичков

Аналитическое мышление и работа с данными

Введение в аналитику

Пример из жизни: Интернет-магазин

Ты владелец магазина кроссовок. ❌ Проблема: Много людей добавляют товар в корзину, но покупок почти нет. Без аналитики: «Наверное, цены слишком высокие, надо делать скидки» ✅ С аналитикой: Смотрим воронку продаж: 100 человек кладут в корзину → только 5 покупают. Отвал происходит на этапе выбора доставки.

Решение на основе данных

После анализа выяснилось: 🔸 Клиенты видят дорогую доставку только в самом конце оформления. 🔧 Решение: Сделали доставку бесплатной при заказе от 20 000 ₸ и написали об этом в карточке товара. 📈 Результат: Люди перестали уходить, продажи выросли на 40%. 👉 Аналитик нашел "дыру" по цифрам и спас прибыль.

Что делает аналитик данных

🔹 Берёт цифры 🔹 Находит проблему 🔹 Предлагает решение ❗ Он не угадывает — он доказывает цифрами. Пример: Не «мне кажется, реклама не работает», А «из 1000 показов покупают 2 — это мало»

Пример из работы: Реклама

Данные: 10 000 показов → 200 переходов → 1 покупка 📊 Аналитик видит: Реклама привлекает, но люди не покупают. 🛠 Решение: Меняем текст, цену или страницу. ➡️ Снова проверяем цифры

Зачем аналитика нужна бизнесу

✅ Понимать, где проблема ✅ Не тратить деньги впустую ✅ Принимать решения уверенно 📌 Главное: Аналитика экономит деньги, время и нервы.

Кто такой аналитик данных?

Это не просто математик или программист. Это специалист, который видит за цифрами реальные процессы.

Аналитик — это переводчик.

Компьютер говорит нолями и единицами.<br>Бизнес говорит деньгами и клиентами.<br><br>👉 Аналитик переводит сложные данные на понятный бизнесу язык.

Сбор

4 шага работы аналитика

📥 1. Сбор

Выгружает данные из баз, файлов, метрик рекламы. Собирает всё в одну кучу.

🧹 2. Очистка

Удаляет ошибки, дубликаты и «мусор». Подготовка — это 70% времени!

🔍 3. Анализ

Ищет закономерности. Почему упали продажи? Кто наш лучший клиент?

📊 4. Визуализация

Рисует понятные графики, чтобы директор сразу увидел ответ, а не таблицу.

Навыки

timeline

Пример: Один день из жизни ☀️

10:00

Директор в панике: "Продажи iPhone упали на 20%! Почему?" 😱

12:00

Ты копаешься в данных. Смотришь цены, конкурентов, наличие товара.

14:00

Нашел! "Цвет Space Grey закончился на складе, а все хотят его".

16:00

Отчет готов. Совет бизнесу: "Срочно закупите серые айфоны". ✅

Какие бывают аналитики? 🎭

🛒 Продуктовый аналитик

Изучает, как люди пользуются продуктом, и помогает делать его удобнее.

📢 Маркетинговый аналитик

Анализирует рекламу: куда уходят деньги и откуда приходят клиенты.

📊 BI-аналитик (Business Intelligence)

Визуализирует данные: строит понятные графики и дашборды для руководства.

🎮 Гейм-аналитик

Работает в играх: балансирует сложность и экономику внутри игры.

💡 База одна, а сфер применения — сотни!

🛒 Продуктовый аналитик

Изучает, как люди пользуются продуктом, и помогает делать его удобнее.

📢 Маркетинговый аналитик

Анализирует рекламу: куда уходят деньги и откуда приходят клиенты.

📊 BI-аналитик

Визуализирует данные: строит понятные графики и дашборды для руководства.

🎮 Гейм-аналитик

Работает в играх: балансирует сложность и экономику внутри игры.

Часть 3. Типы и источники данных

Чтобы готовить вкусные блюда, нужно знать ингредиенты. В аналитике ингредиенты — это данные. Разберемся, какие они бывают.

Какие бывают данные?

Порядок или Хаос?

Это идеальный порядок. Данные лежат в таблицах, у каждой ячейки свое место.<br><br>✅ Excel таблицы<br>✅ Базы данных SQL<br>✅ CSV файлы<br><br>С ними работать легко и быстро.

Это "куча мала". Нет четкой структуры, данные вперемешку.<br><br>❌ Тексты писем и чатов<br>❌ Видео и аудио<br>❌ Картинки<br><br>Чтобы их проанализировать, их сначала нужно обработать и "причесать".

Внутренние источники (Наше)

<strong>CRM-системы:</strong> Вся история общения с клиентами. Кто, когда звонил, о чем договорились.

<strong>Транзакции (1C / Billing):</strong> Самое святое. Данные о деньгах, оплатах и отгрузках товара.

<strong>Веб-аналитика (Google Analytics):</strong> Следы пользователей на сайте. Куда кликнули, откуда ушли.

Это самые надежные данные. Они уже есть у компании, и с них начинают любой анализ.

Внешние источники (Чужое)

<strong>Открытые данные (Open Data):</strong> Статистика государства, курсы валют, погода. Это бесплатно.

<strong>Рыночные исследования:</strong> Отчеты консалтинговых агентств (Gartner, Nielsen). Часто платно.

<strong>Конкуренты и Соцсети:</strong> Парсинг цен конкурентов, отзывы в интернете.

Нужны для контекста. Мы растем, потому что молодцы, или потому что весь рынок растет?

Нужны для контекста. Мы растем, потому что молодцы, или потому что весь рынок растет?

Как мы собираем данные?

Важно: Качество данных (GIGO)

<strong>Принцип GIGO:</strong> Garbage In, Garbage Out <br><span style="color:#ff9100;">«Мусор на входе — мусор на выходе»</span>

<strong>Суть:</strong> Если данные ошибочные или неполные, любой анализ будет вредным. Даже супер-алгоритмы не помогут.

<strong>Пример:</strong> Если менеджеры забывают вносить продажи в CRM, отчет покажет падение выручки, которого нет.

Первое правило аналитика: сначала проверь данные, потом анализируй.

Итоги блока: Типы данных

<strong>Разнообразие данных:</strong><br>Цифры для расчетов,<br>Слова для контекста.

<strong>Структура — король:</strong><br>Табличные данные проще всего анализировать.

<strong>Источники:</strong><br>1. Внутренние (свои)<br>2. Внешние (рынок)

<strong>Контроль качества:</strong><br><span style="color:#ff9100;">GIGO</span> — Мусор на входе,<br>мусор на выходе.

Итог

updated

Данные → Выводы → Решения (Прибыль)

Переводчик с "цифрового" на "бизнесовый"

Цифры (количественные) + Смыслы (качественные)

Внутренние / Внешние + Разные методы сбора

Мусор на входе = Мусор на выходе (GIGO)

Далее: Закрепим на практике 🚀

1.1.4 Мини-кейс

Простой пример анализа: Кофейня «Бодрое Утро»

1.1.4 ПРАКТИКА

Мини-кейс

Ситуация: Странный провал

Владелец кофейни заметил проблему: по вторникам выручка падает на 30% по сравнению с другими будними днями.

Кофе тот же, бариста те же, погода отличная. В чем причина?

Шаг 1: Сбор «улик»

Смотрим чеки по времени. Видим пик заказов с 8:30 до 9:30, но во вторник резкий спад количества чеков.

Проверяем конкурента через дорогу. У них во вторник акция или событие? Нет, всё как обычно.

Инсайт от бариста: «Во вторник утром приезжает поставщик молока. Мы носим коробки через зал, мешаем гостям».

Шаг 2: Анализ и Инсайт

Пик трафика (8:30–9:30) совпадает с приездом машины поставщика.

Один бариста пропадает на приёмке — второй не справляется. Очередь стоит.

Гости уходят не из-за вкуса кофе, а потому что опаздывают. Это проблема сервиса!

Шаг 3: Действие и Результат

Решение: Перенести доставку на 11:00

-30%

+5%

Было (Списание)

Стало (Рост)

Главное в модуле 1.1

1. Суть профессии

Аналитика — это поиск пользы. Мы переводим цифры в бизнес-решения.

2. О данных

Качественные и количественные. Следим за чистотой данных (принцип GIGO).

3. Подход

Сначала вопрос и гипотеза («Почему?»), и только потом — работа с таблицами.

4. Результат

Цель аналитики — конкретное действие и изменение метрик (было/стало).

Домашнее задание к модулю 1.1

Рефлексия

Вспомните 1 ситуацию из своей практики, где данные могли бы изменить решение, но вы доверились интуиции.

Анализ кейса

Подумайте, какие еще метрики (кроме погоды) могли повлиять на кофейню? трафик, конкуренты, отзывы?

Подготовка

Запишите 2-3 вопроса по теме лекции, чтобы обсудить их на предстоящем групповом созвоне.