Почему я постоянно повторяю мантру «Data Science — это в первую очередь про бизнес, и только потом — про технологии»?

Потому что мы уже давно не в эпохе, когда data science — это что-то для задротов и гуглов. Те, кто так считают, застряли где-то в нулевых с долларом по тридцать.

А в 2024, как только компания нашла product-market fit, ее успех или провал зависит от того, насколько правильно и полезно в ней используют data и data science.

Если бы Facebook не научился показывать вам людей, с которыми вы курили за гаражами двадцать лет назад, а Twitter — твиты, от которых вы так злитесь, что потом полчаса сретесь в реплаях, их метрики бы давно рухнули, мы бы забыли про эти приложения и были бы счастливы. Но именно data продукты удерживают нас.

Благодаря data продуктам вам блокируют карту, потому что кто-то попытался купить с нее 500 чайников на Мадагаскаре. Фильтр, который вы накладываете на свои дикпики, это тоже data продукт. Графики, на которых вы в режиме реального времени следите за тем, как ваш бизнес теряет деньги — это data, которая управляет вашими решениями.

В следующем посте я покричу еще на что-нибудь. Может, даже покажу смешную картинку.

Ставьте реакции, задавайте вопросы, скидывайте фотографии своих домашних животных, репостите мои Мысли в свои Telegram-каналы, отправляйте мамам и папам.

Продолжим.

Представьте, купили вы себе новенький Apple Watch Ultra 2 с титановым ремешком за $900 и теперь довольные носите его в спортзал походить по дорожке десять минут. Понтоваться — отлично, у вас на запястье крутейшая технология, а толку, если вы ей не пользуетесь?

Вот так же и многие компании относятся к Data Science. Гордятся своим отделом и не знают, как бы сделать так, чтоб он приносил пользу.

Хорошие аналитики, data саентисты, продакт-менеджеры (и вообще все, кто принимает решения) понимают, что ML, AI и прочие технологии напрямую влияют на процессы. Это то, о чем я писал в предыдущем посте — все эти алгоритмы и машинное обучение не ради того, чтоб выпендриваться, а ради того, чтобы удерживать пользователя.

Когда data продукты сделаны грамотно, они реально меняют показатели. Даже если это не сложная рекомендационная система, а какая-то фановая ерунда типа фильтров в инстаграме, которые определяют твою национальность по селфи, — это всё равно хорошая Data Science. И без неё в бизнесе сейчас никак.

Но! Если ты как фаундер или руководитель не понимаешь, какую проблему ты хочешь решить с помощью data, если ты не знаешь, как вписывается data science в стратегию компании и контекст ваших пользователей, если ты не знаком досконально со своей аудиторией — результат не будет работать. Вы будете гордиться, что у вас есть data продукт, но не заметите, как он сжигает ваш бюджет и приносит ноль пользы.

И если вы как аналитик или data саентист не понимаете, что конкретно вы должны решить и какое решение будет оптимальным исходя из контекста бизнеса, бюджета и эффективности — вы тоже пользы не принесёте. Вы должны уметь объяснить фаундеру, который понимает математику на уровне школьной программы, почему решение X лучше, чем Y, и почему «прикрутить ChatGPT» — не самый умный и эффективный ход.

Так что проблема тут двусторонняя. С одной стороны, фаундеры хотят, чтобы всё было «по-умному», но что это значит — сами не понимают. С другой — data отделы часто увязают в академическом подходе, думают только в категориях моделей и не думают про бизнес. Data Science — это не бэкенд и не девопс в примитивном понимании. Она должна быть business-oriented и проактивной, иначе вы получите красивую игрушку, может даже раунд соберете на понтах, но не построите классный, успешный, полезный продукт.

Дальше наверное расскажу подробнее, в чем разница между академической и бизнесовой data science. Ну и точно уже покажу смешную картинку.

P.S. Билингвы, кто-то знает, какого рода Data Science?

На будущее: проверять, как выглядит аватарка канала с телефона.

Хороших выходных всем, кроме моей сммщицы.

Был недавно на мероприятии от одного хорошего бизнес-клуба. Мероприятие оказалось… интересным. Надо было собрать из лего историю и план своего бизнеса и рассказывать всем, мол, вот она, великая метафора.

С одной стороны, это что-то новое, креативное и даже не раздражает, с другой — а зачем мы это делаем? Победителей нет, фидбека тоже, есть только галочка.

Не могу определиться, это потому что во мне так силен соревновательный дух, а затея на самом деле классная, или это все-таки идиотский прикол для тех, кто бережно хранит сертификаты «Русского медвежонка»?

Мне нравится, что владельцы бизнесов разговаривают как счастливые мамочки двух ангелочков… «мы подняли конверсию», «мы посчитали», «мы в очке»… очень мило, по-моему. Я тоже, получается, «гордый отец годовасика-консалтинга-тугосери».

Если курице отрубить голову, она ещё пару минут побегает. А если отрубить голову мне, я ещё пару минут буду рассказывать, как Data Science без адекватного бизнес-контекста превращается в говно не имеет смысла.

Мне нравится быть бизнесменом, который еще и работает руками, потому что моя focus work всегда очень разнообразная. Допустим, мой вчерашний рабочий день выглядел так:

9:00–11:00 — писал код
11:30–13:00 — офигевал от налогов
13:00–15:00 — пиздел общался с клиентами
15:00–19:00 — фиксил код
19:00–19:30 — сидел в игре типа «Клуба романтики» и флиртовал с аниме-мальчишками (по работе, честное слово)