ProАналітика 📊
1.15K subscribers
62 photos
55 links
🖐 Всіх вітаю на моєму каналі, присвяченому аналітиці та глибокому аналізу даних📊

Тут ви можете дізнатися найактуальніші тренди 🔥і події у світі економіки, фінансів та технологій 📈
Download Telegram
Сім перевірок перед чорною п'ятницею

Трафік під час розпродажу зростає в 3-5 разів за кілька днів — і саме тоді аналітика найчастіше ламається непомітно, бо до цього все "ніби працювало" на звичайному навантаженні. 🛒 Ось що варто перевірити сьогодні, а не 28 листопада:

1. Event purchase шле transaction_id і спрацьовує рівно раз на замовлення — без дублів від повторного рендеру сторінки подяки.
2. UTM-мітки на email та push розсилках прописані вручну, а не "підхопляться автоматично" — автопідхоплення часто губить джерело.
3. GA4 real-time звіт витримує спайк без затримки понад 2-3 хвилини — якщо затримка росте, під навантаженням вона виросте ще більше.
4. Explore-звіти не йдуть у sampling при зростанні обсягу подій — перевір ліміт у властивостях акаунта.
5. Server-side tagging (якщо є) не впаде при піковому RPS — подивись, чи є автоскейлінг контейнера.
6. BigQuery має запас бюджету слотів на дні з піковими запитами дашбордів — інакше звіти зависнуть саме в момент, коли на них найбільше дивляться.
7. Алерти на аномалії продажів і конверсії налаштовані заздалегідь, а не "подивимось вручну" — руками за святковим трафіком не встежиш. 📊

Перевірка займає години, а ціна помилки — втрачена статистика найважливіших днів року.

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
Гугл вчить BI рахувати замість малювати

Google додав до Looker Studio Pro генерацію даних агентом прямо з промпту — "порахуй відтік по когортах" замість двадцяти кліків по фільтрах і калькульованих полях 🤖 Для когось це виглядає як кінець ручної аналітики, та різниця в деталях. Агент непогано справляється з описовими запитами: суми, частки, динаміка. Але щойно треба врахувати специфіку бізнесу — як саме визначити "активного користувача", чи рахувати повернених клієнтів в LTV, що робити з тестовими акаунтами в базі — модель бере найочевидніше припущення, а не правильне для вашого продукту.

Практичний висновок: роль аналітика зміщується з побудови запитів на формулювання бізнес-логіки заздалегідь. Якщо у вас немає чіткого глосарія метрик — документа, де "активний користувач" чи "конверсія" визначені однозначно — агент видаватиме красиві, але неузгоджені між собою цифри в різних звітах 📊 Компанії, які вже мають data dictionary в BigQuery чи dbt, отримають від таких інструментів реальне прискорення. Ті, хто визначає метрики на льоту в головах окремих аналітиків, отримають просто новий спосіб плодити розбіжності — тільки швидше й з виглядом авторитетності.

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
П'ять джерел, де цифри не бояться брехати

Офіційна статистика під час війни — завжди переговори між точністю і доступністю даних 📊 Ось що реально читати, а не просто цитувати.

Дашборд НБУ з інфляційними звітами — єдине місце, де цифра 11% за жовтень і прогноз 12,5% на кінець року не розходяться з методологією розрахунку, яку можна перевірити.

Міністерство фінансів і щомісячні звіти про виконання бюджету — там видно касові розриви раніше, ніж про них напишуть новини.

Open Budget — держреєстр, де бюджетні видатки розписані по розпорядниках, а не по красивих агрегатах з пресреліза.

Державна митна служба з відкритою статистикою зовнішньої торгівлі — найшвидший спосіб перевірити, чи справді впала металургія на ті самі "90%", про які пишуть.

Trading Economics або CEIC для крос-перевірки українських цифр із тим, як їх бачать зовнішні інвестори — розбіжність у трактуванні часто важливіша за саму цифру.

Жодне з цих джерел не замінює аналітика 🧮 Вони лише дають сировину, з якої видно, де журналісти округлили, а де уряд обрав вигідну базу порівняння.

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
Банер без кліку коштував магазину 12% виручки

Онлайн-магазин електроніки готувався до чорної п'ятниці і бачив у GA4 стабільну картину: трафік з головного банера йшов, конверсія не падала, усе виглядало нормально 📊 Але менеджер з продажів помітив розбіжність — виручка з промо-категорії відставала від плану на старті акції минулого року, хоча цифри в дашборді казали «все за графіком».

Підняли сирі події BigQuery і порівняли click на банері з session_start у тій же сесії. Виявилось: 40% «переходів» — це користувачі, які вже були на сайті з органіки, банер просто з'являвся в полі зору і трекер рахував impression як session source override, підміняючи канал атрибуції. Банер забирав чужу заслугу, а реальний referral traffic занижувався вдвічі.

Переналаштували атрибуцію: розділили view-through і click-through події, прибрали оверрайд джерела для вже активних сесій 🔧 Запустили той самий банер повторно — і цифри в дашборді впали, зате бюджет на медіапланування перерахували тверезо.

Результат: магазин зняв $8 тис. місячного бюджету з каналу, який насправді не приводив нових людей, і перекинув їх на ретаргетинг з реальним click-through 📈 Виручка з промо за тиждень акції зросла на 12% — не тому, що зʼявився новий трафік, а тому, що гроші нарешті пішли туди, де був справжній результат.

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
Сорок філій зводили звіт два дні

Мережа з сорока магазинів щотижня закривала продажі так: кожна філія надсилала свій Excel, фінвідділ зводив усе вручну у загальну таблицю. Два дні роботи двох людей, і щоразу хтось забував файл або прислав стару версію. Цифри в головному звіті й у філіях регулярно не збігались — різниця сягала 4-6%, а керівництво приймало рішення по даних, яким було вже три дні.

Команда підключила касові системи напряму до BigQuery через щоденний pipeline, прибрала ручне копіювання й поставила один дашборд у Looker Studio з автооновленням щоночі. Фінвідділ залишив собі лише перевірку аномалій, а не перенесення цифр з файлу у файл. 📊

Результат за квартал: закриття тижня — з двох днів до 20 хвилин, розбіжності між філіями й центром зникли повністю, дані доступні вже на день+1 замість день+3. Окремий бонус — звільнені 16 людино-годин щотижня команда перекинула на аналіз асортименту, і за два місяці це дало +3% до маржі на топ-категоріях. 🔥

Головний висновок простий: автоматизація збору даних часто дає більше грошей, ніж будь-яка нова метрика в дашборді.

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
П'ять інструментів проти хаосу в GA4

Коли дані розповзаються по десяти джерелах, а дашборд живе своїм життям — рятують не героїчні зусилля аналітика, а правильний набір інструментів під рукою. 🧰

GA4 Query Explorer — перевіряє, що саме повертає API ще до того, як запит потрапить у звіт, і економить годину дебагу розбіжностей з інтерфейсом.

BigQuery INFORMATION_SCHEMA — показує, скільки байтів реально зжере запит, перш ніж він зжере бюджет на кінець місяця. 💸

Simo Ahava-шні GTM шаблони з Community Gallery — закривають 80% нестандартних тегів без написання кастомного JS і зі статус-сторінкою, де видно, чи імпорт пройшов без помилок.

OWOX BI або Supermetrics для склейки рекламних витрат з GA4 — рятує від ручного зведення Facebook Ads, Google Ads і сайту в один Excel щопонеділка.

dbt test на рівні моделі — ловить дубльовані session_id ще на етапі трансформації, а не тоді, коли клієнт вже показує пальцем на звіт.

Інструмент не замінює голову аналітика, але знімає з неї рутину, яка й так забирає половину робочого дня. 📊

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
BigQuery заліз прямо у прод-базу

Google відкрив у BigQuery федеративні запити до MySQL, Oracle і PostgreSQL — поки в Preview, але це вже можна тестувати. Суть проста: пишеш SQL у BigQuery, а він під капотом смикає живу прод-базу й тягне рядки без жодного ETL, пайплайна чи нічного експорту 🔌

Виглядає як подарунок для будь-якого аналітика, який чекав годину на вивантаження з Postgres. Але є пастка. Federated query — це не копія даних, це прямий SELECT у вашу операційну базу. Якщо дашборд із таким запитом відкриють 200 людей о 9 ранку понеділка, прод-база це відчує так само, як відчула б прямий дамп звіту без кешу. OLTP-сервер, розрахований на короткі транзакції додатку, не любить аналітичні джойни по мільйонах рядків.

Практичний висновок: для разових перевірок, debug-запитів чи дрібних довідкових таблиць — беріть федерацію, виграєте годину роботи. Для регулярних дашбордів і великих фактових таблиць — усе одно лишайте CDC або scheduled export у BigQuery, бо там вартість і навантаження прораховані наперед 📊 Швидкість зручності тут легко конвертується в downtime прод-системи, якщо не розмежувати ці два випадки заздалегідь.

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
П'ятниця перевіряє ваш GA4 на слабкість

Чорна п'ятниця за два тижні, а трафік і оплати вже зростають. Якщо дашборд не готовий, ви побачите проблему тільки після того, як гроші втрачені. Сьогодні ввечері можна перевірити це без розробника 🔍

Пройдіться по пунктах:

— Порівняйте події "purchase" в GA4 з реальною кількістю замовлень у CRM за останній тиждень. Розбіжність більше 3% — сигнал, що трекінг недорахує продажі саме тоді, коли трафік стрибне вдвічі.

— Перевірте, чи всі канали оплати мають окремий тег. Якщо Apple Pay чи monobank pay злиті в "інше" — втрачаєте атрибуцію дорогого трафіка.

— Подивіться час завантаження checkout-сторінки на мобільному за VPN з іншого регіону — черги на сервері під навантаженням б'ють по швидкості першими.

— Знайдіть, скільки кліків по банерах веде на сторінки, які вже видалені чи змінили ціну.

— Перевірте ліміти API BigQuery, якщо дашборд оновлюється щогодини — в день піку запити можуть впертися в квоту й просто зупинитись.

— Зафіксуйте базові цифри конверсії зараз, окремо від акції — без цього через тиждень нема з чим порівнювати.

Жодна акція не виправить дані, зібрані криво 📊

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
Знижка в акції виявилась дорожчою за звичайну ціну

Клієнт попросив перевірити, чи варто бігти на розпродаж постачальника — обіцяли мінус 20% на партію товару 📦. Відкрив історію закупівель за рік у BigQuery, підняв ціни по тому ж SKU за останні шість місяців. І ось тут почалось цікаве: "акційна" ціна була вищою за звичайну закупівельну в чотирьох із шести минулих місяців. Постачальник просто піднімав базову ціну перед розпродажем, а потім робив знижку від нового, завищеного рівня.

Порахував медіану закупівельної ціни за квартал до оголошення акції — вийшло на 7% нижче за "знижену" ціну. Клієнт зекономив би, просто закупившись за звичайним прайсом тиждень тому, а не чекаючи на розпродаж.

Висновок простий: будь-яка знижка — це твердження про минулу ціну, а не про вигоду саму по собі. Без історичного ряду цін ви перевіряєте маркетинг, а не математику 📊. Тепер у клієнта є окремий дашборд: ціна по SKU в динаміці, і будь-яка акція автоматично порівнюється з медіаною за 90 днів. Якщо "знижена" ціна вища за медіану — система підсвічує це червоним ще до того, як відділ закупівель встигне натиснути "купити" 🔴.

Довіряйте відсотку знижки менше, ніж базі даних, з якою цей відсоток порівнюють.

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
Одне слово коштувало нам тижня дебатів

Чотири роки тому я зробив дашборд для продуктової команди і виніс на головний екран метрику "активні клієнти". Цифра росла, всі раділи 📈. А потім фінансовий відділ приніс свій Excel-звіт — і там та сама метрика за той самий місяць була на 18% нижча.

Почалась війна версій. Продукт захищав свою цифру, фінанси — свою, а я два дні шукав баг у SQL-запиті, якого не було. Баг знайшовся не в коді, а в головах: продукт рахував активним будь-кого, хто відкрив застосунок, фінанси — тільки тих, хто зробив платну дію. Обидва визначення мали право на існування. Просто ніхто їх не записав і не узгодив, поки дашборд не вийшов у публічне поле.

Тиждень пішов не на виправлення запиту, а на зустрічі, де ми буквально писали на доді: "активний = ?" і голосували.

Висновок простий і нудний, але він рятує нерви: перш ніж малювати графік, зафіксуй визначення метрики письмово і узгодь його з усіма, хто на неї дивиться. Один рядок у словнику даних коштує дешевше, ніж тиждень зустрічей 🗂. BI-інструмент тут ні до чого — ламається не BigQuery і не Looker, ламається комунікація.

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
Передчасна зупинка A/B-тесту з'їла бюджет

Продуктова команда одного українського e-commerce сервісу тестувала новий сценарій оформлення замовлення: скоротили форму з 6 полів до 3. На третій день дашборд показав +15% до конверсії на новому варіанті, і достроково оголосили переможця — бо «результат вже очевидний». 📊

Варіант розкотили на 100% трафіка. За місяць конверсія не тільки не підросла — впала на 4% проти бейзлайну до тесту. Почали копати: виявилось, що тест зупинили на вибірці в 1200 сесій замість запланованих 8000, а різниця на третій день була статистичним шумом — класичний peeking, коли дивишся на p-value щодня і ловиш випадковий пік значущості.

Після цього ввели жорстке правило: мінімальний розмір вибірки й мінімум 14 днів незалежно від того, що показує графік на середині шляху, плюс sequential testing з поправкою на множинні перевірки замість звичайного t-теста щодня. 🔍

Повторний тест тієї ж гіпотези на коректному дизайні дав реальний прирост +3,2% конверсії — утричі менше за «фантомні» 15%, але це цифра, якій можна довіряти і на яку можна будувати прогноз виручки. Висновок простий: раннє святкування перемоги в A/B-тесті коштує дорожче, ніж тиждень очікування. ⏳

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
Чотири цифри про ІТ-зарплати восени

Нові дані по ринку праці в ІТ дають чіткішу картину, ніж будь-які прогнози аналітиків 📊

Перше: медіана зарплат data-фахівців за рік зросла приблизно на 8–10% у гривні, але в доларовому еквіваленті це фактично стагнація — девальвація зʼїла половину номінального росту.

Друге: вакансій з грейдом Senior Data Analyst стало на третину менше, ніж рік тому, а Middle — навпаки, більше. Компанії перестали платити за досвід сам по собі й шукають людей, які одразу закривають конкретну задачу.

Третє: частка позицій з вимогою BigQuery чи dbt у описах вакансій виросла вдвічі за два роки. Excel і「просто SQL」вже не продають резюме так, як продавали в 2022-му.

Четверте: релокейт-пропозиції з інших країн у заявках українських аналітиків падають — зараз це приблизно кожна восьма відповідь, а торік була кожна п'ята. Ринок поступово повертається «додому», і це не ностальгія, а наслідок курсу та візової втоми.

Висновок простий: ринок платить не за стаж, а за конкретний інструментарій і здатність одразу сісти за прод-дані. Хто досі тримає в резюме лише «Excel + базовий SQL», той конкурує за вакансії, яких стає менше щокварталу 📉

🛎Приєднуйтесь до ProАналітика 📊:
🌐 Канал | 💬 Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1