Почему аналитик «с завода» может быть круче профильного выпускника вуза?

Когда я приходил в Авито, я очень переживал, что мои знания SQL проигрывают вчерашним студентам. Но через пару месяцев я понял одну вещь: писать код можно научить почти любого, а вот «выживать» в бизнесе — нет.

Если вы работали в ритейле, на производстве или в крупном банке, у вас есть «скрытая суперсила», которой часто лишены «чистые» айтишники.

В IT это называют «Influencing skills» (навыки влияния), а в офлайне это называется «умение договариваться».

В чем разница между выпускником и аналитиком с реальным бэкграундом?

1. Стрессоустойчивость в коммуникациях

- Выпускник: Теряется, когда разгневанный продакт-менеджер прилетает в личку с вопросом: «Почему метрики упали на 10%?!».
- Вы: После планерок с суровым директором завода или коммерческим директором ритейл-сети, никакие вопросы в Slack вас не напугают. Вы умеете держать удар и переводить эмоции в конструктив.

2. Умение говорить на языке «бизнеса», а не «кода»

- Выпускник: Будет полчаса рассказывать стейкхолдеру про доверительные интервалы и p-value.
- Вы: Знаете, что директору нужно понимать две вещи: «Где мы теряем деньги?» и «Что нужно сделать, чтобы заработать?». Вы умеете объяснять сложное простыми словами.

3. Stakeholder Management (управление ожиданиями)

- Выпускник: Боится сказать «нет» заказчику или боится идти к нему, если в данных ошибка.
- Вы: Знаете, что лучше прийти с плохими новостями заранее, чем скрывать их. Вы умеете объединять людей с разными интересами (например, закупки и продажи) ради одной цели. Это и есть настоящий менеджмент ожиданий.


Почему это важно для BigTech? В топовых IT-компаниях сейчас избыток тех, кто круто пишет код в «вакууме». Но острый дефицит тех, кто может выйти из-за монитора, пойти к заказчику, выявить его настоящую боль и договориться о решении.

Ваш опыт в «офлайне» это не клеймо, это броня. Вы уже умеете работать в условиях хаоса и конфликта интересов. Осталось только добавить к этому немного SQL и Python и вы становитесь «аналитиком на вес золота».

Чего мне реально не хватало в первые месяцы в Авито.

Когда я перешел из Фамилии в Авито на позицию джуна, я думал, что готов. Ну а что, я же 15 лет в аналитике, цифры считать умею, логика на месте.

Но первый же месяц показал мне «белые пятна», о которых я даже не задумывался. Чтобы вы не набивали те же шишки, вот мой Топ-3 дефицитных навыков на старте:

1. SQL: Когда Excel больше не тянет

В офлайне я привык, что данные можно выгрузить в табличку и там «покрутить». В Авито данных СТОЛЬКО, что никакой Excel не откроется. Моя боль: Оказалось, что знать SELECT и JOIN недостаточно. Нужно понимать, как работают оконные функции и как писать запросы так, чтобы они не вешали всю систему на полчаса. Пришлось доучиваться на ходу.

2. BI-инструменты: От отчета к дашборду

В ритейле отчет — это часто статичный файл, который ты отправил в понедельник. В IT всё живет в реальном времени. Моя боль: Мне пришлось быстро осваивать Redash. Главный инсайт: аналитик не должен «делать выгрузки». Аналитик должен строить автоматизированный дашборд, который сам отвечает на вопросы бизнеса без твоего участия.

3. А/B тесты: Главный инструмент принятия решений

В Фамилии мы могли просто внедрить акцию и смотреть: «Ну, вроде выручка выросла». В IT так не работает. Каждое изменение проверяется через эксперимент. Моя боль: Статистическая значимость, p-value, доверительные интервалы, всё это пришлось учиться применять на практике каждый день.

Как я выжил?

Честно? Помогли не курсы, а умение признавать, что я чего-то не знаю. Я подходил к коллегам и просил: «Покажи, как ты оптимизировал этот запрос?» или «Почему мы выбрали эту метрику для теста?». В IT очень открытая культура, и это очень помогает.

Главный вывод: Вам не нужно знать всё на 100%, чтобы получить оффер. Нанимают за логику и потенциал, а технические пробелы закрываются за 2–3 месяца активной работы.

📘 Как продать опыт из офлайна в IT-гиганты

Крупные IT-компании (Яндекс, Авито, Сбер и др.) не ищут:
- людей, которые «делают отчёты»
- специалистов по одному инструменту

Они ищут тех, кто:
- влияет на продукт
- умеет формулировать проблемы
- принимает решения на основе данных

Я собрал детальный и полезный гайд о том, как перевести офлайн-опыт на язык продуктовой аналитики в крупных IT-компаниях.

В гайде:

- словарь «офлайн → IT», чтобы пройти screening
- фреймворк STAR с примерами, как упаковывать кейсы
- must-have мышление продуктового аналитика
- типичные ошибки офлайн-аналитиков
- мини-самодиагностика: готовы ли вы к продуктовой аналитике
- практический план действий на 10 дней

Без обещаний «войти в IT за месяц».
Без инфоцыганства.
Только про мышление, упаковку опыта и реальные ожидания рынка.

📎 Гайд прикладываю ниже.

Если после прочтения поймёте, что:
- сложно самому оценить силу своих кейсов
- хочется взгляда со стороны
- или нужна тренировка перед интервью

Я провожу mock-interviews и аудит опыта продуктовых аналитиков.

Но даже если нет - пусть гайд будет вам полезен.

📌 ЗАКРЕП

Привет. Если ты здесь впервые, вот кто я и зачем это все.

Меня зовут Андрей. Продуктовый аналитик в Авито. В IT пришел в 39 лет из ритейла, с позиции начальника отдела планирования. Обнулился до джуна, прошел 20+ собесов и получил оффер. Не жалею ни секунды.

Сейчас делаю две вещи: работаю в Авито и помогаю другим пройти тот же путь быстрее, чем прошёл я.

Что здесь есть

В канале мысли из работы, разборы кейсов с собесов, софтскиллы и все то, что не пишут в учебниках.

На сайте полная база знаний для аналитика:

// Roadmap продуктового аналитика 9 блоков, 80+ тем, 120+ вопросов с собесов

// Статьи Retention, воронки, p-value, STAR-фрейм, формула XYZ для резюме

// Инструменты калькулятор A/B тестов, калькулятор юнит-экономики

// Карточки 20+ карточек по метрикам, A/B тестам

// Тест «Какой ты аналитик» помогает выбрать направление

С чего начать в канале

- Гайд «Как продать опыт из офлайна в IT-гиганты»

- Почему в IT-чатах говорят на эльфийском?

- Скрытые суперсилы аналитика «с завода»

Все без рекламы, без «войти в IT за месяц» и без инфоцыганства. Только то, что реально работает.

Вопросы, разбор вашего кейса или менторская сессия пишите в личку: @TarkoAndrey

«Расскажите о своем провале»: Как не завалить самый коварный вопрос на интервью

На собеседованиях вас обязательно спросят: «Расскажите о ситуации, когда всё пошло не по плану».
Многие в этот момент совершают две фатальные ошибки:
1. «У меня не было провалов» (Ложь. Рекрутер сразу ставит галочку «низкая рефлексия»).
2. Начинают жаловаться на коллег или обстоятельства (Плохой Soft Skill - перекладывание ответственности).

Зачем они это спрашивают? Им не интересен сам факт вашего факапа. Им важен ваш RCA (Root Cause Analysis, Анализ коренных причин), то есть как вы проанализировали причины и как это повлияло на вашу работу в будущем.

Для идеального ответа используем наш любимый фреймворк STAR, но с акцентом на выводы.

Механика ответа (расскажу на своем примере):

- S (Situation): В 2018 году я отвечал за прогноз продаж колбасной продукции. И, в том числе, планировал спрос во время проведения промо-активностей.

- T (Task): Нужно было обеспечить наличие товара на складах под рост спроса в несколько раз раза.

- A (Action): Тут признаем ошибку. Я не учел логистическое плечо в праздничные дни и использовал старую модель прогнозирования. В итоге — _Out-of-stock_ в 30% магазинов сети.

- R (Result) + Takeaway: Мы недополучили 10% выручки. НО: я провел «пост-мортем» (разбор полетов), выявил узкие места в цепочке поставок и разработал новый дашборд для мониторинга остатков в реальном времени. В следующей акции мы сработали с точностью 98%.

Лайфхаки:

1. Выбирайте «безопасный» провал. Не говорите о том, что вы удалили всю базу данных компании. Выбирайте ошибку, которую вы САМИ исправили.

2. Больше «Я», меньше «Мы». Интервьюера интересуют ваши действия, а не работа всей команды.

3. Используйте айтишный сленг. Вместо «я подумал, почему так вышло», говорите «я провел ретроспективу и выявил технический долг в процессах». Это сразу дает +10 к вашему «вайбу».


Помните: Сильный аналитик это тот, кто ошибается, фиксирует это в документации и идет дальше, став на одну итерацию круче.

Анти-резюме 5 фраз, которые убивают ваш шанс в BigTech

Когда я впервые открыл своё резюме после «Фамилии», мне казалось, что оно безупречно. Но для рекрутера из Авито или Яндекса оно выглядело как манускрипт на мертвом языке.

В BigTech другой культурный код. Если вы используете фразы из «офлайнового» прошлого, вас считывают как «человека из другой эпохи».

Вот топ-5 стоп-слов и способы их починить:

1. «Уверенный пользователь ПК, Excel, Word»

- Почему это плохо: В IT это звучит как «я умею нажимать на кнопки». Это база, о которой не пишут.

- Как лучше: «Автоматизировал отчетность в Excel (Power Query, макросы), сократив время подготовки данных с 5 часов до 10 минут».


2. «Стрессоустойчивость, ответственность, обучаемость»

- Почему это плохо: Это «пустые» прилагательные. Рекрутеры их просто пролистывают.

- Как лучше: Вместо «стрессоустойчивости» напишите: «Успешно провел инвентаризацию 50 складов в условиях смены ПО без остановки отгрузок». Дайте контекст.


3. «Выполнение распоряжений руководства»

- Почему это плохо: В BigTech ищут не исполнителей, а Problem Solvers. Фраза звучит пассивно.

- Как лучше: «Разработал систему мониторинга KPI, которая позволила руководству принимать решения на основе данных, а не интуиции».


4. «Работа с большими объемами данных»

- Почему это плохо: Для кого-то «много» — это 1000 строк в Excel, а для кого-то — терабайты в ClickHouse.

- Как лучше: Будьте конкретны. «Работал с датасетами на 500к+ строк, оптимизировал воронку продаж в категории "Одежда"».


5. «Желание развиваться в сфере IT»

- Почему это плохо: Это про ваши хотелки, а не про пользу для компании.

- Как лучше: Сфокусируйтесь на том, что вы уже сделали. «Переложил бизнес-логику из Excel на SQL-запросы, прошел курс по продуктовой аналитике и готов применять доменный опыт ритейла для роста метрик вашего продукта».


💡 Совет:

Ваше резюме — это не мемуары. Это коммерческое предложение. Рекрутер должен за 6 секунд увидеть:

1. Вы понимаете, как бизнес делает деньги.

2. Вы умеете пользоваться инструментами (хотя бы базово).

3. Вы говорите на языке цифр и результатов.

💎 Domain Expertise: Почему ваш опыт в ритейле или банке стоит дороже, чем диплом топовых курсов

Главная ошибка тех, кто переходит в IT после 35 это попытка «стереть» свое прошлое. Вы приходите на собеседование и ведете себя как чистый лист: «Я вот SQL выучил, возьмите меня».

Забудьте об этом. В BigTech вас нанимают не за знание синтаксиса JOIN, а за Domain Expertise (предметную экспертизу).

В чем разница?

- Джун после курсов: Знает, как написать код, который считает средний чек. Но он не понимает, почему этот чек упал.

- Вы (экс-начальник отдела/менеджер): Знаете, что средний чек упал, потому что в логистике сменился подрядчик, на складах перепутали маркировку, а закупщик не выставил сезонную скидку.

Вы видите за цифрами реальный бизнес, а не просто строки в базе данных. В аналитике это ценится на вес золота.

Как это работает на практике (примеры для вашего резюме):

1. Если вы из ритейла: Вы понимаете оборачиваемость товара, сезонность и психологию покупателя. Для продуктовой команды, которая делает, например, рекомендации в приложении — вы бесценны. Вы знаете, что предложить пользователю, когда у него в корзине молоко, а Python-разработчик просто видит ID товара.

2. Если вы из логистики/производства: Ваш мозг «прошит» на оптимизацию ресурсов. Вы понимаете, что такое узкое горлышко (bottleneck) не из учебника, а из жизни. В задачах по оптимизации доставки или складских остатков вы будете в 10 раз эффективнее чистого технаря.

3. Если вы из банков/финансов: Ваша педантичность к цифрам и понимание риск-моделей - это база для любого финтех-проекта. Вы знаете цену ошибки и умеете работать с документацией так, как джунам и не снилось.

🛠 Как «продать» свой опыт на интервью?

Когда вас спрашивают: «Почему мы должны нанять вас, а не парня, который в 20 лет пишет на Python быстрее, чем говорит?», отвечайте так:

> «Я приношу с собой 15 лет понимания того, как работает [ваша сфера]. Инструменты вроде SQL и Python я освоил, чтобы быстрее масштабировать эти знания. Вам не нужно учить меня бизнесу, я уже знаю, как он зарабатывает деньги. Я здесь, чтобы с помощью данных делать эти деньги системно».

Не прячьте свое прошлое. Сделайте его своим главным конкурентным преимуществом.

SQL для тех, кто боится кода: С чего начать, если вы всю жизнь в Excel

Для многих переход из Excel в SQL выглядит как прыжок из теплой ванны в открытый космос. В Excel у тебя есть уютные ячейки, которые можно потрогать. В SQL черный экран и мигающий курсор, который как бы спрашивает: «Ну, и чего мы ждем?».

Спойлер: Если вы умеете писать ВПР (VLOOKUP) и строить сводные таблицы, ваш мозг уже на 80% готов к SQL.

SQL — это не программирование в чистом виде. Это декларативный язык. Вы не объясняете компьютеру как делать (как в Python), вы говорите, что вы хотите получить.

🛠 Где «набивать руку»:

Не нужно покупать курсы за 100к. Для старта достаточно этих ресурсов:

1. Интерактивный тренажер SQL Academy — Идеально для старта с нуля. Всё на русском, понятно, с постепенным усложнением.

2. SQL-ex.ru — «Олдскульный» тренажер-легенда. Выглядит как привет из 90-х, но если пройдете первые 20-30 задач, собес на джуна вам не страшен.

3. Stepik (курс «SQL практикум. SELECT-запросы») — Хороший бесплатный практикум. Помимо базового селекта помогает освоить фильтрацию, группировку, агрегатные функции. По завершению даже дают сертификат.

Важно: особое внимание уделите оконным функциям. Помимо того что про них спрашивают на каждом собеседовании, так еще и в работе пригождается частенько.

💡 Совет от того, кто тоже «тупил» в начале:

Не учите всё подряд. В подавляющем большинстве рабочих задач аналитика используются всего 5-6 конструкций:

- SELECT (выбери мне...)

- FROM (...из этой таблицы)

- WHERE (...при условии, что...)

- JOIN (приклей вот эту таблицу к той)

- GROUP BY (схлопни данные в сводную)

- Window Functions (доп функционал, помогает получить нужную детализацию).


Ваша цель на старте: научиться «читать» код. Когда вы поймете, что LEFT JOIN — это просто ВПР на стероидах, страх исчезнет.

📉 50 отказов и 1 оффер: Как не «сдохнуть» морально, пока ищешь работу в IT

Давайте честно: поиск работы в BigTech это не прогулка по парку. Это изматывающий марафон, где на каждом километре в вас кидают табличкой «К сожалению, мы выбрали другого кандидата».

Когда я менял сферу все эти отказы больно били по эго. Казалось, что ты «устарел», «не тянешь» или совершил самую большую ошибку в жизни, решив сменить сферу. В какой-то момент хотел бросить и остаться на старом месте.

Как я прошел через это и не бросил все на полпути? Делюсь своей «аптечкой» психологической выживаемости:

1. Относитесь к поиску как к воронке продаж

100 откликов → 20 скринингов → 5 финалов → 1 оффер. Это нормальная конверсия. Каждый отказ — это не ваше фиаско, это просто еще одна единица данных, которая приближает вас к заветному «Да». Если конверсия в скрининг низкая — чиним резюме. Если падаем на финалах — докачиваем софты. Ничего личного, только цифры.

2. «Убейте» в себе начальника (на время)

Самое сложное — это когда 22-летний рекрутер говорит вам «мы вам перезвоним» (и не перезванивает). Лайфхак: Представьте, что вы проходите высокоуровневый квест в сложной игре. Вы сейчас на уровне «Джун», и ваша задача — прокачать персонажа. Ваше прошлое — это ваш «скрытый инвентарь», он выстрелит позже, но сейчас нужно просто научиться играть по правилам новой песочницы.

3. Правило «Одного часа нытья»

Получили отказ после 4-х этапов собеса? Это больно. Дайте себе ровно один час на то, чтобы позлиться, пожалеть себя и покричать в подушку. А потом — садитесь за работу. Спросите фидбек (даже если не ответят), запишите вопросы, на которых «поплыли», и идите дальше.

4. Не делайте поиск работы всей своей жизнью

Если 24/7 обновлять страницу hh.ru, можно сойти с ума.
- Выделите 3-4 часа в день на «работу по поиску работы».
- Остальное время — живите. Спорт, семья, хобби. Вам нужны ресурсы, чтобы на интервью не выглядеть как человек, который не спал неделю и готов молить об оффере. BigTech чувствует отчаяние и не любит его.

Помните: вам нужен всего ОДИН оффер. Тот самый, который перечеркнет все 50, 100 или 200 отказов.

Иногда подрабатываю моделью😊

Аналитика «здорового человека» vs «курильщика»: Как не стать заложником бесконечных правок в дашбордах

«Добавь ещё один фильтр», «поменяй синий на более сочный», «а можно выгрузить это же, но в Excel?». Если ваше утро начинается с таких правок, поздравляю: вы попали в ловушку «аналитика-сервиса».

В этой ловушке вы не влияете на продукт. Вы просто дорогой и очень умный «рисовальщик графиков». Это и есть аналитика «курильщика». Кажется, что вы приносите пользу, но на самом деле вы просто обслуживаете чужую тревожность или любопытство, которое не ведет к действиям.

В чем здесь сдвиг мышления?

Главное отличие продуктового партнера от исполнителя в умении задавать неудобные вопросы до того, как открыть ноутбук.

- Исполнитель берет задачу в работу сразу. Его цель чтобы заказчик был доволен и отстал.
- Партнер сначала выясняет истинную цель заказчика.

Когда к вам приходят за очередным «очень важным дашбордом», попробуйте задать простой вопрос: «Что мы сделаем, если эта цифра завтра упадет на 20%?».

Если ответ: «Ну, будем знать», — это пустая работа. Если ответ: «Мы отключим этот канал трафика и перераспределим бюджет», — это аналитика «здорового человека».

Как говорить «нет», чтобы вас не уволили, а начали уважать?

1. Возвращайте к цели. «Я могу потратить два дня на этот фильтр, но как он поможет нам принять решение по редизайну корзины?».

2. Предлагайте альтернативу. «Вместо сложного дашборда, который мы будем долго поддерживать, давай я сделаю разовый отчет. Если увидим там аномалию то соберем полноценный инструмент».

3. Подсвечивайте упущенную выгоду. «Если я сейчас возьмусь за правки шрифтов, я не успею доделать расчет сегментации, который может принести нам +5% к выручке. Что сейчас важнее?».


Вывод: Ваша ценность не в количестве созданных графиков, а в количестве принятых на их основе решений. Научившись вежливо, но твердо отсекать «информационный шум», вы освобождаете время для задач, которые действительно растят продукт и ваш грейд.

«Мне уже поздно»: почему 35+ в IT — это не баг, а фича

Если тебе 35+, это не значит, что нужно забыть о смене карьеры. Наоборот, это значит, что у тебя в руках есть карты, которых нет у 20-летних.

Когда речь заходит о переходе в IT, в голове рисуется пугающая картинка: первый рабочий день, ты подключаешься к дейлику, а там сидят ребята, которые выглядят как школьники на каникулах. Только они синьоры и лиды, а ты «старый джун», который вчера гуглил, как правильно делать группировку в Python.

Это как раз про меня. Мне было 39, когда я пришел в Авито на позицию Junior-аналитика. Мне казалось, что я безнадежно отстал, а мой прошлый опыт руководителя только мешает учить синтаксис SQL.

Но это чувство исчезло после первой же серьезной бизнес-задачи.

В чем тут подвох

BigTech это не олимпиада по спортивному программированию. Это огромный, сложный бизнес. И лучшая команда здесь это симбиоз.

- Молодые коллеги дают скорость, невероятную гибкость в новых технологиях и ту самую дерзость: «А давайте перепишем все с нуля за ночь?». У них нет страха ошибок, и это круто драйвит инновации.
- Твой опыт дает контекст и заземление. Ты уже знаешь, что за каждой цифрой стоят живые люди, клиенты, склады и логистика. Ты видел, как рушатся «идеальные» планы, и умеешь сохранять спокойствие, когда метрики летят в красную зону.

Там, где молодой синьор предложит технически изящное, но оторванное от реальности решение, ты скажешь: «Ребят, это круто, но как это поможет нам заработать в следующем квартале?». И именно этот вопрос часто спасает продукт.

Мы не конкуренты, мы части одного пазла. Зрелость и эмоциональный интеллект это твой дефицитный актив. Ты умеешь договариваться, гасить конфликты и видеть бизнес-цель за горой кода. Молодость дает искру, а опыт помогает этой искре не сжечь бюджет, а зажечь двигатель.

Вывод: Не пытайся казаться 20-летним. Твоя сила в том, что ты взрослый человек, который научился новым инструментам. В хорошей команде твой жизненный бэкграунд оценят выше, чем знание всех библиотек Python наизусть.

Как я научился говорить "нет" задачам, которые не имеют смысла

Первые полгода в Авито я делал все, что просили.
Не потому что был безотказным. А потому что боялся. Я был новым, пришел из ритейла, вокруг люди с опытом в IT, кто я такой, чтобы спорить с постановкой задачи?
Однажды мне прилетела задача посчитать, как изменилось поведение пользователей после обновления интерфейса. Я сел писать запросы. Провозился два дня. Принес результат.
Продакт посмотрел и сказал: «Круто. А что нам с этим делать?»

Я не знал. Он тоже.

Именно тогда я понял: я потратил два дня на задачу, у которой не было ответа на вопрос «зачем».

С тех пор у меня появилось правило, прежде чем брать задачу в работу, я задаю три вопроса.

1. Какое решение будет принято на основе этих данных?

Это главный вопрос. Если заказчик затрудняется ответить значит задача сырая. Данные ради данных не нужны никому. Аналитика нужна там, где есть развилка: сделать так или иначе, запустить или остановить, приоритизировать это или то.

2. Что изменится, если результат окажется неожиданным?

Иногда выясняется, что решение уже принято и данные нужны только для подтверждения. Это не анализ, это иллюстрация. Я могу сделать такую работу, но хочу понимать, что делаю именно ее.

3. Почему это важно сейчас?

Не чтобы поспорить, а чтобы понять приоритет. Если срочно, значит есть контекст, который мне нужно знать. Если не очень срочно, возможно, стоит сначала обсудить гипотезу, прежде чем тратить время на расчёты.

Поначалу эти вопросы давались мне неловко. Казалось, что я отказываюсь от работы или ставлю под сомнение компетентность человека. Потом я заметил обратное. Продакты начали приходить ко мне с более проработанными запросами. Потому что знали: я спрошу. И лучше подготовиться заранее, чем мяться на месте.

«Нет» в нашей работе редко звучит как «нет». Чаще это звучит как вопрос.
Не «я не буду это делать», а «помоги мне понять, какое решение мы пытаемся принять».

Разница небольшая. Эффект — огромный.

А вы сталкивались с задачами, смысл которых был непонятен? Как справлялись? Делали или спрашивали?

5 промптов, которые экономят мне часы каждую неделю

Я трачу на рутину заметно меньше времени, чем год назад. Не потому что задач стало меньше. А потому что часть работы я научился делегировать AI.
Вот пять промптов, которые реально экономят мне часы. Сохраняйте и адаптируйте под свой контекст.

Промпт 1. Подготовить инсайт для презентации

Это моя самая частая задача. Данные есть, вывод понятен, но нужно упаковать так, чтобы продакт или стейкхолдер понял с первого слайда.

_«Ты — продуктовый аналитик. Вот данные и вывод: [вставляю текст]. Упакуй это в структуру для презентации: одно ключевое наблюдение, почему это важно для продукта, и одна рекомендация. Язык простой, без аналитического жаргона. Объём — не больше половины страницы»._

Раньше я мог потратить час на то, чтобы сформулировать одну мысль так, чтобы она звучала убедительно. Теперь десять минут.

Промпт 2. Объяснить метрику стейкхолдеру

Когда нужно объяснить retention rate или p-value человеку, который последний раз слышал слово «статистика» в университете.

_«Объясни [название метрики] простыми словами, как будто говоришь с менеджером без технического фона. Используй аналогию из повседневной жизни. Одна-две фразы, без формул»._

Особенно спасает на встречах, когда нужно быстро подготовить объяснение для конкретного человека, а не писать абзац из учебника.

Промпт 3. Написать гипотезу для A/Б теста

Когда продакт говорит: «Нам нужно поднять конверсию на странице объявления. Какие гипотезы будем тестировать?» и смотрит на тебя. В таких ситуациях я использую следующий промпт:

_«Мы хотим улучшить [метрику] на [экране или этапе]. Сформулируй гипотезу для A/Б теста в формате: если мы сделаем [изменение], то [метрика] вырастет, потому что [механика влияния]. Предложи три варианта»._

Тут важно нагенерить именно несколько вариантов, чтобы было из чего выбрать.

Промпт 4. Найти слабые места в анализе

Один из самых полезных промптов, о котором мало кто думает. Прежде чем идти с результатами к команде, прошу AI сыграть скептика.

_«Вот мой анализ и выводы: [вставляю текст]. Сыграй роль критически настроенного коллеги. Найди три слабых места: где я мог ошибиться в интерпретации, какие альтернативные объяснения не рассмотрел, и какие данные стоило бы проверить дополнительно»._

Несколько раз это спасало меня от неловких вопросов на встречах. Лучше узнать о дырах заранее.

Промпт 5. Подготовить письмо с результатами

Когда нужно отправить итоги анализа команде или руководству, коротко, по делу, без простыни текста.

_«Вот результаты анализа: [текст]. Напиши короткое письмо для команды. Структура: что изучали и зачем, ключевой вывод, что рекомендуем делать дальше. Три абзаца максимум. Тон рабочий, без канцелярита»._

Казалось бы, написать письмо дело пяти минут. Но когда таких писем пять в неделю, это уже полчаса. А если ещё и думаешь, как сформулировать неудобный результат и того больше.

Важная оговорка, которую я всегда держу в голове.

AI не знает вашего продукта, вашей команды и вашего контекста. Все, что он генерирует это черновик. Финальная версия всегда проходит через вашу голову.

Но хороший черновик за тридцать секунд это уже другой разговор о продуктивности.

Когда джун становится мидлом это видно не по навыкам

Один джун-аналитик получил задачу: посмотреть, почему упала конверсия на одном из шагов воронки.
Он сделал всё правильно. Разбил по сегментам, проверил гипотезы, оформил красиво. Пришёл с ответом: «На шаге 3 конверсия упала на 8% в мобильном трафике».
Хороший анализ. Но его руководитель задал один вопрос: «А почему именно этот шаг? Ты смотрел, что происходит до и после?»
Джун не смотрел. Он ответил на вопрос, который ему дали. Не на вопрос, который нужно было задать.

Граница между джуном и мидлом не в том, насколько хорошо ты считаешь.

Джун решает задачу, которую ему поставили. Мидл сначала думает, правильная ли это задача.
Это кажется мелочью. Но именно здесь всё меняется.

Джун спрашивает: «как это посчитать?» Мидл спрашивает: «зачем мы это считаем, и что изменится, если ответ окажется таким или другим?»

Джун приносит результат. Мидл приносит результат и говорит, что с ним делать.
Джун ждет следующую задачу. Мидл замечает соседнюю проблему и приходит с ней сам.

Тот аналитик из истории в итоге вырос в мидла. Но не тогда, когда научился новым инструментам. А тогда, когда перестал воспринимать задачу как инструкцию и начал воспринимать её как отправную точку.

Если вы сейчас джун, вот один вопрос, который стоит задавать себе перед каждой задачей:

Что на самом деле хочет узнать человек, который это попросил?

Как я генерирую гипотезы для AБ тестов с помощью AI

Есть момент в работе аналитика, который я раньше не любил.
Когда продакт на встрече говорит: _«Нам нужно поднять конверсию на странице объявления. Какие гипотезы будем тестировать?»_ и смотрит на тебя.
В целом это не сложно, просто некомфортно Ты сидишь и пытаешься выдавить из себя идеи на месте, пока все ждут.
Теперь я к таким встречам прихожу подготовленным. И помогает мне в этом AI.

Вот как это работает на практике.

Допустим, задача: повысить количество контактов между покупателем и продавцом на странице объявления.
Я открываю ChatGPT или Claude и пишу примерно такой промпт:

«Ты — опытный продуктовый аналитик в классифайде. Наша цель — увеличить количество обращений покупателей к продавцам со страницы объявления. Сейчас на странице есть кнопка "Написать" и кнопка "Позвонить". Конверсия в контакт — 4%. Придумай 10 гипотез для A/Б теста. Для каждой укажи: что меняем, почему это должно сработать, и какой метрикой измеряем результат».

Ключевые элементы промпта — это контекст продукта, текущее состояние, цифра которую хотим улучшить, и четкий формат ответа.

Что получаю в ответ.

AI выдаёт список из 10 гипотез. Часть из них очевидная добавить социальное доказательство рядом с кнопкой, изменить текст с «Написать» на «Узнать цену». Такое я бы и сам придумал.

Но среди десяти всегда оказывается две-три идеи, до которых я бы не дошёл сам или дошел бы не сразу. Например: показывать среднее время ответа продавца рядом с кнопкой. Или убирать кнопку «Позвонить» для категорий, где звонки конвертируют хуже переписки, чтобы не распылять внимание.

Это и есть ценность. Не замена мышлению, а расширение поля вариантов.

Дальше начинается моя работа.

Из десяти я оставляю три-четыре. Фильтрую по нескольким критериям: насколько гипотеза реалистична технически, можем ли мы набрать достаточно трафика для статзначимого результата, и, главное, есть ли у нас реальное основание думать, что это проблема пользователя, а не наше предположение.
Последнее ИИ не знает. Он не сидел на пользовательских интервью, не видел записи сессий, не знает, что прошлый тест с кнопками уже проводился полгода назад и дал ноль.
Это контекст, который живет в голове у команды. И именно поэтому финальный выбор всегда за человеком.

Главный сдвиг, который я заметил.

Раньше на брейншторм с продактом я приходил с блокнотом и открытым сердцем.
Теперь прихожу с предварительным списком гипотез, уже отфильтрованных и с готовыми формулировками метрик. Встреча становится короче и конкретнее — мы не генерируем идеи с нуля, а выбираем из уже подготовленного материала.
Продакты это замечают. И ценят.

AI не придумает за вас продуктовое мышление. Но он отлично справляется с черновой генерацией чтобы вы тратили энергию на выбор и обоснование, а не на то, чтобы выдавить из себя идеи в тишине переговорки.