От физики и ядерных реакторов — до собственного бюро бизнес-аналитики

Всегда интересны истории людей, которые смогли начать с самых низов и создать свой продукт. Гостья седьмого выпуска «Исповеди аналитика» Елена Серёгина, придя в науку , вскоре решила искать себя в других областях. Сейчас она успешный аналитик и основатель бюро Datalatte.

Ушла из науки в «Яндекс.Браузер» и стала аналитиком

— Елена, расскажи, с чего начался твой путь аналитика?
Ещё подростком я решила стать физиком-теоретиком. Естественно, пошла учиться на физика в МФТИ и даже начала работать по профессии. Выполняла задачи, которые касались безопасности ядерных реакторов в России. Но в нашей стране не та среда, где могут развиваться молодые научные деятели. Возникали предпосылки, чтобы искать себя в других областях.
Я хотела понять, кем ещё могу быть. Для этого решила выяснить, куда обычно идут выпускники моего института и факультета. Выгрузила базу из соцсети «Мой круг» — он тогда принадлежал «Яндексу» и был аналогом HeadHunter. Просмотрела конверсии, воронки, какой путь человек проходит и где остаётся. И поняла, что с моим образованием есть три популярных пути: уехать за границу, открыть свой бизнес в России или пойти работать в «Яндекс».
Решила остаться в России. Через школу менеджеров попала в «Яндекс» и стала аналитиком мобильного поиска. Ещё поняла, что хочу свой бизнес. Но аналитики такие люди, что с ходу ничего не делают. Я задалась целью разобраться, как устроен бизнес и кто вообще эти люди, для которых мы делаем продукты.
Елена Серёгина, основатель аналитического бюро Datalatte
Елена Серёгина, основатель аналитического бюро Datalatte
— Чем ты занималась в мобильном поиске?
По сути, это была та же научная деятельность. Перед нами стояли интересные задачи и никто не пинал со сроками. Например, необходимо было понять, почему люди пользуются поиском, какие на какие вопросы они хотят получить ответы. Стало понятно: от формулировки запроса сильно зависит то, что человек пытается найти.

Я строила гипотезы и проверяла их. Например, если в поисковом запросе есть глагол, значит, пользователь находится в контексте какого-то действия. Мне было необходимо «найти» такие действия и понять намерения людей.

В «Яндексе» достаточно много внутренних данных и проверка гипотез становится простым занятием. Я занималась кластеризацией случайных графов и немножко Natural Language Processing.

Позже перешла на работу в «Яндекс.Браузер». Отвечала абсолютно за все, что можно проанализировать. Там же возникла необходимость разобраться, что такое дашборды, какие метрики на них должны быть, как визуализировать данные и работать с заказчиками.
Кластеризация случайных графов — интересная исследовательская работа. Визуализация графов — это космос, а запросы пользователей — звёзды.
Кластеризация случайных графов

«Насмотренность и хорошие примеры помогли в создании первого дашборда»

— Расскажи, как ты создала свой первый дашборд?
Где-то недели через две-три после того, как пришла в «Браузер», появился заказ на дашборд. Я взялась за работу, не совсем понимая, как её выполнить.

Сначала прочитала книгу о принципах визуализации. Потом решила проанализировать все дашборды, которые были в «Яндексе»: выгрузила их и отсортировала по популярности. С утра до вечера сидела и изучала самые востребованные. Пыталась понять, по какому принципу они созданы, какие виды визуализации и метрики использованы, как все устроено.
Мой первый дашборд был на внутренних инструментах «Яндекса». С элементами JavaScript и конструкциями, похожими на Tableau.
— Как сложилась работа в «Браузере»?
На 1-3 аналитиков приходилось по 100 заказчиков, то есть была очень большая нагрузка. Мне пришлось научиться выстраивать приоритеты и работать с задачами в порядке их важности.

Я стремилась к максимальной автоматизации. Решила все данные, которые шли из разных источников, собрать в data warehouse. Но взаимодействовать через Python и писать большое количество скриптов проблематично, надо было искать другие варианты.

И тогда я начала делать две вещи: адаптировать внутреннюю BI систему «Яндекса» под запросы браузера и... пытаться «продать» компании Tableau. Это сейчас Tableau использует весь мир, но тогда было довольно сложно убедить людей приобрести систему. У меня это заняло примерно полтора года.
— А как ты узнала о Tableau?
Ещё до прихода в «Браузер» у меня были попытки запускать свои пилотные проекты. Как-то от «Билайна» поступил заказ — показать их метрики на карте. Сделать визуализацию в Excel непросто, и я начала искать другие варианты. Нагуглила, что есть Tableau. Его тогда ещё не было на Mac OS, только для Windows. Посмотрела презентации и поняла, что это круто.
Я влюбилась в Tableau с первого взгляда. Его создали ребята, которые любят математику и дизайн: эти две сущности они и объединили в продукте.
— После «Браузера» ты была аналитиком в «Яндекс.Такси». Чем занималась там?
Это тоже было интересно. Компания быстро развивалась, а я наблюдала за этим по количеству сотрудников в помещении. Сначала это была небольшая комнатка, где работало 5 человек. Через два месяца мы переехали в помещение побольше, где было уже порядка 50 человек. А когда через год я уходила из «Такси», нас было около 1000.

Когда происходит такой быстрый рост, стоит подумать об автоматизации. В «Такси» я делала то же самое, что и в «Браузере». А еще своими руками написала свой первый DWH.

«Хватит мечтать о своём деле, пора действовать»

— Как же всё-таки произошло, что из «Такси» ты перешла на вольные хлеба?
Так сложилось, что у меня был перерыв в работе. По-другому посмотрела на многие вещи.
Тогда мне жутко хотелось обсуждать с кем-то то, что знаю. Начала писать статьи про аналитику. Они были вообще непонятными и, наверное, их никто не читал. Но я продолжала писать. Постепенно появилась аудитория. Стали обращаться заказчики как к аналитику-фрилансеру.
Я решила, что хватит мечтать о своём деле — надо действовать. Написала на «Фейсбуке», что запускаю бюро, ищу клиентов и людей, которые будут аналитиками вместе со мной. Так в 2017 году у меня появилась первая команда и первые клиенты.
— Какими были твои первые проекты?
Самыми первыми клиентами были стартапы, представители малого и среднего бизнеса. Мы решали простые текущие задачи. Потом я начала ходить на конференции и преподавать. Появились серьезные заказчики, корпорации и крупный бизнес.

Моим первым значимым клиентом стала компания Skyeng, которая обратилась с запросом построить систему метрик. Это была исследовательская задача, и я не очень хорошо понимала, как её выполнить. До сих пор вспоминаю этот проект с теплом: ребята всячески меня поддерживали, содействовали и помогали. Пришли, по сути, к неизвестной девочке, доверили ей довольно сложную задачу и помогали её решать. Я создала для них систему метрик. Долго не могла придумать название, потом увидела в ней пирамиду.
И уже на конференции ProductSense я рассказала, что можно систематизировать метрики по принципу пирамиды. Показала механизмы, как это делать. Метод получил большой отклик у индустрии и крупных клиентов. Разовые заказы превратились во фреймворк, набор действий. Благодаря этой «Пирамиде метрик» меня начали узнавать.
Пирамида метрик Елены Серёгиной
Пирамида метрик Елены Серёгиной

«Самое важное для аналитика — аналитическое мышление»

— Как планируешь дальше развивать Datalatte?
Я думаю, что мне самой и всем, кто занимается консалтингом, разумно делать свой продукт, потому что это можно масштабировать. Сейчас мы инвестируем много времени и ресурсов в то, чтобы создать продукт из того, что мы делали как консультанты.
— А что думаешь о развитии рынка?
Что касается рынка аналитиков, то его границы сейчас размываются. Мы должны уйти от парадигмы «я аналитик» или «я проджект-менеджер». Исходить нужно из списка задач, то есть важно собрать свой скилл-сет. Я думаю, что преуспевать будут люди, которые имеют аналитический склад ума и умеют работать с данными.

Если говорить про данные, то BI будет расти. Отпадет необходимость глубоко знать Python.
— Сейчас все онлайн-школы включают изучение Python в программы курсов для аналитиков.
Да, но я уверена, что это не самое главное. Когда собеседуешь людей, окончивших курсы, не можешь найти хорошего аналитика. Оказывается, есть нюанс — аналитическое мышление. Python можно выучить вечерами за две недели, а научиться структурировать информацию и делать из нее логичные выводы гораздо сложнее.
Аналитическое мышление — навык, которым должен обладать каждый аналитик. И его важно постоянно прокачивать.
Поэтому я бы инвестировала в аналитические способности. Это навык, который идет в отрыве от наших профессий. Когда я думаю, кого считаю лучшим аналитиком, в голове возникает список из лучших предпринимателей и топ-менеджеров. Аналитическое мышление помогает нам развиваться и расти.
— Как, по-твоему, можно развивать аналитическое мышление?
Это как водить машину. Нужно заставить нейроны шевелиться. Надо решать задачи, которые заставляют изучать статистику и комбинаторику, включать логику.

Где брать задачи? Есть симулятор Go Practice. Сама не проходила, но многие хвалят. Я, например, упражняюсь на задачах для бизнеса с YouTube. Гораздо круче уметь решать их, чем писать что-то на Python.
— Ты, как человек с развитым аналитическим мышлением, что планируешь изучать дальше?
Я его все время развиваю — это непрерывный процесс. Сейчас изучаю саунд-дизайн. Хочу писать электронную музыку, вникаю в теорию и инструмент. Это очень интересный опыт.
Я стала лучше понимать людей, которым пытаюсь объяснить, как работать с Tableau, потому что сама нахожусь в такой ситуации. Пытаюсь создавать свою музыку, но не понимаю, как это делать. Поэтому я стала анализировать, как донести проще и быстрее то, чему хочу научить.
А еще я по-прежнему люблю теоретическую физику. Пока что только читаю материалы и повторяю теоремы. Тем самым прокачиваю свои мыслительные нейроны.

Дополнительно учусь зерокодингу. Потому что «Тильду» и Tableau я знаю, а вот, например, создать бот в «Телеграмме» не умею. И прокачиваю навык в ведении переговоров в компании, в выстраивании коммуникации.

Подведем итог

Я согласен с Еленой в том, что работа аналитика генерирует больше нейронных связей, чем любая другая профессия. Для хорошего специалиста важно аналитическое мышление, которое прокачивается решением задач, а не чтением литературы. Книги здесь — не основной инструмент, а вспомогательная возможность.

Когда лопнет мыльный пузырь рынка аналитиков, важным станет не количество, а качество. В приоритете будут аналитики, которые умеют работать с данными и имеют аналитическое мышление.
Если вы еще не получаете все новости и полезные материалы Института бизнес-аналитики первыми, то подписаться на рассылку можно внизу этой страницы. Надеюсь, статья была вам полезной и подарила парочку инсайтов.
Читайте также
Подпишись на рассылку и получи в подарок «Каталог лучших отраслевых дашбордов»!

Хочешь получать актуальные статьи о визуализации данных?