Слабое место системы перфоманс ревью👀
Недавно рассказывала про две основные стратегии отношения к performance review и прохождения такового без вреда для психики. Но есть аспект, который туда не совсем укладывается.
Сразу дисклеймер: да, я не лид, сама никого не калибровала пока и близко, но видела паттерны в разных компаниях🌟
Из того, что я наблюдала лично в бигтехах, и как обжигались мои знакомые, мне кажется, что недостаточно внимания уделяется вопросу вознаграждения за сложность выполненных задач, когда они уже лежат в исследовательской плоскости📝
➡️ Стандартный аргумент звучит так:
— а толку, что ты старался, и применил какой-то инновационный метод, если бизнес с этого ничего не получил?
Мне кажется, он вполне валиден, если стоит задача защититься от излишне сложных, искусственных ресёрчей, которые только звучат круто, на деле съедая человекочасы. Или в стартапах, где реально ещё достаточно низковисящих фруктов, которые стоило бы сначала сорвать, подкрепиться и бежать дальше.
Но в зрелых продуктах, а особенно в компаниях, которые считаются топовыми по ⭐️аналитической культуре⭐️, или хотят таковыми стать, это уже странно, не находите?
Да, кринж пытаться подобрать сложную формулу или модель там, где данные ложатся в линейную регрессию с достаточным качеством. Или пихать causal impact везде ради красивого слова в резюме, не разобравшись, нужен ли он и работает ли здесь. В Авито, кстати, в требованиях к синьорным ресёрчам учтено, что сложность надо обосновать, а не нагородить для солидности.
Но рано или поздно всё равно появляются те самые задачи, которые реально обладают той самой «аналитической ёмкостью». Но не всегда окупаются моментально перед ревью.
➡️ Нас всегда учили: в аналитике, почти как в науке, важно докопаться до реальной картины, подкрепив её данными.
И для этого иной раз приходится проверять много гипотез, многие из которых будут отвергнуты — это естественно. А ещё нам говорили, что отрицательный результат — тоже результат.
Но система ревью по бизнес-показателям часто путает отсутствие желаемого результата с отсутствием результата вообще. Круто, когда удалось быстро угадать, в чём корень какой-то проблемы, подтвердить численно связь и вложить силы уже в осязаемое улучшение. А если нет, виноват аналитик?
➡️ Пусть аналитик в качестве потенциального «синьорского проекта» корректно задизайнил сложный эксперимент, по результатам которого нет статзначимости, или фичу лучше не раскатывать📉 А нового ресёрча аналогичных масштабов или более удачной фичи прямо сейчас не будет. Да, формально по импакту в этом полугодии его стоит оценить ниже, чем того, кто сделал тест попроще, который принёс кучу денег💪
Но какие выводы сделает первый аналитик из этой ситуации?
❤️ Что не стоило идти в такую «нишевую» команду, а надо было выбрать отдел маркетинга или монетизации? (не в обиду коллегам оттуда, просто пример типичных денежных доменов)
❤️ Что не стоило коммититься на такой ресёрч, направленный на объективную оценку ситуации, и проще было бы сказать «ну экспертно фича хорошая, катим», и все были бы довольны?
❤️ Что роли вроде Senior IC — это какой-то скам, так как предполагается ответственность за результат, на который ты не полностью влияешь? И опять после сложного отбора с высокими требованиями твою судьбу в компании решают харизма лида (мб и чужого) на калибровках и репутация отдела?
Итог: заходишь на какой-либо митап или даже корпоративный блог на Хабре, и видишь, что реально создают имидж компании именно интересные кейсы, когда нашли нетипичное слабое место в продукте, или внедрили state-of-the-art метод.
На практике же далеко не всегда сильному аналитику выгодно идти такое делать и нести аналитическую культуру (кроме тех самых нескольких команд, которые уже видны внутри компании и за её пределами) — проще в команду, где деньги мутятся💲
Впрочем, кто виноват, и что делать — я всё равно пока не знаю.
➡️ Но ваши мысли, наблюдения, кейсы приветствуются😎
#жизнь_в_бигтехах #непопулярное_мнение
@analytess 👩
Недавно рассказывала про две основные стратегии отношения к performance review и прохождения такового без вреда для психики. Но есть аспект, который туда не совсем укладывается.
Сразу дисклеймер: да, я не лид, сама никого не калибровала пока и близко, но видела паттерны в разных компаниях🌟
Из того, что я наблюдала лично в бигтехах, и как обжигались мои знакомые, мне кажется, что недостаточно внимания уделяется вопросу вознаграждения за сложность выполненных задач, когда они уже лежат в исследовательской плоскости📝
➡️ Стандартный аргумент звучит так:
— а толку, что ты старался, и применил какой-то инновационный метод, если бизнес с этого ничего не получил?
Мне кажется, он вполне валиден, если стоит задача защититься от излишне сложных, искусственных ресёрчей, которые только звучат круто, на деле съедая человекочасы. Или в стартапах, где реально ещё достаточно низковисящих фруктов, которые стоило бы сначала сорвать, подкрепиться и бежать дальше.
Но в зрелых продуктах, а особенно в компаниях, которые считаются топовыми по ⭐️аналитической культуре⭐️, или хотят таковыми стать, это уже странно, не находите?
Да, кринж пытаться подобрать сложную формулу или модель там, где данные ложатся в линейную регрессию с достаточным качеством. Или пихать causal impact везде ради красивого слова в резюме, не разобравшись, нужен ли он и работает ли здесь. В Авито, кстати, в требованиях к синьорным ресёрчам учтено, что сложность надо обосновать, а не нагородить для солидности.
Но рано или поздно всё равно появляются те самые задачи, которые реально обладают той самой «аналитической ёмкостью». Но не всегда окупаются моментально перед ревью.
➡️ Нас всегда учили: в аналитике, почти как в науке, важно докопаться до реальной картины, подкрепив её данными.
И для этого иной раз приходится проверять много гипотез, многие из которых будут отвергнуты — это естественно. А ещё нам говорили, что отрицательный результат — тоже результат.
Но система ревью по бизнес-показателям часто путает отсутствие желаемого результата с отсутствием результата вообще. Круто, когда удалось быстро угадать, в чём корень какой-то проблемы, подтвердить численно связь и вложить силы уже в осязаемое улучшение. А если нет, виноват аналитик?
➡️ Пусть аналитик в качестве потенциального «синьорского проекта» корректно задизайнил сложный эксперимент, по результатам которого нет статзначимости, или фичу лучше не раскатывать📉 А нового ресёрча аналогичных масштабов или более удачной фичи прямо сейчас не будет. Да, формально по импакту в этом полугодии его стоит оценить ниже, чем того, кто сделал тест попроще, который принёс кучу денег💪
Но какие выводы сделает первый аналитик из этой ситуации?
❤️ Что не стоило идти в такую «нишевую» команду, а надо было выбрать отдел маркетинга или монетизации? (не в обиду коллегам оттуда, просто пример типичных денежных доменов)
❤️ Что не стоило коммититься на такой ресёрч, направленный на объективную оценку ситуации, и проще было бы сказать «ну экспертно фича хорошая, катим», и все были бы довольны?
❤️ Что роли вроде Senior IC — это какой-то скам, так как предполагается ответственность за результат, на который ты не полностью влияешь? И опять после сложного отбора с высокими требованиями твою судьбу в компании решают харизма лида (мб и чужого) на калибровках и репутация отдела?
Итог: заходишь на какой-либо митап или даже корпоративный блог на Хабре, и видишь, что реально создают имидж компании именно интересные кейсы, когда нашли нетипичное слабое место в продукте, или внедрили state-of-the-art метод.
На практике же далеко не всегда сильному аналитику выгодно идти такое делать и нести аналитическую культуру (кроме тех самых нескольких команд, которые уже видны внутри компании и за её пределами) — проще в команду, где деньги мутятся💲
Впрочем, кто виноват, и что делать — я всё равно пока не знаю.
➡️ Но ваши мысли, наблюдения, кейсы приветствуются😎
#жизнь_в_бигтехах #непопулярное_мнение
@analytess 👩