А почему конверсия больше 100% у тебя на дашборде?
Или немного о вечном: качестве данных.
Представьте ситуацию: приходит продакт и спрашивает, почему на дашборде какая-то ерунда, например конверсия в определенный способ оплаты больше 100%. Меня всегда забавляет этот вопрос, потому что в его основе лежит предположение, что дашборд обманывает. В то время как дашборд показывает только то, что лежит в источнике данных, и если на графиках что-то странное, то в большинстве случаев проблема в источнике, значит надо искать, что изменилось в сырых данных.
Например, в случае конверсии выше 100% очень похоже, что в каких-то случаях перестали отправляться события начала оплат, поэтому успешных оплат больше чем начатых. Сходите в разработку с этим пожалуйста))
Также этот вопрос может встретиться на собеседовании, обычно в формулировке: у нас упали продажи за вчера на 20%, аларм, ужас, что будем делать?
В большинстве случаев тут ожидают продуктового решения, но на практике в 70% случаев проблема оказывается в данных: упал пайплайн, сломался трекинг событий, не обновился источник и так далее. Поэтому и на собеседовании, и в жизни стоит начать с проверки целостности и качества данных, а потом уже закапываться в продуктовые причины.
Это актуально для всех, кто работает с данными, не только для аналитиков. Например, в биоинформатике тоже нередко были ситуации, когда для RNA-seq была плохо проведена пробоподготовка, тогда тоже хоть как ни старайся провести анализ, скорее всего ничего путного не получится. Конечно, в определенных случаях можно пытаться это исправить, например есть пакеты для выявления батч эффекта, но если на входе совсем мусор, то самые крутые методы анализа уже не помогут.
В общем сегодня немного базы: garbage in – garbage out.
Уважаемые подписчики, пожалуйста следите за качеством данных, мониторинги и алертинги наши друзья, без этого никакого дата дривен и технологической сингулярности не случится 😏
#analytics
Или немного о вечном: качестве данных.
Представьте ситуацию: приходит продакт и спрашивает, почему на дашборде какая-то ерунда, например конверсия в определенный способ оплаты больше 100%. Меня всегда забавляет этот вопрос, потому что в его основе лежит предположение, что дашборд обманывает. В то время как дашборд показывает только то, что лежит в источнике данных, и если на графиках что-то странное, то в большинстве случаев проблема в источнике, значит надо искать, что изменилось в сырых данных.
Например, в случае конверсии выше 100% очень похоже, что в каких-то случаях перестали отправляться события начала оплат, поэтому успешных оплат больше чем начатых. Сходите в разработку с этим пожалуйста))
Также этот вопрос может встретиться на собеседовании, обычно в формулировке: у нас упали продажи за вчера на 20%, аларм, ужас, что будем делать?
В большинстве случаев тут ожидают продуктового решения, но на практике в 70% случаев проблема оказывается в данных: упал пайплайн, сломался трекинг событий, не обновился источник и так далее. Поэтому и на собеседовании, и в жизни стоит начать с проверки целостности и качества данных, а потом уже закапываться в продуктовые причины.
Это актуально для всех, кто работает с данными, не только для аналитиков. Например, в биоинформатике тоже нередко были ситуации, когда для RNA-seq была плохо проведена пробоподготовка, тогда тоже хоть как ни старайся провести анализ, скорее всего ничего путного не получится. Конечно, в определенных случаях можно пытаться это исправить, например есть пакеты для выявления батч эффекта, но если на входе совсем мусор, то самые крутые методы анализа уже не помогут.
В общем сегодня немного базы: garbage in – garbage out.
Уважаемые подписчики, пожалуйста следите за качеством данных, мониторинги и алертинги наши друзья, без этого никакого дата дривен и технологической сингулярности не случится 😏
#analytics