Продуктовые метрики

2026/2027

ID 1152470

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 1 модуль

Охват аудитории: для своего кампуса

Преподаватели: Паточенко Евгений Анатольевич

Язык: русский

Кредиты: 3

Контактные часы: 28

Дополнительные материалы в LMS Задать вопрос

Аннотация

Эта дисциплина научит комплексно работать с продуктовой и бизнес-аналитикой: от понимания жизненного цикла продукта и приоритизации ключевых метрик до применения их в A/B-тестировании, мониторинге и маркетинговой аналитике. Вы освоите подходы к построению и внедрению BI-систем как продукта, научитесь проектировать и заполнять фреймворк Dashboard Map, подбирать релевантные типы дашбордов под разные задачи и роли, определять метрики и срезы для анализа. В рамках курса вы разберёте методики фасилитации стратегических сессий, научитесь выявлять потребности заказчика, структурировать бизнес-процессы и сущности компании, а также определять точки контроля. Практическая часть включает воркшоп и проект по Dashboard Map, где вы совместно с командой проработаете задачу заказчика и подготовите комплексное решение. Финальный проект закрепит умение применять полученные знания и инструменты для анализа продукта, формулирования гипотез, обоснования выводов и подготовки рекомендаций на основе данных.

Цель освоения дисциплины

Студенты научатся определять этапы жизненного цикла продукта, соотносить с ними задачи аналитика, проводить декомпозицию метрик и устанавливать их приоритеты с учётом стратегии продукта.
Студенты научатся конструировать метрики под продуктовый вопрос и проверять их пригодность, формировать корректный набор метрик для A/B-тестирования, разрабатывать дизайн эксперимента, а также применять статистические методы и STL-декомпозицию для мониторинга и выявления аномалий.
Студенты научатся рассчитывать и анализировать метрики привлечения пользователей, решать задачи атрибуции и использовать когортный анализ для оценки поведения и удержания аудитории.
Студенты научатся описывать архитектуру и компоненты BI-систем, подбирать методологии их внедрения и рассматривать BI-системы как продукт, встроенный в аналитическую инфраструктуру компании.
Студенты научатся проектировать и заполнять Dashboard Map, определять роли бизнес-пользователей, сущности, продукты, бизнес-процессы и точки контроля, подбирать типы дашбордов и метрики под конкретные задачи, фасилитировать стратегические сессии и формировать action plan.
Студенты научатся в команде и самостоятельно применять аналитические инструменты и подходы для построения дашбордов, анализа данных, формулирования гипотез, обоснования выводов и разработки продуктовых рекомендаций.

Планируемые результаты обучения

Понимает модель жизненного цикла продукта и её ключевые этапы
Соотносит задачи аналитика с этапами жизненного цикла продукта
Может определить уровень аналитической зрелости компании, понимает зону ответственности и типовые задачи, решаемые аналитической командой на каждом из уровней
Применяет декомпозицию метрик по ключевым срезам для поиска причин изменений
Понимает принципы фреймворка North Star Metric и модели пирамиды метрик
Умеет рассчитывать продуктовые метрики для разных доменов
Выстраивает уровни приоритетов для набора продуктовых метрик
Обосновывает приоритеты на основе жизненного цикла и стратегии продукта
- Понимает требования, предъявляемые к метрикам в a/b-тестировании
- Знает классификацию метрик с точки зрения принятия решений в продуктовых экспериментах
- Формирует набор метрик для проведения A/B‑теста, включая прокси‑метрики
- Знает подходы корректного анализа ratio-метрик в a/b-тестировании
- Разрабатывает дизайн эксперимента: обосновывает набор метрик, выбирает единицу рандомизации и рассчитывает длительность тестирования
- Понимает требования к процессам и инфраструктуре мониторинга продуктовых метрик
- Применяет статистические методы для обнаружения аномалий
- Понимает, что такое метод STL‑декомпозиции и как он применяется для анализа временных рядов
Понимает ключевые метрики привлечения пользователей
Понимает проблемы атрибуции и знает основные подходы к их решению
Знаком с когортным анализом как подходом к анализу пользовательского поведения
Применяет изученные аналитические подходы для решения комплексного продуктового кейса
Формулирует гипотезы на основе проведенного анализа
Обосновывает выводы и предлагает рекомендации для продукта, опираясь на результаты анализа
-понимает, какие задачи решает внедрение BI-системы
- знает методологии внедрения BI-системы
- знает из каких компонентов состоит BI-система
- понимает, что значит относиться к BI-системе как к продукту
- понимает, из каких этапов состоит алгоритм создания Dashboard Map
- знает, какие навыки нужны для работы с Dashboard Map
- знает границы применения Dashboard Map (количество пользователей)
- понимает, как связаны фреймворки Dashboard Map и Dashboard Canvas
- знает, кого приглашать на стратегическую сессию составлению по Dashboard Map
- знает способы определения ролей бизнес-пользователей
- знает что роль не равно должность, один человек может выполнять несколько ролей
- понимает, что такое сущности
- понимает, что такое бизнес-процессы
- понимает что такое продукты
- понимает как выделять точки контроля в бизнес-процессах
- знает, что представляют собой 7 типов дашбордов: алерты, овервью, страницы сущностей, аналитические, эксперименты, self-service, дашборды по направлениям
- умеет подбирать тип дашборда под задачу
- знает источники информации для сбор метрик и срезов
- знает, на какие критерии нужно опираться при составлении метрик и срезов
- умеет определять метрики и срезу для конкретной задачи
- понимает, как подготовиться к стратегической сессии по составлению Dashboard Map
- знает лучшие практики проведения сессии (получил чек-лист)
- знает способы приоритизации дашбордов в конце стратегической сессии
- понимает, как составить action plan для завершения стратегической сессии
- совместно с командой умеют задавать вопросы заказчику для выявления задачи в процессе стратегической сессии, находясь в диалоге с заказчиками
- совместно с командой умеют выделять роли бизнес-пользователей и заполнять соответствующий раздел Dashboard Map
- совместно с командой умеют выделять подразделение, сущности, продукты и бизнес-процессы и заполнять соответствующий раздел Dashboard Map
- совместно с командой умеют подбирать дашборды для решения задачи заказчика, опираясь на собранную информацию и и заполнять соответствующий раздел Dashboard Map
- умеет подбирать релевантные типы дашбордов под заданные условия (роли, продукты, сущности, бизнес-процессы), заполняя соответствующую часть DashboardMap
Студенты научатся определять, какие AI-инструменты для визуализации данных доступны на рынке, и понимать их функциональные особенности
Студенты смогут применять AI-инструменты (ChatGPT, Claude, Julius, Google Colab, DataLore и др.) для обработки данных и построения визуализаций
Студенты научатся создавать прототипы чат-ботов для работы с данными, подключая API LLM-моделей и реализуя системы Q&A
Студенты освоят использование AI для генерации кастомных графиков и дашбордов на JavaScript, а также определение случаев, когда AI может заменить BI-инструменты
Студенты смогут разрабатывать и встраивать кастомные графики в DataLens с использованием AI, включая настройку ChartEditor
Студенты научатся оценивать возможности и ограничения AI-инструментов в задачах визуализации, выбирать подходящие решения для бизнес-кейсов

Содержание учебной дисциплины

Роль аналитика в развитии продукта
Приоритизация метрик
Метрики в A/B тестировании
Мониторинг метрик и детекция аномалий
Маркетинговая аналитика в IT-продукте
Юнит-экономика продукта
Конструирование и оценка качества метрик
Финальный проект
BI-система как продукт
Алгоритм создания Dashboard Map
Роли бизнес-пользователей системы отчетности
Анализ продуктов, бизнес-процессов и сущностей компании
Какие типы дашбордов бывают и какие задачи они решают
Метрики и срезы
Фасилитация
Воркшоп "Заполнение фреймворка Dashboard map"
Итоговый минипроект по блоку Dashboard Map
Вебинар "Обзор AI-инструментов для визуализации данных"

Элементы контроля

Финальные проекты блоков к разделу (уроку) 8 и 17.
Итоговые задания дисциплины для составления Dashboard Map (операционная аналитика) и выполнения комплексного проектного задания по продуктовым метрикам.
Домашнее задание к разделам (урокам) 9-15. Квиз на закрепление основных понятий урока.
44 тестовых заданий: 9 урок - 6 заданий, 10 урок - 4 задания, 11 урок - 4 задания, 12 урок - 7 заданий, 13 урок - 11 заданий, 14 урок - 5 заданий, 15 урок - 7 заданий.
Домашнее задание к разделам (урокам) 1-4. Практические задания по работе с Jupyter ноутбуком.
4 практических задачи: 1 урок - 1 задание, 2 урок - 1 задание, 3 урок - 1 задание, 4 урок - 1 задание.

Промежуточная аттестация

2026/2027 1st module
Итоговая оценка соответствует сумме баллов за выполненные задания на LMS karpov.courses и LMS ВШЭ, приведенные к 10-балльной шкале (см. таблицу). Для каждого задания на LMS-платформе karpov.courses определён дедлайн в 14 календарных дней, после наступления которого студенту начисляется 70% от итогового балла за задание. Для домашних заданий на LMS ВШЭ дедлайн составляет 14 календарных дней, без возможности отправить решение по истечении.

Список литературы

Авторы

Ахмедова Гюнай Интигам кызы

Программа дисциплины