2026/2027
Анализ данных для управления продуктом
Статус:
Маго-лего
Кто читает:
Департамент бизнес-информатики
Где читается:
Высшая школа бизнеса
Когда читается:
1, 2 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
6
Контактные часы:
48
Программа дисциплины
Аннотация
Дисциплина «Анализ данных для управления продуктом» направлена на формирование у студентов понимания роли данных в принятии продуктовых решений. В рамках дисциплины рассматриваются продуктовые метрики, дерево метрик, A/B-тестирование, базовая статистика для интерпретации экспериментов, SQL для решения продуктовых задач, визуализация данных, построение аналитических панелей, прогнозное моделирование и применение машинного обучения в работе продуктового менеджера.
Курс имеет прикладной характер. Теоретические материалы сопровождаются разбором продуктовых кейсов, практическими заданиями, работой с учебными и сгенерированными данными, построением аналитических панелей и моделированием продуктового эффекта. Дисциплина не ставит целью подготовку профессиональных аналитиков или специалистов по данным; основной фокус курса — развитие способности продуктового менеджера понимать данные, формулировать аналитические вопросы, оценивать качество выводов и принимать продуктовые решения с учетом ограничений данных.
В первом модуле дисциплина связана с дисциплинами «Продуктовый менеджмент» и «Пользовательский опыт и управление клиентскими метриками». Студенты используют выбранный продукт Авито как общий контекст для формулирования гипотез, выбора метрик, построения дерева метрик и проектирования эксперимента. Во втором модуле допускается работа с отдельными учебными кейсами и наборами данных.
Цель освоения дисциплины
- Сформировать у студентов способность использовать данные для принятия продуктовых решений: выбирать и обосновывать метрики, проектировать и интерпретировать A/B-тесты, понимать физический смысл данных, формулировать задачи для аналитической проверки, строить аналитические панели, оценивать прогнозный эффект продуктовых инициатив и формулировать продуктовые рекомендации с учетом ограничений данных.
Планируемые результаты обучения
- знать роль аналитики в управлении продуктом и основные ограничения продуктовых данных;
- знать типы продуктовых метрик, принципы построения дерева метрик, различия между целевыми, косвенными и контрольными метриками;
- знать базовую логику A/B-тестирования, включая формулирование гипотез, выбор целевой метрики, определение тестовой и контрольной групп, минимально обнаруживаемый эффект, статистическую значимость, мощность теста и интерпретацию результатов;
- знать базовые конструкции SQL, необходимые для решения типовых продуктовых задач и проверки агрегированных данных;
- знать принципы построения продуктовых аналитических панелей и визуализации данных;
- знать логику построения прогнозной модели, базового прогноза, оценки прироста эффекта, плана поэтапного запуска и ключевых допущений;
- знать возможности и ограничения применения машинного обучения для поиска, подтверждения и проверки продуктовых гипотез;
- уметь формулировать продуктовую гипотезу через метрики и пользовательское поведение;
- уметь строить дерево метрик для продукта или продуктовой инициативы и объяснять связи между уровнями метрик;
- уметь проектировать базовый A/B-тест и описывать ограничения выбранного дизайна;
- уметь интерпретировать результаты эксперимента, включая неоднозначные результаты и изменения контрольных метрик;
- уметь читать и составлять простые SQL-запросы для анализа пользовательского поведения и продуктовых метрик;
- уметь проектировать структуру аналитической панели как инструмента принятия продуктовых решений;
- уметь строить или описывать прогнозную модель и оценивать прогнозный эффект инициативы;
- уметь формулировать продуктовые выводы и рекомендации на основе данных, ограничений и рисков.
Содержание учебной дисциплины
- Роль аналитики в управлении продуктом и продуктовые метрики
- Проектирование A/B-тестов и базовая статистика для продуктовых решений
- Анализ и интерпретация результатов эксперимента
- SQL для продуктового анализа
- Визуализация данных и продуктовые аналитические панели
- Прогнозное моделирование и принятие продуктовых решений на данных
Элементы контроля
- Посещение занятий
- Практические работыстудент выполняет пять практических работ. В первом модуле практические работы выполняются на материале выбранного продукта Авито и связаны с продуктовой гипотезой, метриками и A/B-тестированием. Во втором модуле практические работы будут выполняться на отдельных учебных кейсах и наборах данных. • Практическая работа №1 посвящена выбору метрик и построению дерева метрик для выбранной продуктовой гипотезы. • Практическая работа №2 посвящена проектированию A/B-теста: формулированию статистических гипотез, выбору целевой и контрольных метрик, описанию групп, расчету или обоснованию параметров эксперимента и рисков дизайна. • Практическая работа №3 посвящена анализу предоставленных или сгенерированных результатов A/B-теста, интерпретации данных и формулированию продуктовых выводов. • Практическая работа №4 посвящена построению аналитической панели в Redash или аналогичном инструменте и объяснению его продуктовой логики. • Практическая работа №5 посвящена построению прогнозной модели для продуктовой инициативы и формулированию продуктовой рекомендации на основе модели.
- Обязательные задания по SQL в системе дистанционного обученияобязательные задания по SQL направлены на проверку базового владения SQL для решения продуктовых задач. Задания могут включать выборку и фильтрацию данных, агрегирование, группировку, объединение таблиц, чтение SQL-запросов и интерпретацию результата запроса. Задания выполняются в системе дистанционного обучения и проверяются автоматически. Блокирующий статус: два теста по SQL являются обязательными блокирующими элементами контроля. Результаты тестов не включаются в формулу расчета итоговой оценки по дисциплине. До получения статуса «зачтено» по обоим тестам промежуточная аттестация по дисциплине не считается успешно пройденной.
- Письменный экзаменитоговый контроль проводится в формате очного письменного экзамена в аудитории. Экзамен проверяет освоение ключевых тем дисциплины за 1 и 2 модули: продуктовые метрики, A/B-тестирование, базовый SQL, аналитические панели, прогнозное моделирование и формулирование продуктовых рекомендаций на основе данных. Письменный экзамен может включать короткие задачи и вопросы на понимание ключевых понятий, задачи на интерпретацию результатов A/B-теста, базовые задания по SQL, а также кейсовый блок, связанный с постановкой задачи на аналитическую панель, логикой прогнозной модели, выводами и продуктовой рекомендацией. Оценка за письменный экзамен выставляется по 10-балльной шкале.
Промежуточная аттестация
- 2026/2027 2nd module0 * Обязательные задания по SQL в системе дистанционного обучения + 0.1 * Посещение занятий + 0.55 * Письменный экзамен + 0.35 * Практические работы
