Продуктовая аналитика

2026/2027

ID 1218708

Статус: Маго-лего

Кто читает: Департамент менеджмента

Где читается: Факультет социально-экономических и компьютерных наук

Когда читается: 3, 4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Марквирер Владлена Дмитриевна

Язык: русский

Кредиты: 6

Контактные часы: 46

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина знакомит студентов с принципами организации, хранения и анализа данных, используемых для принятия продуктовых и маркетинговых решений. Студенты изучают, как данные о пользователях, аккаунтах, сессиях, событиях, заказах, подписках, платежах и маркетинговых кампаниях представлены в современных информационных системах. Они учатся интерпретировать схемы данных, определять сущности и связи между ними, формулировать требования к данным и использовать SQL для извлечения и анализа информации. Практическая часть курса посвящена работе с реалистичной базой данных цифрового продукта. Студенты используют SQL для анализа пользовательской активности, активации, конверсии, воронок, удержания, оттока, монетизации и использования функций продукта. Особое внимание уделяется не только технической корректности SQL-запросов, но и правильному выбору единицы анализа, знаменателя, временного периода и продуктовой метрики. Рассматриваются проблемы качества данных, дублирования строк после объединения таблиц, пропущенных значений и несогласованных определений показателей. Студенты также знакомятся с возможностями и ограничениями использования искусственного интеллекта для создания и проверки SQL-запросов. Дисциплина ориентирована на будущих продуктовых маркетологов, продакт-менеджеров, продуктовых аналитиков и специалистов по развитию бизнеса, которые должны эффективно взаимодействовать с разработчиками, инженерами данных, аналитиками и руководителями продуктовых команд.

Цель освоения дисциплины

Формирование понимания роли данных, баз данных и аналитической инфраструктуры в разработке, продвижении и развитии цифровых продуктов
Развитие способности преобразовывать бизнес-задачи и продуктовые гипотезы в измеримые показатели и требования к данным
Формирование навыков профессионального взаимодействия с разработчиками, инженерами данных, аналитиками и другими участниками продуктовой команды
Освоение принципов реляционного моделирования на уровне, необходимом для понимания и постановки задач по сбору и хранению продуктовых данных
Освоение SQL на уровне, достаточном для самостоятельного извлечения, объединения, агрегирования и первичного анализа данных
Формирование навыков расчёта и интерпретации основных продуктовых и маркетинговых метрик
Развитие навыков проверки качества исходных данных, SQL-запросов и аналитических результатов
Формирование навыков документирования метрик и аналитических расчётов
Развитие способности формулировать выводы и продуктовые рекомендации на основе данных
Развитие навыков командной работы, аргументации и презентации аналитических результатов
Формирование ответственного отношения к использованию искусственного интеллекта и конфиденциальных данных

Планируемые результаты обучения

Определяет необходимые метрики, источники данных, период и единицу анализа
Объясняет назначение операционных и аналитических баз данных
Различает реляционные и нереляционные модели хранения данных
Знает основные принципы проектирования реляционных баз данных
Определяет сущности, атрибуты, ключи, связи и гранулярность таблиц
Разрабатывает базовый план сбора продуктовых событий
Взаимодействует с разработчиками, аналитиками и инженерами данных при решении продуктовых задач
Знает основные конструкции и возможности языка SQL
Разрабатывает SQL-запросы с использованием фильтрации, сортировки и условной логики
Выполняет агрегирование данных и рассчитывает продуктовые показатели
Объединяет данные из нескольких таблиц с учётом их гранулярности
Работает с пропущенными значениями
Использует подзапросы, общие табличные выражения и базовые оконные функции
Выявляет ошибки в SQL-запросах и расчётах продуктовых метрик
Работает с датами и временем в SQL-запросах
Рассчитывает показатели активности, активации, конверсии, удержания, оттока и монетизации
Строит продуктовые воронки и выполняет базовый когортный анализ
Формирует аналитические наборы данных для дальнейшей обработки в Python или R
Интерпретирует результаты анализа и формулирует продуктовые и маркетинговые рекомендации
Проверяет полноту, точность, уникальность и согласованность данных
Выявляет ошибки в данных, SQL-запросах и расчётах продуктовых метрик
Использует инструменты искусственного интеллекта для генерации и отладки SQL-запросов
Проверяет и исправляет SQL-запросы, созданные с помощью искусственного интеллекта
Интерпретирует результаты анализа с учётом качества и ограничений данных
Представляет результаты аналитической работы в формате записки или презентации

Содержание учебной дисциплины

Продуктовая аналитика и инфраструктура данных
Реляционная модель и проектирование продуктовых данных
Основы SQL для извлечения и объединения продуктовых данных
Аналитический SQL и ключевые продуктовые метрики
Качество данных, проверка SQL и использование искусственного интеллекта

Элементы контроля

Работа на семинарских занятиях
На каждом семинаре студент выполняет индивидуальное или групповое практическое задание, связанное с темой занятия.
Индивидуальное домашнее задание № 1
Студент индивидуально выполняет задание на основе учебного продуктового кейса и базы данных.
Индивидуальное домашнее задание № 2
Студент самостоятельно выполняет более сложное аналитическое задание на основе продуктовой базы данных. Работа включает: Работу с датами и временными периодами. Использование подзапроса или общего табличного выражения. Объединение нескольких таблиц. Построение продуктовой воронки или формирование когорт. Расчёт конверсии, удержания, оттока или реактивации. Расчёт показателей монетизации. Проверку гранулярности данных. Проверку отсутствия двойного учёта. Анализ ограничений данных. Формулирование продуктовой рекомендации. Студент сдаёт SQL-код, таблицу с результатами и краткую аналитическую записку.
Итоговый групповой проект с видеопрезентацией
Проект выполняется в группе не более пяти человек в течение третьего модуля. Команда выбирает или получает кейс цифрового, SaaS- или FinTech-продукта и разрабатывает комплексное аналитическое решение.

Промежуточная аттестация

2026/2027 4th module
0.25 * Работа на семинарских занятиях + 0.2 * Индивидуальное домашнее задание № 2 + 0.4 * Итоговый групповой проект с видеопрезентацией + 0.15 * Индивидуальное домашнее задание № 1

Список литературы

Авторы

Марквирер Владлена Дмитриевна
Деменева Диана Юрьевна
Сажина Александра Ильдаровна

Программа дисциплины