Data driven vs “тонем в цифрах”

Если вы решите пройти десяток собеседований в разные iGaming-компании, то фразу “У нас Data Driven подход” услышите чаще, чем “У нас дружный коллектив”.

Но на деле часто оказывается, что весь Data Driven (далее — DD) сводится к тому, что у компании есть огромное количество дашбордов: часть из них давно покрылась слоем пыли, а другая используется исключительно для отчётов уровня “мы тут просели” или “мы тут выросли”.

Такая отчётность, безусловно, тоже нужна, но если вся работа с аналитикой сводится исключительно к ней — это не DD.

Что такое DD?

Если коротко — это умение принимать решения на основе данных. И важно, что это умение разделяют не отдельные руководители, а все члены компании.

Вот наш субъективный опыт, как мы стараемся прививать культуру DD в нашей компании.

1. Глоссарий метрик
   Это энциклопедия всех метрик, которые используются в работе, с расшифровкой, формулой и кратким пояснением. Так мы добиваемся того, чтобы все сотрудники одинаково интерпретировали каждую метрику.
2. Прозрачные бизнес-цели в цифрах
   Все команды должны чётко понимать, к чему мы идём в рамках заданного периода: квартала, полугодия, года и т.д.
3. Понимание своего влияния на бизнес-цели
   Каждая команда знает, как её работа помогает достигать целей компании. Любая задача влияет на определённые метрики, и после выполнения результат можно измерить.
4. Дашборды по командам
   У каждой команды — свой набор дашбордов (относительно небольшой), который помогает принимать решения в рамках зоны ответственности или выявлять проблемы. При этом каждый член команды умеет ими пользоваться. Дашборды других команд не скрыты и при необходимости доступны.
5. Валидация новых дашбордов
   Если возникает необходимость создать новый дашборд, заказчик ставит чёткое ТЗ и описывает задачи, которые он должен решать. Аналитики принимают финальное решение: создать новый дашборд, предложить альтернативу из существующих инструментов или доработать текущий.
6. Обучение дашбордам
   По каждому дашборду мы стараемся сделать текстовый или видео-гайд, который объясняет, как пользоваться инструментом и какие задачи он решает. Особенно полезно, когда сотрудник одной команды обращается к дашбордам другой.
7. Автоматизированные алерты
   Если на продукте наблюдается аномальное падение или скачок какого-либо показателя, в Slack прилетает автоматизированный алерт, который тегает ответственного человека или команду для оперативного выяснения причины.
8. Аналитик — лучший друг
   За каждым проектом закреплён аналитик, который помогает командам принимать решения и валидировать гипотезы. Любой член команды может прийти с идеей и попросить провести дополнительный анализ.
9. Работа через гипотезы
   Любую идею мы стараемся проводить через гипотезы с обозначением, на какие метрики хотим повлиять и как будем это измерять.
10. Рабочие группы по критическим вопросам
    Если на продукте появляется глобальная проблема, которая могла возникнуть из-за множества факторов, создаётся рабочая группа. В неё входят представители разных команд (продукт-менеджер, гейм-менеджер, CRM-специалист и т.д.), которые выдвигают гипотезы по своим зонам ответственности.

При этом важно понимать, что DD — это не панацея от всех проблем.

Если сайт после релиза стал грузиться по 20 секунд вместо привычных пяти — рабочая группа для выяснения причины просадки метрик не нужна.

Если в процессах хаос и любая задача делается втрое дольше, чем должна, DD тоже не поможет.

Вывод

Data Driven — это не про дашборды и не про отчётность. Это про культуру осознанных решений, где цифры не просто фиксируют прошлое, а направляют будущее продукта.

И чем раньше компания начнёт строить такую культуру, тем выше её шанс не просто реагировать на изменения, а управлять ими.