Начинаем, залетайте: https://www.youtube.com/watch?v=vfUUcTAvHyw

С корабля на бал — и сразу новый стрим (сегодня)!

Сегодня (ср) в 19:00 мск встречаемся с Мариной из канала Продакт Аналитикс на живом эфире! Поговорим о насущном:

→ почему люди вообще приходят в аналитику и всем ли туда надо?
→ что происходит с рынком труда, живой ли он, реально ли устроиться?
→ как растут требования к кандидатам

Ну и немного расскажу про свой путь, как вообще пришел к школе и всякие другие вопросы (вижу, в комментах уже спрашивают — почему я не люблю PBI 😁).

Ссылочку на трансляцию вкину перед стримом, так что приходите + Марина у себя опубликует. Всех ждем 🧡

UPD. Ссылка на запись: https://www.youtube.com/watch?v=vfUUcTAvHyw

Пора прервать месячное молчание в этом канале. Весь последний месяц я активно проводил первый поток своего авторского тренинга «Как делать аналитику». Получилось очень круто!

Подробности начну рассказывать чуть позже. Но лично я после проведения очень сильно переосмыслил многие вещи, по сто раз пересчитал цифры в наших собственных проектах и сделал много полезных выводов (большинство уже воплощаются в жизнь в виде решений).

А еще — придумал примерно миллион тем для постов! Поэтому скоро вы услышите много интересного про когорты, деревья метрик и другие штуки)

А пока проверю силу коммьюнити — приглашаю вас присоединиться к нашей команде, ведь у нас открыто сразу 3 вакансии! Они не связаны напрямую с аналитикой, но вдруг кому-то зайдет!)

1. Персональный бизнес-ассистент CEO

Человек, который будет работать напрямую со мной. Будет много задач в плоскости работы с отделом продаж, HR, ресерчами и куча другого разного. Если не боишься много и разнопланово работать, брать ответственность, а еще тебя тоже вымораживают неаккуратные таблички — возможно, нам стоит познакомиться))

2. B2C sales manager

Мы расширяем команду менеджеров по продажам в B2C. У нас крутейший продукт, неагрессивные продажи, классные условия (и финансовые, и командные). Если ты любишь общаться с людьми и продавать нативно (но с высокой конверсией) — тебе точно в нашу команду.

3. B2B sales manager

Сейчас мы строим B2B направление для продажи наших курсов с нуля и нам нужны сильные люди в команду. Если вы крутой B2B sales manager, кто хочет развиваться в сторону РОПа и готов строить отдел B2B-продаж с нами — отзовитесь. А если вы просто крутой B2B sales manager и просто хотите продавать крутой продукт — тоже отзовитесь)

Если что-то из этого актуально вам или вашим друзьям/коллегам — приходите ко мне в личку @andron233 с резюмешками, поболтаем)

Ворвусь к вам с пятничным контентом!

На днях ходил на подкаст к ребятам из Сравни (мы с ними давно и плотно сотрудничаем, а тут собрались в неформальной обстановке). И у нас случился очень интересный разговор вокруг аналитики:

1/ Зачем аналитика нужна в компаниях, причем не только аналитикам
2/ Почему мозг саботирует принятие верных решений
3/ Что вообще сейчас происходит с рынком труда — лавочка прикрыта или живем?

Да и в целом много классного было — рассказал пару своих факапов, про персональные данные поговорили, про ИИшку. Емко и по делу, рекомендую короче 😘

🔗 Youtube
🔗 VK Видео
🔗 Rutube
🔗 Яндекс Музыка

P.S. Попросили попозировать для обложки — сказал, что я серьезный парень и давайте возьмем серьезную фотку. Тем временем дизайнеры, которые просто вырезали какой-то упоротый момент из видео — 😂

Вчера затронули тему A/B-тестов — пожалуй, сделаю еще пару постов на эту тему)

Мы в Simulative прямо сейчас активно прорабатываем тему A/B-тестов в рамках нашей линейки курсов, поэтому я много изучаю вокруг этого вопроса. Общаюсь со студентами и уже действующими аналитиками, смотрю курсы на других платформах, читаю статьи по теме и т.д.

И обратил внимание, что один из самых волнующих вопросов (как со стороны новичков, так и со стороны опытных аналитиков) — «А как технически проводить A/B-тесты, чтобы не прострелить себе ногу»?

И реально — как-то всегда много внимания уделяется анализам результатов и принятию решений на основании A/B-тестов, но в то же время есть и другие важные вопросы — как сплитовать аудиторию, как контролировать результаты тестов и как вообще на этапе анализа одновременно посмотреть кучу метрик и ничего не упустить.

Кто-то использует готовые решения, кто-то костылит, а некоторые компании инвестируют много денег и времени в свои платформы. Например, на моих глазах ребята из Авито создавали свою внутреннюю A/B-платформу — лично знаком с аналитиками, которые принимали в этом участие + помню, сколько боли и итераций было сделано, чтобы это стало реально классным продуктом.

А недавно они выкатили ее в открытый доступ (кстати, называется Trisigma — кто шарит, понял прикол про три сигмы 😘). И теперь кто угодно может использовать платформу, разработанную ведущей компанией страны с точки зрения дата-культуры, для решения своих задач по A/B.

Рекомендую от души — кто давно подписан на меня, видели, что я периодически вкидываю рекомендашки про Авито)

В общем, если у вас в компании есть задачи, связанные с A/B-тестами и вы не знаете, как к ним подступиться/хотите улучшить их проведение — просто запросите демку. Я тоже записался, нам как раз сейчас актуально ✋

Кстати, мы сейчас обсуждаем с ребятами из Trisigma сделать крутую совместную активность — пока подробности не могу рассказать, но если получится, будет круть! Stay tuned!

Под моими постами частенько мелькают вопросы про A/B-тесты. Оно и понятно — тема, на самом деле, максимально горячая и актуальная + максимально непонятная и с кучей тонкостей. Сам всегда с интересом изучаю материалы по этой теме (прямо сейчас в соседней вкладке открыта статья про повышение чувствительности тестов — для небольших бизнесов это актуально).

Я лично особо про это ничего не пишу, потому что не занимаюсь этим на ежедневной основе и в больших масштабах, как это делают в бигтехе. Но с удовольствием готов вам рекомендовать других авторов, которые со знанием дела про это пишут.

Например, канал Юры Борзило. Обязательно подпишитесь и рекомендую сразу начать с этого поста — он собрал в одном месте 60 постов по A/B-тестам 💀 Просто прочитайте их все, выпишите — где у вас пробелы и проработайте эти темы. Это уже будет супер полезно.

Мы с Юрой, кстати, встречались на Матемаркетинге — рассчитываю, что на ближайшей конфе снова увидимся 🫂

P.S. А еще мы с Юрой планируем скоро провести совместный стрим — так что не пропустите анонс, будет очень необычная для меня тема))

Сегодня последний день, чтобы вписаться в тренинг «Как делать аналитику». Завтра уже стартуем первую лекцию 🤘🏻

Мы уже сформировали чатики, открыли бонусные материалы участникам и уже придумали несколько дополнительных активностей сверх того, что заявлено в программе)

Будет насыщенно:

1/ Научитесь общаться с бизнес-заказчиком так, чтобы незаметно для него самого вытаскивать из него боли с помощью адаптированного JTBD-фреймворка.
2/ Поймете, что не всегда нужно строить дашборды — разберетесь с аналитическими отчетами, алертами, выгрузками, крос-чеками и прочими важными вещами. Это база.
3/ На примере реальных кейсов из разных сфер бизнеса разберетесь — почему вы делаете неправильные выводы, как их не делать и как делать правильные.
4/ Разберем несколько бизнесов про то, как построить там аналитику с нуля — какие отчеты нужны, какие компетенции, какой стек технологий и т.д.

В общем, залетайте в последний вагон — завтра запрыгнуть уже нельзя будет)

🔗 Запрыгнуть по ссылке

Подключайтесь, начинаем!)

🔗 зумчик
🔗 ютубчик

Приглашаю вас сегодня в 19:30 Мск на спонтанный стрим с Ильей Красинским, основателем rick.ai и тренинга Product Heroes 🔥

Поговорим на тему «Почему компании и аналитики делают аналитику неэффективно?». Обсудим:

1/ Как влияет data quality на итоговый результат
2/ Как нужно организовать инжиниринг и сбор данных, чтобы это все эффективно работало
3/ Какие ошибки часто делают аналитики/продакты, когда пытаются делать выводы
4/ На какие вещи продакты/аналитики часто смотрят по-разному, где бывают конфликты?

Общаться будем в зуме + транслировать на ютуб — подключайтесь по любой удобной ссылке:
🔗 зумчик
🔗 ютубчик

Если есть вопросы — задавайте их под этим постом, постараемся разобрать!)

Retention — это, однозначно, метрика будущего. Но она же и одна из самых загадочных — ее чуть ли не сложней всего анализировать и принимать качественные решения.

Если всякие CAC, vCPL, ROMI и прочие приколы мы считать умеем с закрытыми глазами, то с retention как правило у людей (и компаний) большие проблемы:

1/ Часто retention просто не считают. Все уделяют внимание первой продаже, но мало кто всерьез работает над повторками.

2/ Если retention и считают, то делают это неправильно. Считают n-day вместо rolling (или наоборот) и не понимают потом, что с этим делать.

3/ Не умеют прогнозировать. Retention — метрика, которую мы никогда не знаем полностью, потому что потенциально «хвост» удержания может уходить в бесконечность. А значит, нужно уметь retention правильно моделировать.

4/ Не умеют тестировать. Тестировать влияние изменений на retention — это очень длинный путь. Нужно условно полгода/год или даже несколько лет, чтобы оценить изменение удержания на дальних этапах. Можно это сильно ускорить за счет прокси-метрик, но мало кто их использует.

5/ Не учитывают влияние некоторых факторов. Удержание — одна из самых «ветвистых» метрик с точки зрения того, как выглядит дерево гипотез для ответа на вопрос «почему упал retention». Приложение залагало — пользователь отвалился. Продавец нахамил — пользователь отвалился. И так далее — работа над retention-ом предполагает глубокое продуктово-аналитическое погружение.

И чем раньше мы научимся retention считать, тестировать и переводить в полезные для бизнеса решения, тем раньше мы будем на коне (как в рекламе OldSpice). Потому что стоимость привлечения дорожает с каждым днем, конкуренция во всех бизнесах тоже усиливается ежедневно, а значит экономика на первой продаже будет сходиться все хуже. А вот за счет длинного retention (и, соответственно, LTV) можно будет тащить.

Я планирую сделать целую серию постов про работу с retention — это большая тема, тут можно много сказать. Если у вас есть вопросы по этой теме — обязательно напишите в комментариях, постараюсь на них ответить в постах!

А если вы хотите прям глубоко на реальных кейсах погрузиться в работу с retention и удержанием — записывайтесь на мой авторский тренинг «Как делать аналитику». Там как раз будет несколько кейсов именно про аналитику retention и LTV.

🔗 Записаться

Поток стартует уже через неделю, но места еще есть, так что записывайтесь — будет мощно, выложусь на все 1000%! 🔥

Самый главный навык вообще

Я часто пишу, что главный навык аналитика — делать правильные выводы. Но все больше размышляя про это, я прихожу к выводу, что это не главный навык аналитика, а главный навык вообще. И не только для аналитика, а для кого угодно. Сейчас объясню.

Давайте отвлечемся от аналитики и представим вполне себе бытовую ситуацию: вам нужно поднять что-то очень тяжелое. Ваши силы ограничены, поэтому единственный вариант это сделать «в полевых условиях» — использовать рычаг. Чем длиннее будет рычаг — чем проще вы решите свою задачу. То самое «Дайте мне точку опоры и я переверну Землю» — традиционные слова Архимеда по этому поводу.

Теперь возвращаемся в нашу реальность. Любое изменение в компании можно разложить на 2 составляющие: принятие решения и воплощение этого решения в жизнь (= работа).

Работа — ограниченная со всех сторон штука: временем, деньгами, количеством сотрудников и так далее. В каждой компании/отделе есть некая максимальное количество работы, которая может быть выполнена.

А вот решения — как раз почти ничем не ограничены. В этом смысле решения являются «рычагом» из нашего с вами примера. Чем качественней решение — тем длинней рычаг. А значит, тем значительней будет и результат!

Можно принять хорошее, но мелкое решение. Мы потратим мало сил, но за счет маленького рычага мы никуда особо не продвинемся. Это мелкий кипиш. Можно принять плохое решение и потратить на него много сил — тогда мы сильно вспотеем, пытаясь сдвинуть тяжесть с места, но короткий рычаг и ограниченная сила нам это не позволят сделать.

А можно нащупать классное решение, потратить на него оптимальное количество сил и получить супер-эффект. Буквально перевернуть Землю, но в масштабах отдельного отдела/компании/целого рынка!

🟠Плохая новость: нащупывать классные решения — очень сложно. И на уровне знаний/инструментов, и на уровне физиологии.

🟠Хорошая новость: нащупывать классные решения можно научиться.

🟠Просто отличная новость: если вы научитесь их нащупывать, вам это окупится многократно — круто бустанет по карьере / прокачаете свой отдел или компанию / сильно ускорите результаты, до которых бежали бы очень долго без этого навыка.

И обратите внимание — я нигде не сказал про «аналитиков». Да, аналитики много занимаются нащупыванием решений — это вообще их работа, по сути. Но это относится ко всем, кто так или иначе принимает решения, а это буквально ВСЕ: продакты, проджекты, менеджеры разных уровней, предприниматели, маркетологи и все-все вообще.

Поэтому, если вы хотите научиться находить сильные рычаги, нащупывать правильные решения и делать выводы на основании данных — приглашаю вас на свой авторский тренинг «Как делать аналитику».

🔗 Записаться

Поток стартует уже через неделю, но места еще есть, так что записывайтесь — буду рад всех видеть ❤️‍🔥

Data quality

Есть тема в аналитике, о которой не очень принято говорить, но именно она занимает до 50% рабочего времени и создает больше всего геморроя. Речь о качестве данных (data quality).

На моем опыте — большинство проблем с построением отчетов/дашбордов возникает именно из-за качества исходных данных. Написать запрос — несложно. Построить дашборд — тоже рядовая задача. А собрать воедино кучу грязных и разрозненных данных — задача практически нерешаемая, все равно упустите какие-то corner cases.

А самое ужасное, что низкий уровень data quality приводит к неправильным решениям.

Смотришь в отчет и видишь, что большинство клиентов покупает после вебинаров. А на самом деле покупает после чего-то еще, просто у тебя сделки «расклеиваются» и ты этого не видишь. У нас ушло очень много времени (и до сих пор ловим флешбеки), чтобы сметчить лог активностей наших лидов с уже купившими клиентами.

Вот небольшой чек-лист, который подойдет большинству компаний. Проверьте качество сбора хотя бы этих данных и ваша жизнь станет легче на 90%.

1/ Одинаковая маска для телефонов. Определитесь — либо везде «+7», либо «8», либо вообще без префикса. Сразу подумайте, что делать с зарубежными номерами.

2/ Все почты, имена и прочие важные текстовые поля сохранять в одном регистре. В некоторых БД поиск и сравнение регистрозависимое, поэтому андрон и Андрон — разные вещи.

3/ Все url-адреса сохранять по одному шаблону. Чтобы не было так: часть с «www» — часть без, часть с «https» — часть с «http», у части в конце слеш — у части нет, и так далее.

4/ Приводите дату и время к одному формату и одной таймзоне. К одному формату — чтобы на уровне БД потом эффективно работать с датой, без преобразований. К одной таймзоне — чтобы потом понять, во сколько человек реально оставил заявку и по Мск это или по Владивостоку.

5/ Периодически проверяйте базу на дубли. Например, сделки в CRM могут дублироваться, но почта одна и та же. Пробегайтесь раз в сутки автоматизированным скриптом и объединяйте такие сущности в мастер-записи.

6/ Номенклатуры/другие важные названия задавайте по одному паттерну. Например, чтобы группа товаров «Носки» иногда не превращалась в «Носочные изделия», а где-то — вообще в «Носки теплые». Любая витрина данных — это большое количество соединений разный таблиц, поэтому любые отличия, даже минимальные, приведут к «выпаданию» некоторых строк. А вы даже не увидите этого.

7/ Стандартизируйте паттерны. Например, договоритесь, что все UTM-метки задаются по строгой структуре, а разделитель — всегда нижнее подчеркивание или дефис. Такая жесткая стандартизация позволит в некоторых сложных ситуациях работать прям со значениями, сплитовать по разделителю, делать поиск с помощью регулярных выражений и прочие страшные штуки — иногда такое пригождается.

8/ Удаляйте все лишние пробельные символы. При сохранении в БД в начале/конце не должно быть никаких пробелов, табов и прочих штук — это сильно может усложнить жизнь.

9/ Удаляйте все лишние пробельные символы [2]. Только теперь не в начале, а вообще в строке. Если кто-то указал 3 пробела между именем и фамилией — перед записью в БД замените с помощью регулярки на один пробел.

10/ Правильные форматы данных. Не сохраняйте даты и числа — как строки и т.д.

Это минимальный набор правил, но он покрывает большинство проблем, которые я встречал в своей практике. Просто выполняйте все эти проверки/преобразования ДО записи в БД и ваши данные будут близки к идеальным.

Кстати, я тут подумал — давайте наберем 200 разных реакций на этот пост и я прям поделюсь некоторыми заготовками скриптов для очистки данных по этим пунктам 🔥

ANDRON ALEXANYAN

Присоединяйтесь, начинаем разгонять: https://us06web.zoom.us/j/89646404584?pwd=wUbFMJuOXJhLoYqWUUY4yOXw5DK0wU.1

Шаг назад

Сейчас будет удивительный тезис для этого блога: аналитика нужна не всегда. Поясню. Обычно мы используем аналитику, чтобы:

* Найти слабое звено и «починить» его
* Найти сильное звено и сделать его еще лучше

Однако есть ситуация, когда ни то, ни другое вам делать не нужно. А именно: когда ваш продукт — говно.

Вот несколько примеров:

1/ Вы развиваете мобильную игру. Можно провести хоть 1000 A/B-тестов с разной монетизацией, вовлекательными триггерами и прочей лабудой, но если механика игры сама по себе скучная и наблюдается бешеный churn rate — в этом нет смысла. Еще меньше смысла искать классную маркетинговую связку и масштабировать ее — деньги полетят, как в прорву. Сначала надо сделать шаг назад и починить фундаментальные продуктовые ошибки.

2/ У вас бренд одежды. Можно бесконечно экспериментировать с акциями и анализировать CJM, пытаясь спасти падающую лояльность и снижение retention, но если качество пошива и тканей стремительно падает — может стоит сделать шаг назад и починить продукт, а не копаться в цифрах?

3/ У вас интернет-магазин. Можно оголтело пытаться увеличивать время пользователя на сайте (потому что фаундер выбрал это вашей North Star Metric), но ни на долю не увеличить конверсию в заказ. Растить метрики «для красоты» — глупая затея. Если вы встроите в интерфейс своего сайта бесплатный стриминг боев UFC — наверняка туда придет много пацанов и будет проводить на сайте очень много времени. Только вот на продажу косметики это не сильно повлияет :) Поэтому нужно сделать шаг назад и посмотреть — а над тем ли мы вообще работаем?

Такие ситуации происходят сплошь и рядом. Со стороны про них очень просто говорить, особенно на гиперболизированных примерах все кажется очевидным. Но в моменте цифры всегда более туманные, а твой взгляд изнутри очень предвзятый.

Поэтому подумайте прямо сейчас — может быть и вам стоит сделать «шаг назад» в каком-то вопросе? И я пойду подумаю 🧠

А если хотите глубже погрузиться в тему принятия решений на основе данных и когнитивных искажений в аналитике, записывайтесь на мой тренинг «Как делать аналитику». В начале следующей недели участники уже получат несколько бонусных лекций от меня, а следующий поток будет не скоро, так что залетайте!)

Приглашаю вас на классный ивент — в четверг (6 фев, 18:00 Мск) буду разгонять про аналитику на вебинаре в Ассоциации Аналитиков Армении 🇦🇲

Расскажу:

* Как работать с данными, чтобы извлекать из них максимум пользы
* Какие есть «мета-установки» про работу с данными
* Как и за счет чего принимать точные решения, а не тонуть в табличках с цифрами

Чтобы поучаствовать — просто заполните анкету ➡️ та самая анкета.

P.S. Если есть вопросы — накидывайте в комментарии!
P.P.S. Говорить буду на русском 😂
P.P.P.S. Подписывайтесь на канал Ассоциации, они такие ивенты проводят регулярно!

Хотел накатать пятничный контентный пост, но поступила новая информация, так что делюсь!)

Наша школа Simulative вошла в рейтинг RB Choice — «100 перспективных стартапов 2024». Приятно)

Движемся дальше, не переключайтесь 💪

Подмена причинно-следственной связи корреляцией

Вчера на вебинаре мы затронули тему — почему люди делают неправильные выводы. Про несколько ошибок, например, ошибку фейковой аргументации и поверхностных выводов я уже писал ранее. А сегодня расскажу про еще одну — подмену причинно-следственной связи корреляцией.

Давайте не будем рассматривать абстрактные примеры, а рассмотрим конкретный кейс из опыта нашей школы Simulative.

Около года назад мы внедрили экспериментальный формат «экскурсии»: человек оставлял заявку, чтобы посмотреть наш курс изнутри, и мы в формате часового видео-созвона (!) все подробно показывали. Конверсия в покупку с этого формата была отличная. Напрашивается логичный вывод:

Количество покупок напрямую зависит от количество лидов, которые мы приведем на экскурсию. Увеличится одно — будет расти и другое.

Другими словами, мы увидели «корреляцию» между двумя процессами — «экскурсия» и «покупка». И, действительно, статистическая связь между этими двумя явлениями существует: растет одно — растет и другое.

Однако, когда мы наблюдаем сильную связь между двумя процессами, может быть несколько сценариев:

1. Процессы друг с другом абсолютно не связаны и это чистая случайность.

Пример: в годы, когда рождается больше высоких людей, сборная по футболу играет лучше. Это чистое совпадение.

2. Процессы друг с другом связаны, но не напрямую, а есть какой-то внешний фактор, который одновременно их объясняет.

Пример: в годы, когда растет потребление мороженного, увеличивается количество пожаров. Вроде независимые события, но наверняка они объясняются аномальной жарой в эти годы. Жара является причиной для обоих фактов, но они друг на друга никак не влияют.

3. Один из процессов является причиной для другого.

И если первые два пункта все еще показывают корреляцию между процессами, то третий пункт свидетельствует о наличии причинно-следственной связи (ее еще называют «каузацией»).

И наш пример — как раз про это. На самом деле, зависимость конверсии в покупку с проведением экскурсий не случайно. Конверсия в покупку увеличивается потому что (!) на экскурсию приходят априори более теплые и прогретые лиды, которые готовы уделять целый час, так еще и в формате видео-созвона. Они так и так более склонны к покупке, чем остальные заявки — конверсия у них в любом случае была бы выше.

То есть здесь мы видим не просто взаимосвязь между двумя событиями, а что одно из них (повышение конверсии в продажу) происходит из-за другого (люди приходят на экскурсию, т.к. они более прогретые).

Как это использовать? Как минимум, можно не вляпаться в ошибку. Например, если не выявить каузацию достаточно рано, можно залить много денег в рекламный трафик, привлекая холодную аудиторию на экскурсию. Как итог — наша «корреляция» резко испариться и конверсия упадет. И это будет отличным маркером того, что это была не «корреляция», а «каузация». Но лучше определять это на берегу и заранее, чтобы не сливать деньги на такие тесты.

Кстати, если вы хотите прокачаться в том, как делать выводы на основании данных — залетайте на мой тренинг «Как делать аналитику». До завтра еще действуют цены для «ранних пташек», с февраля цена вырастет.

Как вам тема про корреляцию и каузацию? В ней еще много всего интересного — если хотите узнать подробней, накидайте реакций, сделаю еще серию постов 😘

Как прокачать самый главный навык аналитика? 💪

В этом канале я много пишу про:

* Как делать выводы из цифр, а не просто в них смотреть
* Как делать эти выводы правильными
* Как не совершать типовых ошибок — например, поверхностных выводов или фейковой аргументации
* Как превращать эти выводы в бизнес-решения и проверять их (желательно быстро и дешево)

Уверен на 100%, что именно эти навыки постепенно будут становиться основным требованием к аналитикам. На самом деле, это уже происходит прямо сейчас на рынке труда — работодатели на собеседованиях все больше дают продуктовых кейсов и тестовых заданий, которые проверяют «продуктовое мышление».

Это и ожидаемо — писать блестящий код на Python уже не так уж и сложно: с этой задачей неплохо поможет ChatGPT. А тут еще и DeepSeek с Qwen2.5-1M в спину дышат. А вот делать качественные выводы, которые приводят к результату — это задача куда более нетривиальная.

Это супер горячая тема — практически под каждым постом вы задаете про это разные классные вопросы. Поэтому завтра, в 19:00 Мск, я решил провести вебинар «Как прокачать самый главный навык аналитика». Поговорим о том, что все-таки из себя представляет самый главный навык аналитика и обсудим несколько способов, как его прокачать.

🔗 Ссылка на вебинар

В общем, приходите — уверен, заберете себе много полезного!)