Кто читает:: Департамент маркетинга и предпринимательства

Статус:: Курс обязательный

Когда читается:: 3-й курс, 3, 4 модуль

Преподаватели

Медникова Ирина Станиславовна

Привалов Игорь Васильевич

Дополнительные материалы в LMS Задать вопрос

Аннотация

Данный курс направлен на изучение инструментов аналитики для принятия решений в бизнесе. Первая часть курса будет посвящена аналитике данных в MS Excel, что позволит сформировать знания, умения и навыки, а также развить компетенции, необходимые для формирования у студентов data-analytic thinking, с помощью которого они смогут получать знания и инсайт из данных. Фундаментальные принципы работы с данными рассматриваются с точки зрения решения бизнес проблем. Данная дисциплина позволяет овладеть методами и программными средствами обработки деловой информации. Вторая часть дисциплины будет посвящена инструментам предиктивной аналитики, которые позволяют принимать стратегические решения в компании.

Цель освоения дисциплины

Рассчитывает результаты A/B-тестирования
Выбирает гипотезу, показавшую более эффективный результат
Проектирует сплит-тестирование для проверки гипотез
Сегментирует базу клиентов на основе RFM-анализа
Выделяет зоны роста продукта на основании результатов когортного анализа
Оценивает готовность продукта к росту на основании Product-Market Fit
Выбирает систему метрик и инструментов продуктового анализа, используя AARRR-воронку, путь клиента и этап жизненного цикла продукта
Преобразовывает путь клиента в систему событий, подходящую под инструменты продуктовой аналитики
Разрабатывает дерево метрик
Определяет метрику полярной звезды продукта

Планируемые результаты обучения

Понимать принципы визуализация данных и построения эффективных панелей индикаторов
Владеет базовыми навыками работы с данными: агрегированием, фильтрацией, созданием новых переменных, работой со сводными таблицами.
Владеет процедурой обнаружения пропущенных значений. Умеет работать с пропущенными значениями: удаление и стратегии замены.
Уметь применять машинное обучение для решения задач анализа данных
Преобразовывает путь клиента в систему событий, подходящую под инструменты продуктовой аналитики
Разрабатывает дерево метрик
Определяет метрику полярной звезды продукта
Рассчитывает результаты A/B-тестирования
Выбирает гипотезу, показавшую более эффективный результат
Проектирует сплит-тестирование для проверки гипотез
Сегментирует базу клиентов на основе RFM-анализа
Выделяет зоны роста продукта на основании результатов когортного анализа
Оценивает готовность продукта к росту на основании Product-Market Fit
Выбирает систему метрик и инструментов продуктового анализа, используя AARRR-воронку, путь клиента и этап жизненного цикла продукта
Знает особенности работы с современными дистрибутивами Python

Содержание учебной дисциплины

Введение в продуктовую аналитику
Инструменты продуктовой аналитики
Управление ростом продукта на основании продуктового анализа
Инструменты для работы с данными в Python
Основы синтаксиса Python
Работа с данными
Визуализации для создания отчетов
Машинное обучение

Элементы контроля

Домашнее задание по A/B-тестированию
Даны исходные данные по поведению пользователей на сайте (идентификатор пользователя, группа сплит-тестирования, версия сайта, показатели конверсии, времени на сайте, количество просмотренных страниц, другие характеристики клиента)
Домашнее задание по RFM-анализу
Даны исходные данные по покупательскому поведению клиентов онлайн-магазина парфюмерии и косметики.
Домашнее задание на анализ с применением машинного обучения
Создание аналитического отчета по датасету и ответ на вопросы

Промежуточная аттестация

2025/2026 4th module
0.5 * Домашнее задание на анализ с применением машинного обучения + 0.25 * Домашнее задание по A/B-тестированию + 0.25 * Домашнее задание по RFM-анализу

Список литературы

Авторы

Белохлебова Наталья Александровна
Медникова Ирина Станиславовна
Привалов Игорь Васильевич

Бакалаврская программа «Международная программа по бизнесу и экономике»

Продуктовая аналитика

Преподаватели

Программа дисциплины