Гараж
Корисні ресурси для продакт аналітиків: рекомендації куратора
Куратор Product Analytics. Basic Сергій Яременко ділиться зі студентами цілими добірками додаткових ресурсів. Серед них — здебільшого матеріали вчених та інженерів, на противагу авторам-продактам, підприємцям та представникам бізнесу. Запитали в Сергія, з чим справді цінно ознайомитись тим, хто занурюється в тему, та як розпізнати якісний контент.
Читати: блоги, гайди, книги

Ось як Сергій зазвичай працює з темами: знаходить проблему, шукає статтю на Medium або ролик на YouTube, який за 10-15 хвилин дозволяє глядачам вникнути в тему, заглиблюється в деталі. Головний критерій якісного контенту з продуктової аналітики для нього — помірний, описовий, науковий стиль тексту чи відео.

Куратор радить уникати статей з клікбейтами та журналістськими кліше: «Ви вимірюєте конверсію неправильно!» або «10 способів підвищити retention». А ще — матеріалів, де стверджують, що робити треба так і тільки так. Адже в питаннях інтерпретації даних усе сильно залежить від контексту й деталей; якщо їх ігнорувати, це викликає велику підозру.
1
Spurious Correlation
Вибірка різних графіків, на яких автор ілюструє золоте правило: «кореляція не дорівнює причиново-наслідковому зв'язку».
2
A/B Testing Guide
Детальне покрокове пояснення від продуктової компанії VWO, для чого потрібні різні види тестувань.
3
How to calculate a survey sample size
Стаття про 5 етапів, які дозволяють розрахувати ідеальний обсяг вибірки та забезпечити точні результати опитувань.
4
Типові розподіли ймовірності: шпаргалка data scientist-а
Детальний путівник найпоширенішими розподілами від Шона Овена, директора Data Science у Cloudera.
5
Статистика й експерименти
Добірка статей від авторів однойменного курсу: від блогу про гроші як основну метрику в А/B тестуванні до порад, як боротись із соціальними ефектами.
6
Машинне навчання для людей
Детальна й зрозуміла стаття про машинне навчання: простою мовою, без формул-теорем та з прикладами реальних задач і їхніх рішень.
7
The Math Behind A/B Testing with Example Python Code
Кейс використання нового методу.
8
9
MCMC-семплінг для тих, хто вчився, але нічого не зрозумів
Детальний розбір, як працює симуляція в методі Баєса.
10
Trustworthy Online Controlled Experiments
Книга-практичний гайд просунутими методиками A/B тестувань.
11
Data visualization: basic principles
Текст, який допоможе розкласти по поличкам, які візуалізації використовувати та з якою метою.
12
App analytics: How to read a retention graph
Стаття, щоб розібратися, для чого потрібен когортний аналіз та як його трактувати.
13
Mistakes, we've drawn a few
Блог про помилки у візуалізації від журналістки з візуалізації даних у The Economist.
14
The Art of Effective Visualization of Multi-dimensional Data
Розбір кількох ефективних візуалізацій даних.
15
The hate of pie charts harms good data visualization
Детальний розбір, коли не варто візуалізувати діаграми у вигляді пирога.
16
In defense of the pie chart
...А ось стаття про те, коли їх використовувати можна та про що пам'ятати, щоб не помилитися.
17
Рекомендаційні системи
Детальний опис типів рекомендаційних систем. І так, людською мовою.
Дивитися: лекції, виступи, експерименти
1
The scientific method
Ролик від Khan Academy, який допоможе зрозуміти, як за допомогою наукового методу можна ставити запитання та тестувати припущення.
2
TED: The danger of mixing up causality and correlation
Математик та наукова журналістка Іоніка Смітс пояснює, чому не варто плутати кореляцію та причинові зв'язки.
3
The Bayesian Trap
Ще одне корисне відео, у якому пояснюють особливості та відмінності Баєсової статистики.
4
UI та налаштування GA
Безкоштовні ролики з курсу Advanced Google Analytics.
5
The Stilwell Brain
Експеримент з візуалізацією роботи нейронної мережі за участі натовпу людей на футбольному полі.
Більше про методи, інструменти, тестування Сергій розповідає на своєму курсі Product Analytics. Basic.

Редакторка: Тоня Чундак
Головне фото: Наталія Азаркіна

Гараж
Сподобалась стаття?