От запроса заказчика к проверяемому вопросу

ИИ для аналитики данных · Урок 1 / 24

Между «что там с продажами» и SQL

Аналитик почти никогда не получает готовый вопрос. Приходит «посмотри, что с оттоком», «почему упала выручка», «кажется, новый экран не работает». Это не вопросы к данным, а ощущения, за которыми стоит непринятое решение. Работа начинается с того, чтобы вытащить решение наружу и превратить ощущение в формулировку, которую можно проверить запросом и опровергнуть числом.

Три вещи, без которых вопрос не проверяем

  • Метрика с определением. Не «отток», а «доля платящих аккаунтов без единого успешного платежа в течение 30 дней после конца оплаченного периода».
  • Границы. Период, часовой пояс, страны, какие тестовые и внутренние аккаунты исключаются, включать ли возвраты.
  • Критерий ответа. Что будет результатом — число, сравнение двух чисел, список — и какое значение меняет решение, а какое нет.
Ощущение: «кажется, отток вырос»

Проверяемый вопрос:
  метрика  = доля платящих аккаунтов без продления в окне 30 дней
  разрез   = когорта по месяцу первой оплаты
  фильтры  = RU и KZ, без внутренних доменов, без ручных возвратов
  период   = 2024-01 .. 2025-06, время UTC
  критерий = рост более 2 п.п. три месяца подряд

Решение: при выполнении критерия часть бюджета привлечения
уходит на удержание. Иначе не трогаем.

Четыре вопроса, которые экономят неделю

  1. Какое решение вы примете по результату? Если ответа нет, задача исследовательская, и её приоритет другой.
  2. Какое число вас не удивит? Ожидание заказчика — это ваша первая проверка правдоподобия.
  3. С чем сравниваем? Метрика без базы сравнения бессмысленна: прошлый период, другой сегмент, план.
  4. Кто ещё считает это число? Если считает финансовый отдел или продуктовая команда, ваша цифра обязана сойтись с их цифрой или иметь объяснённое расхождение.

Где здесь ИИ

Модель хорошо работает санитаром формулировок. Дайте ей текст запроса заказчика и попросите перечислить, каких определений и границ не хватает, чтобы задача стала однозначной. Получите список пробелов — часть из них вы не заметили. Но не позволяйте модели закрывать эти пробелы за вас: она с готовностью придумает разумно звучащее определение оттока, вы его примете, а финансы считают иначе, и через две недели вы объясняете расхождение на совещании.

Проверка формулировки простая: дайте её двум коллегам отдельно и попросите описать, какой запрос они напишут. Если запросы различаются по фильтрам или периоду, вопрос ещё не проверяем.

Инсайт. Хорошая формулировка вопроса заранее содержит условие, при котором ответ будет «нет». Если сформулировать такое условие не получается, вас просят не про анализ, а про подтверждение уже принятого решения.
Частая ошибка. Уходить в данные сразу после разговора. Через два дня выясняется, что заказчику нужен был другой сегмент, и половина работы выброшена. Пятнадцать минут на письменную формулировку дешевле.
Про-совет. Фиксируйте формулировку письмом заказчику до начала работы: метрика, фильтры, период, критерий. Это же письмо потом станет первым абзацем отчёта и защитой от подмены вопроса на финише.

Когда вопрос не переформулируется

Иногда после трёх итераций проверяемой формулировки не выходит. Причины обычно две. Первая: нужных данных нет и не будет — «почему люди уходят к конкуренту» не считается по вашим логам, тут нужен опрос или интервью, и честный ответ аналитика звучит как «этот вопрос не про данные». Вторая: заказчику нужен не ответ, а поддержка уже сделанного выбора. Признак — любое ваше уточнение сужает вопрос так, что противоположный результат перестаёт быть возможным. В обоих случаях лучше сказать это вслух на старте, чем выдать через неделю красивый график, который никого ни в чём не убедит.

Шпаргалка

  • Вопрос заказчика — сырьё, а не задача.
  • Метрика, границы, критерий ответа — минимум для проверяемости.
  • Спрашивайте, какое решение будет принято по результату.
  • ИИ ищет пробелы в формулировке, определения даёте вы.
1. Что делает вопрос заказчика проверяемым?
2. Зачем спрашивать заказчика, какое число его не удивит?
3. Какая роль ИИ уместна на этапе постановки вопроса?

🔒 Ответьте на вопрос верно, чтобы перейти к следующему уроку.

От запроса заказчика к проверяемому вопросу — ИИ для аналитики данных — Skilvy