Сергей Кравченко

Привет!

Я Сергей, Senior Data Analyst в Lightspeed Commerce, международной commerce-платформе (POS и e-commerce). В продуктовой аналитике 4 года; до этого – научная работа, кандидат физико-математических наук. Параллельно – сооснователь компании с наукоёмким производством, так что смотрю на данные и со стороны бизнеса, которому по ним принимать решения.

Работаю на стыке продуктовой аналитики и причинно-следственного анализа (causal inference). В работе ближе всего та часть, на основе которой бизнес принимает решения: правильно поставить вопрос до того, как лезть в данные, корректно спланировать эксперимент и не дать команде сделать поспешные выводы. На практике это не раз экономило командам недели работы.

На сессиях иду от вашего запроса – рабочая задача, методология, код или карьерный вопрос. Если чёткого запроса нет, сформулируем вместе.

Аналитикам и дата-сайентистам:

• Что делать, когда A/B-тест "ничего не показал": эффекта правда нет или просто не хватило данных?

• Как оценить эффект там, где A/B невозможен: причинно-следственные методы (PSM, Difference-in-Differences) и когда им реально можно верить

• Метрика "упала", а продукт в порядке: как отличить настоящий сигнал от структуры данных и не чинить то, что не сломано

• Как довести вывод до продактов и стейкхолдеров, чтобы бизнес принял корректное решение

• Как из "умею писать SQL" вырасти в аналитика, чьим цифрам доверяют.

Продактам и фаундерам:

• Какие метрики стоит мерить на вашей стадии, а какие только отвлекают

• Как читать результаты экспериментов и не принять шум за эффект

• Сформулировать задачу так, чтобы честно ответить на правильный вопрос, а не точно – на неправильный.

Тем, кто переходит в аналитику:

• С чего начать и в каком порядке, чтобы не утонуть в курсах

• Как перейти в аналитику из смежной или научной области: на что опереться, что подтянуть

• Что реально нужно для первой работы, а что можно отложить.