Монетизация больших данных. Как упаковать аналитический продуктКлиенты и продажи
Занимается анализом и визуализацией данных. Помогает заводам, банкам, торговым компаниям сделать большие данные понятными. Результат - руководители экономят время, принимают решения на основе данных.
Учит тому, что сам опробовал на практике. Ему удается говорить на одном языке с бизнесменами, программистами и дизайнерами. И делать проекты «под ключ» на стыке технологий и консалтинга.
10 лет внедрения аналитических систем BI/BigData.
30 проектов выполнено в роли руководителя и архитектора.
100 отчетов разработано в роли аналитика-постановщика.
2000 человек обучено на открытых и корпоративных тренингах.
Как показать клиенту результаты вашей работы, если вы создаете свой IT-продукт или делаете его на основе сложной аналитики больших данных? Да так, чтобы он все понял, четко увидел ценность продукта и не сомневался, что эта работа стоит денег, которые он платит.
Все слышали, что если проанализировать большие данные, то можно найти множество инсайтов по развитию продукта. Но обычно все останавливается на том, что в продукте есть "возможность анализа", но не аналитика. То есть разработчики делают экспорт, выгружают логи и ждут что клиент дальше сам придумает, как из этих данных получить прибыль. Только вот клиент встает в ступор перед этой выгрузкой и не знает, что с ней делать. Замкнутый круг.
Как выйти из этого ступора. Мой подход - не ждать, пока созреет клиент, а брать инициативу на себя. Конечно, это связано с рисками, но в итоге вы добавите ценности и конкурентных преимуществ вашему продукту. Я расскажу об этапах работы на примере клиентского отчета для сервиса прокторинга (проверки онлайн-тестов на жульничества).
1. Анализ данных и формулировка гипотез.
2. Визуализация дашборда.
3. Проверка гипотез.
4. Упаковка продукта.