Функции отдела бизнес анализа

Аналитический отдел проводит анализ, оценивает финансовое состояние компании, выполняет плановые задания, определяет прибыль в объемах товарооборота, ликвидность и рентабельность фирмы. Служба делает прогноз продуктивности, в рыночной конъюнктуре исходя из аналогичных предприятий. В задачу аналитического отдела входит оценка инвестиционных проектов.

Как сформировано подразделение?

Основой в создании этой службы на предприятии служат ее функциональные принципы:

1. В планировании деятельности сотрудники ориентируются на развитие фирмы в разные отчетные периоды.
2. Начальник аналитического отдела находится в постоянном взаимодействии с руководством компании, имеет полную информацию о производственных процессах, связях с другими организациям, результатами текущими и перспективными.

Руководителю службы доступны данные о производительности других отделов предприятия, чтобы делать анализ процессов и претворять в жизнь поставленные перед организацией цели.

Задачи руководителя

Без начальника ни одно подразделение не будет эффективно работать, системе необходимо грамотное управление. Аналитический отдел возглавляет один из ведущих специалистов, досконально разбирающийся в характерных особенностях производства, его поэтапных процессах.

Начальник осуществляет контроль над комплексом мероприятий, которые направлены на то, чтобы:

• создавать благоприятное общественное мнение об организации;
• формировать положительный имидж;
• поддерживать в глазах общественности статусный уровень.

Аналитический отдел первым узнает о критических для компании финансовых ситуациях.

Основные должности

Для формирования базы оперативных данных и распространения среди конкурентов и контрагентов информации об успешных событиях, которые происходят на предприятии, нанимают технического специалиста. Необходим в структуре и менеджер для связи со средствами массовой информации. Его целью является поддержка компании в медийном пространстве, чтобы деятельность предприятия обсуждалась в новостях на телевидении, в газетах, журналах, на интернет-порталах.

Без журналиста работа аналитического отдела будет неполной. Он занимается написанием статей, посвященных производству, которые публикуют разные СМИ.

Инженеру предстоит разрабатывать специальные проекты. Специалисты из сфер маркетинга и социологии следят за работой аналогичных производств, их положением на рынке, сопоставляют результаты. Они проводят анализ данных о фактическом состоянии и последствиях от выполненных действий. Делопроизводителем все движение бумаг приводится в порядок.

Секретарь в любой момент может найти нужный документ, передать его нужному специалисту по первому требованию. Художником претворяются в жизнь дизайнерские задумки.

Какими методами решают производственные задачи?

Информационно-аналитический отдел создается, чтобы работать в следующих направлениях:

• собирать информацию о деятельности рынка с помощью наиболее дешевых и эффективных технических средств;
• создавать базу общественных отношений, знать их методы, каналы, формы влияния.

Исследование поступающей информации происходит двумя способами:

• мониторинг среды по публикациям, позитивным, нейтральным отношениям, динамическим показателям;
• статистика: исследуют качественные критерии, фиксируют по временным отрезкам и официально утвержденным формам.

Исследование производства статистическими методами позволяет быстро определить и выделить из массовых явлений конкретную картину.

Аналитический отдел налоговой службы

Не только производственным предприятиям необходима аналитика — в федеральной службе она работает как ключевая структура. В обязанность специалистов входит большой объем работ по обработке данных, они поступают от всех субъектов, плательщиков налогов. Деятельность осуществляется по вертикальным и горизонтальным направлениям, а значит, связана с лицами, сдающими отчеты учреждению, и правительственной финансовой системой. Все в контрольно-аналитическом отделе взаимосвязано и интегрировано.

Сотрудники подразделения выполняют следующие задачи:

• исследование фактов;
• ведут поиск новых обобщенных информационных и цифровых данных;
• выводят закономерности.

Специалистам службы приходится действовать под контролем официальных предписаний, где исключены утечки информации, с неукоснительным соблюдением должностных инструкций и внутреннего распорядка работы службы. Налоговый аналитик в современном мире стал профессионалом, которому предъявляются наиболее серьезные требования:

• пунктуальность;
• добросовестность;
• обширный багаж знаний в разных отраслях деятельности человека.

Чем занимаются сотрудники?

К основным функциям аналитиков налоговой инспекции относятся:

• исследование трудоемких случаев налоговых недостач;
• определение возможностей в уклонении от обязательных платежей;
• сбор доказательств и предположений, фактов, которыми оперируют субъекты налогообложений, чтобы избавиться или снизить налоговую нагрузку;
• поиск методов борьбы с мошенниками.

Инспекторы разрабатывают методику для искоренения серых схем, предоставляют для знакомства материалы кадровому составу. Сведенная в общую систему информация позволяет штатным сотрудникам вывести статистические закономерности о поступлении средств за конкретные отчетные периоды. Они определяют структуру, характерные признаки долгов по сборам. Эта работа нужна, чтобы понять эффективность подразделений, то, насколько они справляются с подконтрольной организацией или предпринимателем.

Обнаруживают аналитики проблемы по удержанию налогов с физических лиц:

• земельных;
• транспортных;
• имущественных.

Статисты принимают участие в судебных разбирательствах.

Связь с другими подразделениями

Тесное сотрудничество с отделами помогает аналитикам в создании собственной базы данных. К примеру, юристы передают информацию о выигранных и проигранных делах.

Специалисты ведут учет суммам, которые затребовали с должников, увеличивается процент получения взысканных средств в государственную казну. Сотрудники аналитической службы взаимодействуют с федеральным казначейством, финансистами из высших властных структур в отношении оформлений, заполнений отчетов, достоверности цифр и поступлений в кассу.

Ведение операций по манипуляциям со счетами позволяют открыть источники для бюджета, вывести прогноз на будущее. В функции инспекторов входят проверки для выяснения правомерности по налоговым отсрочкам. Каждый отчетный период сопровождается формированием заключений. Результат поступает к руководству, которое делает соответствующие выводы, исправляет нарушения, повышает качество функций отдела и фискальной системы в целом.

Источник: fb.ru

Бизнес аналитика: что это такое в 2022 году и как начать зарабатывать на новой профессии?

Привет всем, друзья! ✌ Сегодня рассмотрим что такое Бизнес аналитика и топ курсов обучения с нуля, которые можно пройти абсолютно бесплатно.

Бизнес‑аналитика — это прежде всего работа с данными, изучение показателей деятельности компании. Ей занимаются специально подготовленные специалисты — бизнес-аналитики. На основе анализа данных они помогают управленцам выявить проблемы бизнеса и найти возможности для его устойчивого развития.

Чем бизнес‑аналитика отличается от бизнес‑анализа

Без выдачи сертификата

Обучающая программа: спикер разберёт основы анализа в бизнесе и способы увеличения эффективности бизнес-процессов.

• Срок обучения: 1 урок с обучающим контентом.
• Форма контента: лекции + задания в видео.
• Связь с преподавателем: нет.
• Срок регистрации на поток: без ограничений.
• Необходимый уровень знаний: для новичков.
• Проверка домашки: без проверки.
• Цена: бесплатно.

• Урок 1. Как анализировать бизнес-процессы и повышать прибыль компании?

Навыки после обучения

• разберем реальные примеры как бизнес-процессы помогают становится прибыльнее;
• как с помощью аналитики бизнес-процессов понять загрузку сотрудников и вовремя изменить модель управления компанией;
• разберем основные критерии оценки экономической эффективности процессов.

На правах профессии «Аналитик Данных»

За 10 месяцев, каждый пользователь сможет получить профессию аналитика данных. Эта специальность охватывает также и бизнес-сферу. Студент получит практические навыки в работе с инструментами от Google-таблиц до Python и Power BI.

• 14 самостоятельных проектов с персональной обратной связью
• 100% инструментов, необходимых junior-аналитику
• Личный координатор для решения любых вопросов
• Небольшие учебные группы — до 20 студентов
• Специализация в маркетинге или продукте продвинутого уровня

• Тренажер «Google Таблицы для анализа данных »
• Тренажер «Базы данных и SQL»
• Тренажер «Python для анализа данных»
• Курс «Статистика для аналитиков»
• Курс «Построение отчетов в BI системах»
• Специализация на выбор

Что получают на курсе пользователи?

• Уроки с упором на практику
• Помощь преподавателя и коллектива
• Общаемся и помогаем друг другу в Slack
• Делаем домашние задания

2. «Анализ и моделирование бизнес-процессов»

Без выдачи сертификата

Обучающая программа: курс рассказывает о современных методах моделирования и анализа бизнес-процессов.

• Срок обучения: 10 недель с обучающим контентом.
• Форма контента: лекции.
• Связь с преподавателем: нет.
• Срок регистрации на поток: без ограничений.
• Необходимый уровень знаний: для новичков.
• Проверка домашки: без проверки.
• Цена: бесплатно.

• Организации как сложные социотехнические системы
• Структурный анализ SADT/IDEF0/…
• Теоретические основы управления процессами
• АRIS
• BPMN
• Эталонные и референтные модели бизнес-процессов
• Методы анализа бизнес-процессов
• Совершенствование, реинжиниринг, цифровизация
• ИТ в анализе, совершенствовании и управлении бизнес-процессами
• Операционные риски

Навыки после обучения

• собирать, обобщать и систематизировать информацию, которая необходима для создания моделей бизнес-процессов;
• идентифицировать и классифицировать бизнес-процессы, разрабатывать модели бизнес-процессов с использованием методологий и нотаций IDEF0, ARIS, BPMN в специализированных компьютерных программах;
• формулировать цели бизнес-процессов и связывать их со стратегическими целями деятельности предприятия;
• анализировать бизнес-процессы и интерпретировать информацию, получаемую в результате этого анализа,

3. «Бизнес-аналитика»

C выдачей сертификата

Обучающая программа: вы узнаете, как аналитики данных описывают, прогнозируют и обосновывают бизнес-решения в конкретных областях маркетинга, людских ресурсов, финансов и операций, а также разовьете базовую грамотность в области обработки данных и аналитический склад ума, который поможет вам принимать стратегические решения на основе данных.

• Срок обучения: 6 месяцев с обучающим контентом.
• Форма контента: лекции.
• Связь с преподавателем: нет.
• Срок регистрации на поток: без ограничений.
• Необходимый уровень знаний: для новичков.
• Проверка домашки: без проверки.
• Цена: бесплатно.

• Анализ потребительского поведения
• Operations Analytics
• People Analytics
• Анализ финансовой отчетности
• Business Analytics Capstone

Навыки после обучения

• Сможете понять как данные используются для набора персонала и оценки эффективности
• Смоделируйте спрос и предложение для различных бизнес-сценариев
• Начнёте Решайте бизнес-проблемы с помощью принятия решений на основе данных
• Понимание инструментов, используемых для прогнозирования поведения клиентов

Заключение

Источник: evgenev.ru

Кейс: как построить отдел аналитики в большой компании?

Слово «аналитика» происходит от древнегреческого άναλυτικά, что означает искусство анализа. Это была часть более широкого понятия логики, рассматривавшая процесс познания как разложение целого на составные части с целью более детального изучения.

К первым аналитикам можно отнести знаменитых философов того времени Платона и Аристотеля. Но во всех странах были люди, владевшие сведениями и знаниями, недоступными большинству людей, и способные правильно их трактовать и интерпретировать. Такие люди, по своей сути были аналитиками, что очень ценилось власть предержащими, поскольку помогали им принимать более взвешенные и рациональные решения.

Современный мир не остался в стороне, аналитики работают и в правительствах и в коммерческих структурах. На данный момент практически невозможно найти более или менее серьезную компанию в которой не было бы аналитика, потому что если ты не владеешь информацией и не делаешь из нее выводы, ты закрываешься.

Видов аналитики на данный момент появилось достаточно много (о чем частично мы рассказывали в этой статье) — это бизнес-анализ, системная аналитика, продуктовая аналитика, BI и тд. Но так как я работаю в сфере digital, то речь пойдет именно о аналитике данных и всем что с этим связано.

Так зачем же компании работающей в цифровой среде аналитика?

В реальности бизнесу неинтересны показатели просмотров рекламных объявлений, кликов по ним, количество событий на сайте и прочие непонятные вещи. Бизнесу интересны деньги (неожиданно, правда ). И с его точки зрения, аналитика это — способ быстро и качественно сделать вывод о результативности маркетинга и его процессов для принятия решения.

Следовательно, аналитика нужна бизнесу для того чтобы:

• закупать качественный трафик и оптимизировать расходы;
• развивать продукты и увеличивать удовлетворенность пользователей;
• развивать дополнительные каналы привлечения пользователей;
• оцифровывать и считать ключевые метрики;
• выводить и отслеживать эти метрики на дашбордах.

Но хотелось бы более системно осмыслить роль аналитики на пути клиента при соприкосновении с бизнесом и тех знаниях которые мы получаем на каждом из этапов этого пути:

1. Любой клиентский путь начинается с привлечения — это тот этап, на котором пользователь знакомится с компанией и ее услугами посредством digital или offline-рекламы. На этом этапе аналитика может быть полезна при сборе и анализе данных о расходах.
2. Вторым пунктом клиентского пути является посещение — это этап, на котором пользователь попадает на наш сайт или мобильное приложение. И тут мы уже знаем о источнике трафика приведшего клиента, а также о его идентификаторах (Client ID, User ID и тп).
3. На третьем этапе пользователь совершает какие-то действия, например, изучает каталог и знакомится с описанием товаров. Тут аналитика ответственна за сбор данных о событиях.
4. Некоторые действия являются конверсиями и переводят посетителя в статус клиента. На этапе конверсии аналитика помогает с анализом данных о доходах, а также при построении различных моделей атрибуции, для того чтобы честно оценить вклад каждого из источников трафика в достижение конверсии.
5. Между этапом действий и конверсий мы можем проводить A/B-тесты направленные на увеличение Convertion Rate и здесь возникают знания о экспериментах, которые необходимо анализировать и интерпретировать.
6. После совершения конверсии клиентский путь не заканчивается и он переходит на этап возврата, в котором аналитика ответственна за сбор данных о аудиториях и сегментах для загрузки в ретаргетинговые и crm-системы.

И теперь давайте дадим определение digital-аналитики:

Это метод анализа эффективности маркетинговых инвестиций на основе данных, прослеживающий полный путь клиента и систематизирующий знания о нем на всех этапах, начиная от просмотра рекламного объявления, посещения ресурса и заканчивая продажей, с дальнейшим анализом возврата пользователя в воронку.

Мой старт, какие вызовы стояли?

Осенью 2017 года я получил предложение о работе на позицию веб-аналитика в компанию Сравни.ру. Это сейчас Сравни крупнейший финансовый маркетплейс с лицензией ЦБ и десятками миллионов посетителей в месяц, а тогда это был сравнительно небольшой сайт с единственной вакансией аналитика во всей компании.

Параллельно с предложением от Сравни, я получил оффер от весьма именитого агентства. Передо мной встала диллема — идти работать в крупное агентство с большим спектром задач и разными клиентами или на текущее место работы, мой выбор пал на сторону клиента. Я четко осознавал риски «застоя» при работе на клиентской стороне и был заряжен на саморазвитие. Благо, работодатель поддержал мои стремления к росту и постоянной прокачке, благодаря чему и Сравни.ру стал получать профиты в виде выстроенной системы web/app-аналитики, собственного BI-инструмента, появлению A/B-тестирования и прочих аналитических радостей.

Придя в компанию я попал в отдел маркетинга и застал аналитику в весьма удручающем состоянии — вся аналитика состояла из отчета по контекстной рекламе в Google Sheets, на подготовку которого ежедневно необходимо было тратить два часа, руками выгружая данные из Google Analytics и рекламных кабинетов.

Трекинг рекламных кампаний и Google Analytics был настроен весьма странно — utm-разметка использовалась по наитию, невозможно было понять, что означает то или иное событие, не был настроен импорт расходов и тп.

Соответственно передо мной стояли следующие вызовы:

• разработать единый стандарт utm-разметки рекламных кампаний;
• провести аудит текущей системы событий и разработать новую;
• провести аудит настроек Google Tag Manager — убрать лишние теги и внедрить подход «одна система — один тег»;
• обеспечить бесшовный переход со старой системы событий на новую;
• избавиться от ежедневного ручного сбора отчета по контексту и автоматизировать его.

Закатав рукава, я приступил к реализации плана.

Аудит всего — от трекинга, до отчетов

UTM-метки и единый стандарт

Выстраивание аналитики в любом новом проекте всегда стоит начинать с аудита текущей utm-разметки используемой в рекламных кампаниях для привлечения трафика на сайт. И часто, уже даже на данном этапе, можно найти столько детских ошибок и откровенных косяков, что иногда ты искренне не понимаешь, как оно вообще работало и даже окупалось.

UTM-метки на самом деле, являются одним из важнейших элементов так называемой «сквозной аналитики», без которых она работать не будет. А все потому что это не просто параметр в ссылке — после перехода на сайт параметры utm, содержащие источник/канал и много другой полезной информации, фиксируются системами трекинга и далее на этих данных строится вся аналитика по показам, кликам, конверсиям и расходам на маркетинг. Но это еще не все, далее эти параметры попадают в базы данных и CRM-системы, после чего на основе информации о закрытых сделках и продажах в разрезе источников принимаются решения о увеличении бюджета, либо остановке той или иной рекламной кампании.

Поэтому ваша первостепенная задача как аналитика — это составить простой и понятный документ содержащий правила utm-разметки, а также получить обещание от всех соблюдать этот стандарт. Пример такого документа можете посмотреть здесь. Понятно, что эти правила будут скорей всего уникальны для разных типов бизнеса и компаний, но есть общие принципы, соблюдая которые вы сведете возможность ошибиться к минимуму:

• Название источника ( utm_source ) обязательно должно быть заполнено и являться краткими, но релевантными;
• Лучше всего, использовать домен в качестве имени источника;
• Выбирая название для канала ( utm_medium ), следуйте настройкам каналов по умолчанию в Google Analytics;
• Самая большая ошибка, которую можно допустить — это неправильно разметить каналы, так как это самый важный тег для правильной группировки в системах трекинга;
• Все utm-метки всегда пишите строчными (маленькими) буквами;
• Перед внедрением какой-либо новой метки, необходимо проверить не используется ли она уже в другом варианте.

Более подробно о UTM-метках, читайте в одном из уроков бесплатного курса «Digital-аналитика для новичков», а также в моей статье «Все что вы хотели знать о UTM-метках, но боялись спросить».

Google Tag Manager и система событий

Первый аудит GTM закончился неожиданно…

Я решил переделать передачу Client ID в Google Analytics через customTask по методу, который был описан в блоге Simo Ahava, вечером зарелизил свежую версию тега в GTM и со спокойной душой ушел домой… Но результате моих действий наш сервис подбора кредита оказался парализованным и почти сутки тестировщики не могли найти в чем причина. А дело было в том, что в прошлой версии Client ID получаемый из cookies использовался для передачи в одном из полей формы заявки на кредит и каким-то образом все это было подвязано на GTM

Пришлось срочно все откатывать назад и подойти к аудиту трекинга более обстоятельно.

Из данной ситуации можно сделать два вывода:

1. Любой процесс всегда нужно опрозрачивать, чтобы все (продукт, маркетинг) были в курсе планирующихся изменений и они не стали для них неожиданностью;
2. Любое изменение должно проходить через этап тестирования к которому необходимо подключать сам продукт.

Вторая попытка оказалась успешней.

Была составлена карта событий, которые трекались на тот момент, но какой-то системности в них не было. Далее были опрошены product owners каждого из продуктов на предмет того, что бы им хотелось отслеживать и чего сейчас не хватает в плане аналитики. После этого я составил новую карту событий, построенную на следующих принципах:

• Учтён маппинг со старыми событиями, чтобы не пострадала аналитика по продукту;
• Единая событийная модель для всего сайта;
• Одинаковые действия (Event Action) в разных продуктах, должны называться одинаково;
• Унифицированный стиль именования событий — какой используется регистр, заменяются ли пробелы и тп.;
• Учет версионности — каждое изменение в карте событий должно отражаться;
• Доступная для всех документация с примерами кода для разработчиков.

Пример карты событий можно посмотреть по ссылке.

После составления карты, сразу были поставлены и запущены задачи во всех продуктах по переезду на новую систему. Сам переезд занял примерно месяц, после чего мы получили гибкую и понятную систему для всего сайта, которой приятно пользоваться.

Параллельно с внедрением новой системы событий была переделана организация контейнера Google Tag Manager:

• Удалены все устаревшие или неиспользуемые теги, триггеры и переменные;
• Сам трекинг был перестроен по принципу одно логическое действие — один тег.

Про последний принцип расскажу чуть более подробно.

Часто встречал такие кейсы, когда начинающие web-аналитики настраивали по несколько десяткой тегов и триггеров для каждого нужного им события привязываясь к различным идентификаторам и классам того или иного элемента html-разметки. Из-за чего на контейнер GTM становилось страшно смотреть и в нем невозможно было разобраться не посвятив этому целый день.

А правильным подходом является разделение всех действий происходящих в контейнере на несколько логических этапов:

• Просмотр страницы;
• Событие на странице;
• Отправка конверсии во внешнюю рекламную систему;
• и тп.

И далее под каждое такое действие и систему создается отдельный триггер и тег. Такой подход позволяет покрыть нужны базового трекинга Google Analytics всего лишь двумя тегами и триггерами к ним, а также несколькими переменными.

Если тег и триггер фиксирующий просмотр страницы стандартный, то про организацию тега отправляющего событие нужно рассказать более детально.

Как вы могли заметить на рисунке выше, для активации тега отправки события используется триггер «Специальное событие», посмотрим его настройки.

Данный триггер активируется при срабатывании на странице кода вызова события, например, заполнения определенного шага формы.

// Где вместо переменных и тп, подставляются необходимые параметры dataLayer.push(< ‘event’: ‘mainEvent’, ‘eventCategory’: », ‘eventAction’: », ‘eventLabel’: », ‘eventValue’: >);

Все это позволило получить логичную и прозрачную для всех систему отслеживания событий в продуктах, которая послужила фундаментом для дальнейшего построения сквозной аналитики.

Более подробно о GTM и планировании системы сбора данных читайте в одном из уроков бесплатного курса «Digital-аналитика для новичков».

Автоматизация отчета и появление хранилища данных

Когда была приведена в порядок utm-разметка и система событий, я перешёл к основной задаче, а именно автоматизации отчета по платному трафику.

Отчет представлял собой Google Sheets со сводной статистикой по рекламным кампаниям за вчерашний день и содержал в себе данные по:

• Показам;
• Кликам;
• Расходам;
• Сеансам;
• Конверсиям;
• Доходу;
• И ROMI.

Чтобы собрать отчет необходимо было вручную выгружать данные по расходам из кабинетов Google Ads и Яндекс Директ, а данные по сессиям из Google Analytics. Потом выгружать и добавлять в таблицу данные по продажам из продуктовых баз.

На подготовку отчета уходило несколько часов ежедневно, само собой такое положение дел меня никак не устраивало и я решил заняться автоматизацией.

Необходимо было решить несколько проблем:

1. Завести аналитическую базу данных для сбора всей информации;
2. Объединить все расходы в одном месте, чтобы не приходилось ходить по кабинетам;
3. Загрузить в базу данных информацию по расходам, сессиям и событиям;
4. Продублировать в аналитической базе данные из продуктовых баз;
5. Настроить облачный Power BI для визуализации отчетности.

В компании была лицензия на MS SQL Server, поэтому выбор пал на эту базу. Тогда мне казалось, что база данных может быть любая и не имеет значение какая именно, но в будущем такой подход вышел боком (о чем расскажу в следующей статье). Поэтому есть у вас есть возможность, то выбирайте что-то облачное и масштабируемое в плане нагрузок.

Проблема сбора и загрузки расходов в единое место решилась достаточно просто. Был выбран вариант интеграции Google Analytics с OWOX Pipeline за его дешевизну и простоту. Достаточно было нажать пару кнопок, немного подождать и все расходы по digital-кампаниям появились в интерфейсе GA (подробнее о настройке тут).

Для получения данных из Google Analytics был написан коннектор, который ежедневно загружал в базу данных свежую информацию по сессиям, событиям и расходам. Обновление происходило ночью за предыдущий день, что позволяло уже утром видеть как отработали рекламные кампании и принимать решения по их оптимизации. Также коннектор позволял ретроспективно обновлять данные за последнюю неделю, так как довольно часто на стороне рекламных кабинетов происходит пересчет затрат на рекламу.

Дублирование данных из продовой базы в аналитическую решилось просто, достаточно было попросить настроить репликацию по расписанию нашего системного администратора.

Все данные были собраны и оставалось дело за малым — написать SQL-процедуры отчетов, поставить их на обновление и визуализировать в Power BI. Про это в блоге есть подробнейшая статья «Автоматизация отчетности при помощи SQL и Power BI».

Итоги

Базовая аналитика была построена. Это позволило объединить данные о расходах, трафике и событиях на сайте с продуктовыми данными содержащими информацию о доходах, чтобы посчитать ROMI.

В следующих статьях я расскажу про появление полноценного Data Warehouse, о начале мобильной аналитики и создании собственной платформы A/B-тестов.

Источник: thisisdata.ru