Ленивый анализ аномалий: как найти причину ухудшения метрики без data science

«Как запустить проект сквозной аналитики за 1 месяц - гайд в Miro + видеоурок» - https://go.add-2-cart.online/guide Телеграм-канал «Модель Атрибуции Александра Игнатенко» - https://go.add-2-cart.online/tg_channel Телеграм-канал Марины Востриковой - https://t.me/bizservis Провёл вебинар с Мариной Востриковой про работу с аномалиями в метриках. Разобрал четырёхэтапный подход к «ленивой» работе с аномалиями: – настроить нормальные оповещения об изменении показателей; – проверить проблему руками, прямо в продукте; – выделить проблему через сегментацию; – если аномалия видна во всех сегментах – искать внешние причины. Показал на примерах из adult-сферы и ремонтных служб: 95% аномалий закрываются простой ручной проверкой, а не сложным анализом данных. 00:00 – Вступление: что такое ленивый анализ аномалий 01:55 – Что такое аномалия и почему её никто не ждёт 03:26 – Два главных правила работы с аномалиями 06:19 – Что мы на самом деле делаем с данными – это измерение 09:09 – Что отличает хорошее измерение от плохого 11:59 – Откалиброванное измерение: почему не нужен диплом МГУ 13:54 – Упражнение: кейс Pornhub и дроп трафика весной 19:12 – Ответ: причина аномалии была вне данных – Рамадан 22:15 – Шаг 1: не делать ничего – как настроить алерты 24:07 – Опережающие и отстающие метрики: в чём разница 27:19 – Шаг 2: поберечь себя – сначала смотри своими глазами 30:42 – Шаг 3: найти виновника торжества – сегментация 33:54 – Шаг 4: внешние факторы – когда аномалия везде сразу 41:44 – Итоги: четыре шага которые закрывают 95% аномалий 43:09 – Вопросы из чата: как понять, что отклонение уже аномалия? 46:38 – Резюме: не паниковать и смотреть своими глазами