Как выглядит отдел аналитики в онлайн-казино? Часть 1.

Как выглядит отдел аналитики в онлайн-казино? Часть 1.

Николай Головатский, Co-Founder ANALYTIX, рассказал, как выглядит структура отдела аналитики в онлайн-казино. Передаю слово ↓

Стандартная ошибка, которую встречаю практически на всех молодых проектах — непонимание того, как аналитика должна выглядеть и работать.

Если у ваших знакомых отдел аналитики выглядит как «один человек, который что-то там анализирует» — перешлите им этот пост. Если и ваш отдел выглядит так же, этот пост и для вас.

За красивыми дашбордами, графиками и отчётами работает большая сложная инфраструктура. Для её развития нужны специалисты разных профилей с чёткими ролями.

• Фундамент — дата-инженеры

Их основная задача — развивать аналитические базы данных (DWH). Простыми словами, это огромные хранилища данных с кучей табличек, в которые собираются все полезные для бизнеса данные:

• регистрации;
• платежи;
• ставки;
• отправленные пуши;
• выданные бонусы и т.д.

Аналитическое DWH = фундамент, на котором работает вся аналитика.

Дата-инженеры подключают различные источники данных и проектируют таблицы в базе, чтобы все данные были легко доступны для дальнейшего анализа. Также они разрабатывают автоматические процессы, которые следят за качеством данных — проверяют их на ошибки и неточности.

Также дата-инженер отвечает за то, чтобы данные нигде не потерялись, чтобы они регулярно обновлялись.

Как результат — всегда актуальные и проверенные цифры.

Сбор данных — веб-аналитики

Эти специалисты собирают события с фронтенд-части — то есть информацию о том, что делает пользователь на интерфейсе продукта. Например, нажатия кнопок, заполнение форм, переходы между страницами и т.д. Они детально изучают продукт и описывают, какие действия пользователя должны быть зафиксированы для анализа, и совместно с разработчиками добавляют «триггеры» для сбора этих данных.

Для работы с такой аналитикой обычно используют специальные инструменты: PostHog, Amplitude, Google Analytics и другие.

Визуализация — BI-специалисты

Эту роль выделяют не все, но в крупных компаниях она часто существует отдельно. BI-специалисты профессионально работают с BI-системами и визуализациями данных.

Их задача — строить удобные и полезные дашборды. Есть огромный массив данных в DHW → BI-аналитики преобразовывают их в корректные таблицы и дашборды, чтобы всё было понятно.

Прогнозы и модели — Data Science и ML-инженеры

Абсолютно отдельная специальность в области данных. Они занимаются разработкой и обучением моделей машинного обучения (ML) и нейросетей с нуля, чтобы решать конкретные бизнес-задачи. Простыми словами, создают и внедряют в бизнес ML-решения, которые:

• предсказывают отток пользователей;
• прогнозируют окупаемость трафика;
• создают системы рекомендаций и персональных предложений;
• сегментируют VIP-игроков и т.д.

Важно отметить: аналитики данных также могут работать с AI, но они обычно используют готовые модели или инструменты. В то время как Data Science и ML-инженеры — это те, кто разрабатывают эти решения с нуля и внедряют их в бизнес-процессы.