Lamoda представила исследование портрета продуктового аналитика

В профессиональных сообществах принято думать, что роль продуктового аналитика часто включает разные, слабо пересекающиеся задачи, которые варьируются от компании к компании, поэтому единый профиль профессии пока не сформирован. Результаты исследования Lamoda показали, что несмотря на различия в продуктах и индустриях, круг задач продуктового аналитика в ведущих ИТ-компаниях России во многом совпадает, а ключевые навыки, необходимые для работы и роста в профессии, четко очерчены.

Исследование показало, что вне зависимости от уровня, основной задачей продуктового аналитика остается анализ продуктовых метрик и поиск инсайтов. Это профессиональная рутина 90% специалистов уровня middle и выше, а среди teamlead и head+ — практически все.

Набор и фокус задач меняется с ростом грейда. Junior-аналитики чаще работают с дашбордами и регулярной отчетностью, senior- и lead-уровни глубже вовлечены в формирование и проверку гипотез, интерпретацию пользовательского поведения и принятие продуктовых решений совместно с командами. 

Согласно исследованию, 83,7% продуктовых аналитиков проводят А/В-эксперименты, и 76,4% из них используют для этого собственную А/В-платформу. То есть, компании вкладывают ресурсы в развитие кастомных внутренних решений, вместо того, чтобы использовать сторонние платформы вендоров.

Наиболее распространенные группы метрик в работе продуктовых аналитиков — воронка и конверсии, активность пользователей и монетизация. По мере роста грейда фокус смещается от операционных показателей к оценке влияния продукта на бизнес:

• junior в основном отслеживают retention, DAU/MAU и активность пользователей;
• middle и senior фокусируются на конверсиях, среднем чеке, LTV и монетизации;
• head-уровень чаще всего оценивает продукт через показатели удовлетворенности пользователей (NPS/CSAT) и влияние на ключевые бизнес-результаты.

Критерии оценки собственной эффективности эволюционируют с повышением грейда: на начальных этапах аналитики ориентируются на фидбек от команды и стейкхолдеров, на уровне head+ ключевыми становятся влияние на выручку и бизнес-результаты продукта.

Искусственный интеллект стал стандартным рабочим инструментом аналитика. Исследование зафиксировало практически полную интеграцию технологии в повседневную работу: 98% респондентов используют AI-чат-боты. Наиболее популярны решения на базе OpenAI (GPT), а также DeepSeek и YandexGPT.

Основные сценарии использования ИИ включают:

• генерацию кода на SQL и Python;
• ресерч и мозговой штурм;
• обучение новым инструментам и практикам;
• подготовку документации и коммуникационных материалов.

Продуктовая аналитика остается одной из самых динамично развивающихся профессий в ИТ. Более 80% специалистов с опытом 1–2 года работают на уровне middle, а средний возраст teamlead-аналитиков —  25–30 лет. Большинство опрошенных специалистов пришли в профессию через самообучение или переход из смежных ролей, а не через освоение образовательных курсов.

В исследовании приняли участие продуктовые аналитики из Lamoda, Авито, Яндекса, Т-банка, Сбера, Контур, HeadHunter, Skyeng, 2ГИС, Dodo Engineering, Okko, Иви и других компаний, признанных одними из лучших ИТ-работодателей по версии Хабр и ЭКОПСИ.