BI Consult Desktop Logo BI Consult Mobile Logo
  • Russian BI Исследование российских bi
  • Перейти на Fine BI
  • Контакты
  • +7 812 334-08-01
    +7 499 608-13-06
  • Отправить сообщение
  • Главная
  • Продукты Эксперт-BI
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Сельское хозяйство
    • Энергетика
    • FMCG
    • Девелоперы
    • Маркетплейсы
    • Пищевая промышленность
    • Фармацевтика
    • Построение Data Platform
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и FP&A
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • IBP
    • ИТ (CIO)
    • Закупки
  • Платформы
    • Системы бизнес-анализа (BI)
    • Интегрированное бизнес-планирование (IBP)
    • Хранилища данных (DWH / Lakehouse)
    • Каталоги данных (Data Catalog)
    • Системы ETL и ELT
    • AI / Исскуственный интеллект
    • Шина данных (ESB)
    • Система управления мастер-данными (MDM)
    • Семантический слой
  • Услуги
    • Переход на отечественные BI и DWH системы
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений и DWH
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Курсы
    • Учебный курс Информационная грамотность (Data Literacy)
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Greenplum
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt (Data Build Tool)
  • Компания
    • Руководство
    • Новости
    • Клиенты
    • Карьера
    • Скачать
    • Контакты

BI

  • FineBI
  • FineReport
  • FineDataLink
  • FineChatBI (FineAI)
  • Коннекторы данных из 1С в BI
  • Airflow / Nifi
  • Visiology
  • PIX BI
  • Modus BI
  • Yandex.DataLens
  • Open-source BI: Superset/Metabase
  • Luxms BI
  • AW BI + Alpha BI
  • FlyBI + Форсайт. Аналитическая Платформа
  • Loginom
  • Триафлай
  • AI / Исскуственный интеллект
  • Optimacros
  • Навигатор BI
  • Семантический слой

СУБД

  • Arenadata
  • ClickHouse
  • Greenplum
  • Postgres Professional
  • TData

Другое

  • Построение Data Platform
    • Аналитическое хранилище данных
    • Data Lake и Data Engineering
    • Подробнее про Data Lake
    • Внедрение Lakehouse
      • Apache Doris
      • StarRocks
      • Trino
    • Миграция витрин из пропиетарных DWH на новый стек
    • Учебный курс "Современная архитектура хранилища данных"
Главная » Курсы по системам бизнес-анализа и методологии » Учебный курс для бизнес-аналитиков » Модуль 21. Метрики: от целей к измеримым решениям

Модуль 21. Метрики: от целей к измеримым решениям

Зачем здесь бизнес-аналитик

Роль BA — превратить бизнес-цели в измеримые метрики, которыми команда умеет управлять: описать определения и формулы, выбрать фреймворк (NSM/дерево/пирамида, AARRR, HEART/PULSE), отделить опережающие (leading) от запаздывающих (lagging), завести «паспорт метрики» и организовать приёмку и версионирование методики. Хорошая метрика должна быть чувствительной, управляемой, понятной, сравнимой и мотивирующей к действию, иначе она не помогает принимать решения.

 

Базовые определения и примеры

Метрика — количественный (иногда качественный) показатель, отражающий характеристику продукта/бизнеса и помогающий принимать решения. Хорошие метрики отвечают пяти критериям: чувствительность, управляемость, понятность, сравнимость, побуждение к действию.

DAU (Daily Active Users) — число уникальных пользователей, открывших сайт/приложение за день (повторные входы одного пользователя в счёт не идут).
ROMI — окупаемость маркетинга:
ROMI = (Доходы от маркетинга − Расходы на маркетинг) / Расходы на маркетинг × 100%. Пример: реклама 3000₽ привела выручку 9000₽ → ROMI = 200%.

 

Фреймворки: куда «сажать» метрики и как ими управлять

North Star Metric (NSM)

NSM — главная метрика, отражающая ключевую ценность продукта и задающая фокус компании; выбирать стоит показатель, который выражает пользу для клиента (не только деньги). Польза: фокус, прозрачная оценка прогресса, ориентация на клиентскую ценность. Но гиперфокус на NSM опасен: можно упустить важные изменения и отвергнуть правильные гипотезы.
Почему Revenue/Profit — слабые кандидаты в NSM: это метрики монетизации (запаздывающие индикаторы) и сильнее зависят от внешних факторов; NSM должна быть ближе к создаваемой ценности и долгосрочному росту.

Что делает BA: фасилитирует воркшоп по поиску NSM, фиксирует входные KPI, риски гиперфокуса и связь с остальными фреймворками.

 

Дерево (иерархия) метрик

Строим сверху вниз: NSM → 3–5 KPI (уровень I) → дочерние «что на это влияет» (уровни II–IV). Хорошее дерево: каждая верхняя метрика зависит только от своих дочерних; перекрёстные связи — аккуратно, лучше пунктиром.

 

Пирамида метрик

Стратегическая классификация по слоям: наверху бизнес-метрики (Revenue/Profit/Market Share), ниже маржинальность (LTV/ARPU/OPEX), затем продукт (лояльность/ценность/качество), в основании — интерфейс/маркетинг (аудитория, CTR, сессии). Верх не должен «падать», когда низ «растёт».
Как построить: цель → брейншторм → раскладка по слоям (NSM внутри слоя и её декомпозиция) → ревью (фильтр «хорошей метрики») → анализ распределений → документирование и SQL-методики.

 

OKR ↔ метрики

OKR = Objectives & Key Results: амбициозная цель + 3–5 измеримых KR. На практике KR — это метрики из дерева; цель формулируют «снизу вверх» от KR. OKR живёт под NSM и тянет её вверх.

 

Leading vs Lagging и «маховик»

Фокус — на опережающих индикаторах (их можно быстро менять и видеть эффект), при этом держим связь с запаздывающими (деньги/итог). Вдохновляйтесь «маховиком Amazon»: усилие в любом входном показателе (опыт, ассортимент, цены) ускоряет цикл и ведёт к росту.

 

AARRR

Линза пути пользователя: Acquisition → Activation → Retention → Referral → Revenue (вариант AAARRR с Awareness). Цель — масштабировать продукт при приоритете удержания; 80/20: оптимизировать текущее > пилить новое.

 

HEART & PULSE (UX и «здоровье» приложения)

HEART: Happiness, Engagement, Adoption, Retention, Task success. Метод «Цели–Сигналы–Метрики» для подбора UX-показателей. Не обязательно закрывать все категории — берите по цели.
PULSE: Page views, Uptime, Latency, Seven-day active users, Earnings — «технико-бизнесовые» метрики производительности/здоровья. HEART и PULSE — пара для здоровья продукта: UX-переживания + техническое/бизнес-состояние.

 

Как выбирать метрики под задачу (чек-лист BA)

  1. От цели к метрике (OKR/NSM): чем измерим достижение?
  2. Leading прежде lagging: что можно «крутить» уже завтра?
  3. Место в дереве/пирамиде: от какой родительской метрики зависит?
  4. Определение и формула: единицы, окно, фильтры, антибот/антифрод.
  5. Доступность данных и свежесть: источник, периодичность, латентность.
  6. Чувствительность и «анти-гейминг»: не провоцирует ли метрика нежелательное поведение?
  7. Владелец и версия методики: кто отвечает, где release notes.
  8. Acceptance: эталонные кейсы/допуски, как тестируем.

 

Формулы и технические детали (короткие, но рабочие)

  • DAU / WAU / MAU: countDistinct(user_id) в окне 1/7/30 дней; храните время события в UTC, показывайте по локали.
  • Retention (D1/D7/W1): доля пользователей когорты, вернувшихся в день/неделю t; фиксируйте «событие возврата».
  • Churn: 1 − retention за период (аккуратно с сезонностью).
  • ARPU: Revenue / #Users; LTV (упрощённо): ARPU × средний срок жизни.
  • ROMI: из файла — формула и пример (см. §2).
  • NSM-кандидаты: «часы просмотра/мес» (стриминг), «заказы/пользователя/неделю» (e-com), «активные транзакции/клиента» (финтех) — всегда проверяйте связь с клиентской ценностью.

 

«Паспорт метрики» и управление методологией

Паспорт метрики (1 страница, Confluence):

  • Название/ID/версия методики; владелец.
  • Определение (RU) + «машинная» формула (EN/SQL).
  • Единицы, окно, timezone, агрегирование.
  • Источники и свежесть; ограничения/антибот.
  • Место в дереве/пирамиде; связь с OKR/NSM.
  • Acceptance-набор: тесты, допуски, контрольная SQL-выборка.
  • Release notes (что поменяли и с какой даты) и обратная совместимость.

 

Версионирование и приёмка: меняете формулу — выпускайте release note, предупреждайте про «слом трендов», храните прошлые расчёты с «метка методики=версия».

 

Примеры «сквозом»: как BA «шьёт» метрики в процессы

Продуктовый сценарий

Цель OKR: «Повысить D7-retention на +3 п.п.». KR: D7 +3 п.п., Activation rate +5 п.п. → NSM: «Ежемес. полезные действия/пользователя». Дерево: NSM ↑ от (Activation, Retention, Frequency). План: 5 A/B-гипотез на активацию. Паспорт и acceptance — готовы.

 

Операционный сценарий

Цель: «Снизить p95 Latency checkout до 800 мс». Leading: «ошибки/таймауты», «доля тяжёлых страниц»; Lagging: «конверсия оплаты». HEART: Task success (доля завершённых чек-аутов), PULSE: Latency/Uptime. Панель: PULSE×HEART; релиз-аннотации; связь «p95↑ → конверсия↓».

 

Маркетинг/ROMI

Цель: «ROMI > 0% на новые каналы»; ведущие: CTR, CR to install, CR to purchase, CAC; lagging: ROMI/LTV:CAC. Принципы — из файла.

 

Риски и анти-паттерны (и как снять)

Риск

Симптом

Что делать

Гиперфокус на NSM

«Не видим побочных эффектов»

Дерево и пирамида, набор защитных метрик; регулярный ревью NSM.

Выручка как NSM

Короткий горизонт, «качели»

Смещаем фокус к метрикам ценности/лояльности; Revenue — верх пирамиды.

Lagging-метрики в операционке

Медленный фидбек

Ведущие индикаторы + маховик/входные показатели.

Методологический дрейф

«Вчера 42%, сегодня 37%»

Паспорт метрики, версии/релиз-ноты, дата «смены методики».

Метрика «играется» командой

«Косим под показатель»

Комбинировать метрики, вводить анти-гейминг, ревью стимулов.

Слепые зоны пирамиды

Нет метрик качества/ценности

Шаги построения пирамиды, фокус на середине (продукт).

 

Вопрос–ответ (FAQ)

Q: Почему NSM — не Revenue?
A: Деньги — запаздывающий индикатор и часто зависят от внешних факторов. NSM должна отражать создаваемую пользователю ценность и вести к устойчивому росту; Revenue — на вершине пирамиды, не её North Star.

 

Q: С чего начать, если «метрик слишком много»?
A: Постройте пирамиду (6 шагов), отфильтруйте дублёры, выберите по одной ключевой метрике на слой, остальное — в дерево под ними.

 

Q: Как увязать метрики с целями?
A: Через OKR: KR = измеримые метрики из дерева. Цель формулируется «снизу вверх» — от KR.

 

Q: Что считать первым: HEART или PULSE?
A: В продукте — HEART (опыт, задачи пользователя), в эксплуатации — PULSE (время/ошибки/uptime). Вместе они дают целостную картину.

 

Q: Leading vs Lagging — какие важнее?
A: В ежедневном управлении — leading (их можно быстро менять), но связь с lagging нужно подтверждать анализом/экспериментами.

 

Практика (что сдать по модулю)

A. Микро-библиотека метрик (3–5 шт.)
Для каждого показателя: паспорт, место в дереве/пирамиде, владелец, SQL/расчёт, acceptance-набор и release note на будущую смену методики.

 

B. NSM-воркшоп (2 часа)

  1. Кандидаты NSM, 3–5 KPI под них. 2) Риски гиперфокуса. 3) Решения: какие A/B-гипотезы и какие leading-метрики будем трекать. Основание — принципы из файла.

 

C. Пирамида метрик (черновик) + Дерево
Заполненный шаблон пирамиды (4 слоя) и дерево до уровня II–III, со связкой к OKR (1 цель, 3–5 KR). Шаги — как в файле.

 

D. Комбо HEART×PULSE для ключевой фичи
Цели–Сигналы–Метрики (HEART) + «здоровье» (PULSE), алерты/пороги и реакция (что делаем при отклонении).

 

Чек-листы готовности

Методология

  • Для каждой ключевой метрики есть паспорт, владелец, версия, SQL.
  • Определены окна/единицы, timezone, антибот/антифрод.
  • Связь метрики с NSM/OKR/пирамидой задокументирована.

 

Фреймворки

  • NSM согласована, риски гиперфокуса зафиксированы.
  • Дерево построено до уровня II–III.
  • Пирамида собрана и прошла ревью (6 шагов).
  • HEART×PULSE определены под ключевую фичу.
  • AARRR-срез для воронки — есть.

 

Операции

  • Acceptance-наборы и эталоны — готовы.
  • Release notes методик — заведены.
  • Панель с ключевыми метриками и свежестью данных — доступна.

 

Вы как BA связываете цели и решения с правильными метриками: выбираете NSM, строите дерево и пирамиду, увязываете OKR, различаете leading/lagging, подбираете UX-показатели по HEART и «здоровье» по PULSE, оформляете паспорт метрики и организуете приёмку и версионирование. Это делает изменения управляемыми, а разговоры о «чувствах» — измеримыми. Все ключевые принципы и фреймворки, использованные здесь, отражены в приложенном материале.

Узнать стоимость решенияЗапросить видео презентацию

← Предыдущая статья
Модуль 20. Библиотека документов и шаблонов BA
Следующая статья →
Глоссарий BA (RU ↔ EN)
Запросить видео презентацию Запросить доступ к демо стенду online Узнать стоимость лицензий

Задать вопрос

loading...

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  • Российский филиал одного их ведущих мировых производителей и дистрибьютеров косметики Estee Lauder Companies Inc. выбрал аналитическую платформу Loginom для предиктивной аналитики продаж как в офлайн-, так и в онлайн-канале.

  • Ручная обработка заявок на займы в МФО ДоброЗайм была малоэффективной и приводила к высоким затратам по ФОТ отдела верификации и андеррайтинга. При этом время обработки заявок было высоким, как и количество ошибок под влиянием человеческого фактора. Дополнительные сложности создавал сложный документооборот, обусловленный неконсолидированной кредитной историей и скоринговой оценкой. Все это суммарно мешало масштабированию бизнеса МФО.

  • Авиакомпания NordStar (АО «АК «НордСтар») – работает под данным брендом с 2008 г. и сейчас входит в топ-15 крупнейших российских авиакомпаний (данные Росавиации) с пассажирооборотом более 1 млн человек в год. АО «АК «НордСтар» выполняет и внутренние, и внешние рейсы, а ее основные хабы - Домодедово, Пулково и Емельяново. С 2021 года компания является базовым перевозчиком аэропорта Норильск.

  • КАМИ – компания-лидер по поставкам тяжёлых станков в России, занимающаяся продажей и обслуживанием оборудования для обработки металла и дерева, изготовления мебели и не только. На сегодняшний день в компании работают более 1300 человек, запущено 10 обучающих центров, в продаже более 7000 единиц техники. 

  • Решения
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Энергетика
    • Фармацевтика
  • Услуги
    • Переход на отечественные BI и DWH
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Техническая поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Платформы
    • FineBI
    • FineReport
    • FineDataLink
    • Коннекторы данных из 1С в BI
    • Airflow + NiFi
    • Visiology
    • Luxms BI
    • Modus BI
    • PIX BI
    • Arenadata
    • ClickHouse
    • Greenplum
    • Postgres Professional
    • Open-source BI: Superset/Metabase
    • Loginom
    • Yandex.DataLens
    • AI / Исскуственный интеллект
    • Optimacros
    • Шины данных
  • Курсы
    • Учебный курс Информационная грамотность
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt
  • Функциональные решения
    • Создание Data Lake
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и прогнозная аналитика
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • Сквозная аналитика
  • Компания
    • О нас
    • Руководство
    • Новости
    • Клиенты
    • Скачать
    • Контакты
    • Политика конфиденциальности
RutubeVkontakteLinkedInYouTube
ООО "Би Ай Консалт",
ИНН: 7811437757,
ОГРН: 1097847154184
199178, Россия,
Санкт-Петербург,
6-ая линия В.О., Д. 63, 4 этаж
Тел: +7 (812) 334-08-01
Тел: +7 (499) 608-13-06
E-mail: info@biconsult.ru

 

 

 

 

 

×

Пользуясь сайтом, вы соглашаетесь с использованием cookies и политикой конфиденциальности.