За десять лет практики в аналитике я часто сталкивался с ситуацией, когда аналитическая функция не даёт измеримого бизнес-результата. При этом от неё обычно ждут инсайтов, которые дают иксы прироста — иногда даже сами по себе, без внедрения.
Проблема неприятная и распространённая. Она решается не просто и не быстро, но для построения устойчивого бизнеса в конкурентной среде решить её всё-таки придётся.
Этот материал для родителей, студентов и школьников, которые хотят при помощи математики оценить набор необходимых усилий, чтобы достичь определенных результатов.
У нас есть промежуточный набор оценок, и мы хотим посчитать, сколько нам надо получить четверок и пятерок, чтобы подойти к концу четверти/семестра с определенным баллом.
Введем условные обозначения:
Целевой балл t (target)
Текущая оценка (средний балл) m (mark)
Глубина d (deep) - количество оценок к данному моменту
С развитием нашей компании и выходом на новые рынки (а магазины Fix Price работают не только в России, но также в ряде стран ближнего зарубежья и даже в ОАЭ) значительно увеличилось число задач по согласованию первичных договоров аренды. За 2024 год на согласование контролёру поступило 919 новых договоров аренды, а за первую половину 2025 года — уже 438. Поскольку с первого раза договоры в большинстве случаев не согласовываются, они возвращаются на доработку, и количество задач специалиста возрастает в разы.
Представьте классическую ситуацию. Вы — аналитик. Вы только что провели A/B-тест или оценили средний чек. Ваш скрипт на Python выдал результат:
95% Confidence Interval: [100, 120].
Вы приходите к продакт-менеджеру и уверенно говорите:
С вероятностью 95% истинный средний чек находится между 100 и 120 рублями.
Менеджер доволен, вы довольны. Все звучит логично. Но у меня для вас новости. В этом утверждении вы допустили фундаментальную ошибку.
Если бы в комнате сидел настоящий математик, он бы начал кричать:
Нет там никакой вероятности! Параметр либо там, либо нет!.
Однажды в ходе рабочей сессии возник вопрос: а какие позиции в ассортименте дают нам приток новых клиентов? Какие категории, подкатегории, бренды?
Задача пришла ко мне (аналитику), со словами: "что мы можем здесь посчитать?"
. Вдохновившись недавней статьей на Veles Finance "«Bomberman»: стратегия для крипторынка с индикаторами BOP, Mean Reversion и Дончиана", я решил воплотить эту идею в жизнь. Не просто в теории, а в коде: создал полноценного алгобота на Python, который автоматизирует торговлю, тестирует параметры и визуализирует результаты.
Этот бот прозрачен: использует открытые данные с binance, классические индикаторы технического анализа и строгий walk-forward бэктест, чтобы избежать look-ahead bias (смещения в будущее).
Всем привет!
Меня зовут Александр Костюков, я занимаюсь стратегическим развитием ИИ-аналитика EasyReport. Сегодня хочу поделиться с вами своими размышлениями о том, как анализ “что если” превращается из экселевской игрушки в реальный управленческий инструмент, который теперь можно автоматизировать.
“Что если” и с чем его едят
Выравниваем инфо-поле:
What-if анализ — это метод оценки последствий изменения входных параметров какой-то рассчитываемой модели, например:
- “Что произойдет с себестоимостью единицы продукции и маржой, если тариф на э/э вырастет на 3%?”;
- “Читать полностью »
