Данные не принимают решения. Решения принимают люди. Но формулировка аналитика влияет на решение сильнее, чем сами цифры. Одни и те же данные можно подать как «рост +4%» или как «неопределённость от −1% до +9%». Первое ведёт к выкатке, второе — к вопросам. Аналитик формирует поле решений, даже если формально «только отвечает на вопрос».
Типовая ошибка — спрятаться за фразой «данные показывают...» Данные ничего не показывают. Данные — набор чисел. Показывает аналитик: что выделил, что опустил, как расставил акценты, какой контекст дал. Это не нейтральная операция — это ответственность.
Этот модуль — про последний шаг: от числа к решению. Про то, как формулировать вывод при неопределённости, как работать с конфликтами метрик, как говорить «я не знаю» и при этом быть полезным.
Структура управленческого вывода
1
Факт
Что наблюдаем в данных
Ошибка: смешать факт с интерпретацией
→
2
Неопределённость
Что мы не знаем
Ошибка: скрыть ширину интервала
→
3
Механизм
Почему это произошло
Ошибка: пропустить «почему» и сразу к «что делать»
→
4
Риски
Что может пойти не так
Ошибка: описать только upside
→
5
Рекомендация
Что делать и с каким мониторингом
Ошибка: «данные говорят» вместо «я рекомендую»
Пример: A/B нового тарифа
Primary: +4%CI: от −1% до +9%Guardrails: без нарушений
PM спрашивает: «Катим?»
Что можно утверждатьТочечная оценка +4%. Guardrails стабильны. Направление эффекта — положительное
Чего утверждать нельзяЧто эффект точно положительный: интервал включает 0. Нельзя гарантировать +4% — реальный эффект может быть от −1% до +9%
РискиЭффект может быть нулевым (CI включает 0). Эффект может быть сконцентрирован в одном сегменте. Мы не проверяли долгосрочное поведение (retention, LTV)
Вариант 1: Катить
Если стоимость отката низкая, а upside значим. Обязателен мониторинг 4 недели + guardrail window
Вариант 2: Продлить тест
Если нужно сузить интервал. Определить: при каком CI решение станет однозначным?
Вариант 3: Катить частично
Запустить на 20–30% трафика. Собрать данные по LTV и retention. Решение через 4 недели
Пример сильного управленческого вывода
«Точечная оценка +4%, но интервал включает ноль (−1%...+9%). Guardrails стабильны. Механизм не опровергнут, но и не подтверждён надёжно. Рекомендую: катить на 30% трафика с мониторингом конверсии, retention D14 и ARPU. Через 3 недели — решение о полном выкате или остановке. Если CI не сузится — пересмотреть тариф.»
Типовая ошибка интерпретации
«Primary +4%, guardrails ОК — катим.»
Эта формулировка подменяет рекомендацию фактом. Она скрывает, что интервал включает ноль, не упоминает риски, не описывает мониторинг. PM прочитает «катим» — и примет это как ваш вывод. Через месяц, если эффект окажется нулевым, вопрос будет не к данным, а к вам: «Почему вы не предупредили?»
Где проходит граница аналитика
Аналитик не принимает решение, но формирует поле решений. То, как вы описали ситуацию — и определит, какие варианты PM увидит
Нельзя подменять рекомендацию фактом. «Данные показывают +4%» — это не рекомендация. Это перекладывание ответственности за интерпретацию
Нельзя скрывать неопределённость. Если интервал широкий — скажите. Если механизм непонятен — скажите. Умолчание — не нейтральность
Нельзя давать иллюзию точности. «+4.2%» звучит точнее, чем «от −1% до +9%». Но первое — обман, второе — честность
Нельзя избегать позиции. «Данные неоднозначные» без рекомендации — это отказ от своей роли. Аналитик может сказать «я не знаю» — но должен объяснить, что нужно, чтобы узнать
Что вы начинаете видеть после модуля
Разницу между фактом, интерпретацией и рекомендацией — в каждом выводе
Ситуации, когда формулировка аналитика подталкивает к решению, которое данные не поддерживают
Как формулировать вывод при широком интервале: не «не знаю», а «вот что нужно, чтобы узнать»
Когда нужно сказать «нет» — и как это сделать, не разрушая отношения
Что ваша позиция — это часть вывода, а не субъективность
Практика
Эффект только в одном регионе — формулировка для CPO