Москва, Пятницкая улица, 69
Метро: ДобрынинскаяСбор и формализация требований к MVP от стейкхолдеров, включая описание бизнес-процессов и приоритизацию требований по MoSCoW или RICE;
Проектирование прототипов интерфейсов, user flows и технических спецификаций для разработчиков;
Помощь в декомпозиции бизнес-гипотез на измеримые пользовательские сценарии и метрики. Анализ рынка, конкурентов и пользователей для проверки гипотез через CustDev, JTBD и SWOT;
Проведение быстрых исследований (desk research, анализ конкурентов, опросы) для формирования первоначального понимания проблемы и аудитории;
Проведение интервью с потенциальными пользователями и стейкхолдерами для сбора инсайтов и протоколирование;
Разработка и формализация упрощенных пользовательских сценариев (User Stories, Jobs To Be Done) и требований, достаточных для старта разработки;
Создание прототипов (wireframes, user flows) в Figma/Miro/на бумаге в тесной связке с продуктовым дизайнером или самостоятельно;
Приоритизация функциональных требований на основе ценности для проверки гипотезы и оценки трудозатрат от команды разработки;
Активное участие в скрам-процессах (планирование, стендапы, ретроспективы) как представитель аналитики и «голос пользователя»;
Проектирование схемы экспериментов для MVP: определение ключевых метрик успеха (North Star Metric, ключевые события), формирование контрольных и тестовых групп;
Настройка сбора данных и аналитики (через Google Analytics, Amplitude, Mixpanel, Яндекс.Метрику или внутренние системы) для отслеживания поведения пользователей в MVP;
Оперативный анализ результатов тестов, подготовка выводов и рекомендаций о дальнейшей судьбе MVP (продолжить, изменить, закрыть);
Постоянный мониторинг и анализ пользовательского поведения в продукте (воронки, retention, глубина использования);
Анализ качественной обратной связи от первых пользователей (отзывы, поддержка, интервью);
Подготовка лаконичных отчетов и презентаций для команды и стейкхолдеров с результатами проверки гипотез;
Требования:
Высшее образование техническое или математическое образование (информатика, прикладная математика, инженерия);
- Обязательно: опыт работы в роли аналитика 1-3 года (продуктового, бизнес- или data) в ИТ-среде, желательно — в рамках agile-разработки цифровых продуктов;
- Важно понимание цикла разработки ПО, принципов Agile/Scrum/Kanban и методологии Lean Startup (построение-измерение-обучение);
Профессиональные знания и навыки (Hard Skills):
- опыт работы над MVP или ранними версиями продуктов будет сильнейшим преимуществом;Продуктовая аналитика и метрики:
- опыт настройки и работы с аналитическими системами для веб и мобильных приложений (Amplitude, Mixpanel, GA4, Firebase, Яндекс.Аналитика).
- глубокое понимание продуктовых метрик (DAU/MAU, конверсия, retention, LTV, воронки событий).
Проектирование и прототипирование:
- умение создавать понятные схемы и прототипы (в Figma, Miro, Whimsical или даже в Excel/Google Sheets);
- базовое понимание UX-принципов;
Работа с требованиями:
- опыт оформления требований в Jira, Confluence, Redmine, использования диаграмм (BPMN, UML — на базовом уровне), или в других системах задачниках/системах проектного управления;
- опыт разработки технических заданий, спецификаций требований, пользовательских историй, программ и методик испытаний и другой проектной документации;
Ключевые личностные качества (Soft Skills):
- гибкость и скорость: Способность быстро переключаться между задачами, работать в условиях неопределенности и меняющихся приоритетов. Не бояться «костылей» в MVP;
- глубокий curiosity (любознательность): Постоянное желание докопаться до «почему», задавать неудобные вопросы и проверять предположения;
- Data-driven мышление: Привычка подкреплять любое утверждение или решение данными, даже ограниченными;
- коммуникация и коллаборация: Умение говорить на одном языке с разработчиками, дизайнерами и бизнес-заказчиками. - способность понятно доносить сложные идеи.
- проактивность и нацеленность на результат: Не просто собирать требования, а быть частью команды, которая хочет проверить гипотезу и добиться бизнес-результата.
- толерантность к риску и неудачам: Понимание, что большинство MVP не станут полноценными продуктами, и умение извлекать уроки из «провальных» экспериментов;
Будет огромным плюсом (Nice-to-have):
- опыт в страховой сфере (понимание специфики продуктов, данных и регуляторики);