О DataLens, рынке BI-систем, доступной аналитике и выводе продукта в Open Source

«Если продукт небольшой, а команда еще меньше, то вполне может хватить Excel и можно делать все на коленке. Но как только данных становится много, и ты понимаешь, что у тебя продукт — это веб-приложение, мобильное приложение, фронтенд, бэкенд, есть маркетинг, есть клиенты, партнеры, сейлы — и все это нужно собирать, а источников данных много, то тебе, конечно, нужно делать продуктовую аналитику, собирать эти данные в один источник и на базе этого единого источника строить дашборды».«Сначала DataLens был внутренним продуктом Яндекса, но со временем мы поняли: хотя у нас много разных бизнес-юнитов и продуктов, есть и то, что их объединяет — им важно просто и быстро подключаться к данным, работать с ними, визуализировать, проверять гипотезы и идти дальше. И вот эти ценности, эту парадигму работы с аналитикой нужно было донести до рынка. Говоря проще, мы хотим массово поднять культуру Data Driven в российских компаниях».Гость: Павел ДубининМенеджер продукта DataLens, Yandex CloudВедущий подкаста: Юра АгеевПодписывайтесь на канал анонсов подкаста: https://t.me/mspodcast.О чем говорим:2:01 Переход из Oracle в Yandex Cloud и роль менеджера продуктов5:20 Роль DataLens внутри Яндекса7:22 Какой виделась роль DataLens на старте разработки9:56 Что такое Time-to-Market в аналитике 13:06 Зачем менеджерам продуктов BI-инструменты15:21 Какие инструменты менеджерам продуктов помогают работать с аналитикой17:55 Самая сложная система аналитики внутри компаний и MVP на основе DataLens21:55 Есть ли внутри DataLens продуктовая аналитика по самому DataLens24:57 Экосистема Yandex Cloud и DataLens27:47 Как выстраивалась и как устроена монетизация DataLens32:55 Эволюция бизнес-модели DataLens35:38 Внутренние и внешние пользователи DataLens37:09 Обзор рынка BI в России 41:53 Сравнение аудитории пользователей разных BI-систем43:23 Сообщество как драйвер роста продукта и выступление на Yandex Scale44:06 Как из внутреннего продукта сделать продукт для всех46:13 Как решается вопрос кастомизации в DataLens49:19 Зачем выпускать свой продукт в Open Source51:55 Будущее DataLens как продукта