refactor: Обновление матрицы компетенций, включая Influence & Storytelling

Author: Andrey Kulagin

.DS_Store

@@ -9,13 +9,13 @@
 
 ## DA2 (Middle)
 - Проектирует и согласовывает с PM дерево метрик (input -> output) для своего домена.
-- Рассчитывает ключевые бизнес-показатели (LTV, retention) и строит калькуляторы для оценки потенциального влияния фичей.
-- Определяет health-метрики (guardrail metrics) для своего продукта и настраивает на них алертинг.
+- Рассчитывает ключевые бизнес-показатели и строит калькуляторы для оценки потенциального влияния фичей.
+- Определяет health- и guardrail- метрики для своего продукта и настраивает на них алертинг.
 - Понимает и объясняет стейкхолдерам допущения и ограничения в методологии расчета метрик.
 - Самостоятельно проектирует и документирует события для новых продуктовых фичей.
 
 ## DA3 (Middle+)
-- Моделирует unit-экономику и рассчитывает ROI для отдельных продуктовых инициатив.
+- Моделирует unit-экономику и рассчитывает ROI для отдельных продуктовых / бизнес инициатив.
 - Строит прогнозы по ключевым метрикам (например, в формате "пессимист / базовый / оптимист") и проводит план/факт анализ для калибровки моделей.
 - Проводит проактивные исследования данных для поиска точек роста или выявления проблем в продукте.
 - Проводит аудит существующей разметки, выявляет проблемы (например, неконсистентность, устаревшие события) и инициирует их исправление.

data_analytics/.DS_Store

@@ -18,16 +18,15 @@
 - Применяет продвинутые методы, когда A/B-тесты невозможны (switchbacks, квази-эксперименты, такие как DiD/Causal Impact).
 - Строит и оценивает оффлайн ML-модели (например, прогнозирование оттока, сегментация) для генерации гипотез или решения бизнес-задач.
 - Интерпретирует модели (SHAP, feature importance) и объясняет их бизнес-ценность.
-- Оценивает ROI от внедрения ML-модели по сравнению с более простыми эвристиками или решениями.
 
 ## DA4 (Senior)
 - Является главным экспертом по методологии и инструментам для проведения экспериментов в компании: консультирует команды по сложным случаям, предлагает улучшения в процессах и конфигурации инструментов.
+- Активно обучает и менторит продакт-менеджеров и других аналитиков лучшим практикам экспериментирования и прикладного data science.
 - Проводит мета-анализ "флота" экспериментов, выявляя не только системные проблемы (p-hacking), но и формируя выводы о том, какие типы гипотез и инициатив (маркетинговых, операционных, продуктовых) приносят наибольшую ценность.
 - Строит end-to-end ML-прототипы: от создания признаков до скрипта для инференса.
 - Проектирует систему метрик (оффлайн/онлайн) для оценки успеха ML-моделей в продакшене.
-- Активно обучает и менторит продакт-менеджеров и других аналитиков лучшим практикам экспериментирования и прикладного data science.
 
 ## DA5 (Staff)
 - Оценивает ограничения существующих в компании подходов к экспериментированию в контексте бизнес-задач; влияет на стратегические решения об их развитии или замене.
 - Утверждает и стандартизирует методологии как для причинно-следственного анализа, так и для ML-приложений.
-- Исследует, адаптирует и внедряет в компании передовые методы из индустрии в области causal inference и ML. ƒ
+- Исследует, адаптирует и внедряет в компании передовые методы из индустрии в области causal inference и ML.

data_analytics/2. Product & Business Acumen.md

@@ -9,23 +9,22 @@
 
 ## DA2 (Middle)
 - Выбирает наиболее эффективную визуализацию для данных и аудитории.
-- Четко представляет результаты своей команде и непосредственным стейкхолдерам.
+- Структурирует свои выводы и презентации по принципу "Контекст -> Наблюдения -> Выводы -> Рекомендации".
 - Адаптирует свои презентации и выводы под конкретную аудиторию (техническую/нетехническую).
 
 ## DA3 (Middle+)
 - Проводит проактивные исследования и представляет результаты руководству своего домена.
-- Может отвечать на ad-hoc вопросы во время презентаций.
-- Структурирует убедительный рассказ на основе данных.
+- Строит повествование (narrative) вокруг данных, используя техники сторителлинга (например, постановка проблемы, ключевой инсайт, призыв к действию).
 - Осуществляет фоллоу-ап по результатам своих исследований, чтобы убедиться, что они были правильно поняты и приняты в работу.
 
 ## DA4 (Senior)
 - Представляет сложные исследования топ-менеджменту (C-level).
-- Может убеждать и влиять на высшее руководство при принятии ключевых решений.
-- Его исследования напрямую формируют дорожную карту продукта.
-- Готовит убедительные аналитические записки (memos, white papers) для асинхронного влияния на принятие сложных решений.
+- Проактивно выявляет "слепые зоны" в стратегии домена и инициирует исследования, чтобы их закрыть.
+- Выступает фасилитатором на встречах, где обсуждаются данные, помогая группе прийти к консенсусу и принять решение.
+- Готовит убедительные аналитические записки (white papers) для асинхронного влияния на принятие сложных решений.
 
 ## DA5 (Staff)
 - Представляет аналитическое лидерство компании вовне (например, на конференциях).
-- Менторит старших аналитиков и менеджеров по увеличению их влияния.
+- Создает и проводит обучающие программы/воркшопы для аналитиков и менеджеров по темам эффективной визуализации и data-driven принятия решений.
 - Проектирует и внедряет в компании процессы и ритуалы, которые повышают качество data-driven дискуссий (например, шаблоны дизайн-доков для экспериментов, data-ревью).
 - Меняет то, как вся компания говорит о данных и использует их.