# Как построить дата-команду мирового уровня: опыт Джессики Лакс в DoorDash

Источник: https://www.youtube.com/watch?v=D4PDb_C8Dww
Канал: Lenny's Podcast
Опубликовано: 14.07.2024

---

Джессика Лакс прошла путь от первого генерального менеджера DoorDash до вице-президента по аналитике и Data Science, построив одну из самых эффективных дата-команд в индустрии. В беседе с Ленни Рачитски она раскрывает принципы работы «A-Team» — от борьбы за «место за столом» до того, почему любопытство важнее диплома статистика, а простые метрики эффективнее сложных композитных индексов.

## 🏛️ Централизованная модель: почему аналитика не должна подчиняться бизнесу
[[JUMP:05:07]]

Джессика Лакс придерживается позиции, которая кажется многим спорной: аналитика должна быть централизованной функцией, а не частью бизнес-подразделений [05:07]. По её мнению, аналитика — это функция, приносящая бизнес-результат, а не сервисная служба, просто отвечающая на вопросы через тикеты в Jira.

Основные аргументы Джессики Лакс в пользу централизации:

*   **Единый уровень талантов:** При централизованном найме используется общая планка и единый рубрикатор навыков, что гарантирует стабильно высокое качество кадров [11:08].
*   **Карьерные возможности:** В изолированных отделах (например, в маркетинге) аналитику некуда расти. В централизованной структуре он может перемещаться между направлениями (из маркетинга в работу с ресторанами), что помогает удерживать таланты [11:46].
*   **Консистентность данных:** Это исключает ситуации, когда продажи считаются по-разному в разных отделах. Все используют общие методологии и не «изобретают велосипед» при создании моделей прогнозирования оттока [12:51].
*   **Культура «A-Team»:** Команда чувствует общность, может проводить внутреннее рецензирование (peer review) и учиться друг у друга, что крайне важно для профессионального роста [14:11].

Ленни Рачитски отметил, что Business-лидеры часто противятся такой модели, желая иметь полный контроль над ресурсами и дорожными картами [07:58]. Джессика Лакс признаёт это, но предлагает компромисс: аналитики работают в «подах», которые полностью соответствуют структуре продукта или маркетинга, разделяя их цели, но административно подчиняясь центральному дата-отделу [08:25].

## 🔍 Поиск «So What?»: как аналитика находит скрытые точки роста
[[JUMP:09:45]]

Джессика Лакс считает, что аналитик должен не просто отвечать на вопрос «почему это случилось», но и предлагать решение на вопрос «и что нам теперь делать?» [05:33]. Для этого в DoorDash внедрена практика глубоких исследований (Deep Dives) и хакатонов.

В качестве примера гостья привела случай с реферальной программой [17:35]:

1.  Данные показывали, что реферальный канал имеет показатели ниже среднего.
2.  Вместо того чтобы просто урезать бюджет, команда провела хакатон.
3.  Аналитики сами пытались совершить фрод: создавали аккаунты, заказывали капкейки в офис за бонусы [18:27].
4.  Выяснилось, что распределение пользователей бимодально: одна группа была отличными клиентами, а вторая — охотниками за скидками, использующими слабые правила антифрода [18:55].
5.  Итог: внедрение лимитов и новых проверок превратило «плохой» канал в высокоэффективный.

Чтобы у аналитиков было время на такие открытия, Джессика Лакс советует всегда открыто обсуждать компромиссы (trade-offs). Если прилетает срочный запрос на выгрузку данных, аналитик должен спросить: «Эта задача важнее тех трех приоритетных целей, над которыми я работаю?» [22:00].

## 🧠 Наём по принципу любопытства и «нестандартное» прошлое
[[JUMP:24:25]]

Технические навыки (SQL, Python) Джессика Лакс называет «входным билетом», но главным качеством считает любопытство [24:51]. По её мнению, любопытству невозможно научить: человек либо сам хочет «тянуть за ниточку», когда видит странность в данных, либо нет.

В процессе интервью в DoorDash используют реальные кейсы из истории компании [27:02]. Джессика Лакс обращает внимание на два момента:

*   **Реакция на ошибку:** Интервьюер знает бизнес лучше кандидата и намеренно указывает на неверное предположение. То, как человек адаптируется к новой информации, важнее правильного ответа [27:58].
*   **Способность принять решение:** Кандидата просят сделать выбор даже при неполных данных. Умение иметь точку зрения в условиях неопределенности — критический софт-скилл [28:25].

Сама Джессика Лакс называет себя «специалистом, которого сегодня не наняли бы на её должность» [29:30]. У неё нет профильного образования в Data Science (она занималась искусством и работала в инвестиционном банкинге в Lehman Brothers). SQL и Python она выучила самостоятельно из необходимости решать задачи DoorDash 10 лет назад [29:58]. Ленни Рачитски подчеркнул, что такой путь вдохновляет тех, кто боится менять сферу деятельности.

## 📈 Искусство метрик: короткие пути к долгосрочным целям
[[JUMP:44:20]]

По мнению Джессики Лакс, удержание (retention) — ужасная метрика для постановки квартальных целей, так как на неё невозможно существенно повлиять в коротком периоде [45:00]. Вместо этого нужно искать краткосрочные «прокси-метрики».

Принципы работы с метриками в DoorDash:

1.  **Простота важнее точности:** Сложные композитные индексы с весовыми коэффициентами (например, «Индекс здоровья продавца») непонятны людям. Лучше иметь три простые и понятные метрики, чем одну идеальную, но нечитаемую [46:04].
2.  **Общая валюта:** Все изменения (улучшение времени доставки на минуту или расширение выбора ресторанов) переводятся в GOV (Gross Order Value — общая стоимость заказов) или объем заказов [46:56]. Это позволяет сравнивать эффективность маркетинга и логистики на одном языке [48:05].
3.  **Борьба с «провальными состояниями»:** Вместо погони за средними показателями DoorDash фокусируется на крайних случаях (edge cases), таких как «Never Delivered» (заказ не был доставлен) [55:48].

Джессика Лакс настаивает, что редкие, но катастрофические ошибки стоят компании гораздо дороже, чем кажется на графиках, так как они ведут к мгновенному оттоку клиентов, который сложно зафиксировать в моменте [58:44].

## 🚲 Культура «WeDash» и экстремальное владение
[[JUMP:38:28]]

Одной из уникальных черт DoorDash является программа WeDash: четыре раза в год каждый сотрудник, включая топ-менеджмент, должен поработать курьером или в службе поддержки [38:41]. Сама Джессика Лакс часто выходит на заказы в паре с коллегами. По её словам, это лучший способ найти баги и почувствовать боли Dashers (курьеров) и мерчантов (ресторанов) [39:31].

Гостья подчеркивает важность «экстремального владения результатом» (extreme ownership). Это означает, что аналитик не может сказать: «Я просто считаю цифры». Если для понимания проблемы нужно поднять трубку и позвонить клиентам, аналитик делает это сам, не дожидаясь отдела исследований [42:51].

## 🤖 AI в аналитике: инструмент для нетехнических сотрудников
[[JUMP:1:02:42]]

В DoorDash используют AI не только для улучшения продукта, но и для повышения продуктивности команды. Джессика Лакс рассказала об инструменте под названием **Ask Data AI** [1:04:59]. Это чат-бот, который помогает любому сотруднику компании писать или корректировать SQL-запросы. Это разгружает дата-команду от рутинных задач, позволяя менеджерам самим получать ответы на простые вопросы о данных [1:04:21].

## ⚡ Блиц-советы от Джессики Лакс
[[JUMP:1:08:54]]

*   **Книги:** Она предпочитает шпионские романы и историческую беллетристику (например, *The Rose Code* Кейт Куинн о женщинах-шифровальщицах), так как это помогает мозгу переключиться, но оставаться в режиме решения загадок [1:09:08].
*   **Метод принятия решений:** «Комитет сна». Если задача кажется неразрешимой вечером, нужно лечь спать. Утром решение часто приходит само собой благодаря работе подсознания [1:11:47].
*   **Карьерный совет:** DoorDash является «чистым импортером талантов» — в аналитику часто переходят из маркетинга, финансов или операций. Джессика Лакс призывает не бояться нанимать людей с разным бэкграундом: экономистов, консультантов и даже врачей (её мать стала медсестрой в 40 лет, что стало для Джессики важным примером) [1:14:17].