«Модель должна быть под вашу задачу. Она должна показывать всё необходимое, то, в чём вам нужно разобраться, и не показывать ничего остального. Главное из неё выкинуть всё лишнее и оставить всё нужное».
«Проверить, что ваша модель недостаточно хороша, нельзя, кроме как улучшить её в каком-то направлении. Если она дала другой результат, значит, нужно улучшать. Обычно ты улучшаешь модель в десяти направлениях, в девяти это ни к чему не приводит, а в десятом видно, что ты раньше что-то потерял».
«Мы же сами по себе тоже системы моделирования и оптимизации. Делать отдельный технический продукт для задачи, которая работает один раз, у которой не очень большие деньги, и где человек хорошо справляется, скорее всего, не нужно».
Ведущий:
Юра Агеев, основатель ProductSense
Гость:
Алексей Тарасов, эксперт по решению наукоемких бизнес-задач, Тарасов Math
Конференция ProductSense пройдёт 10-11 сентября 2026 года в Москве.
Сайт конференции: https://productsense.io
Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast
О чём говорим:
00:00 — Введение
01:31 — Юнит-экономика как простая модель для продакта
03:06 — Почему часто не хватает данных и статистики?
03:34 — Главная польза юнит-экономики: найти ключевую точку влияния
04:13 — Карты и границы применимости моделей
06:00 — Что включать в модель, а что выбрасывать
07:38 — Парадокс Симпсона: как агрегация может обманывать
10:01 — Cколько cценариев имеет смысл считать и когда остановиться?
11:13 — Когда компании платят за модели: заводы, планирование, оптимизация
12:35 — Внедрение моделей: оцифровка процессов и обучение людей
14:06 — Авиация: почему планирование рейсов превращается в сложную задачу
16:27 — Какие данные нужны модели в операционном планировании
18:00 — Модель как подсказка: что автоматизировать, а что оставить человеку
20:50 — Простое объяснение дискретной и непрерывной оптимизации
22:22 — Где математика в А/Б-тестах и экспериментах?
24:11 — Почему нельзя сводить всё к максимизации денег без стратегии
27:13 — Ограничения вычислимости: почему некоторые задачи не считаются
28:26 — LLM и синтетические респонденты: где может помочь имитационное моделирование
33:23 — Инсайты в данных: метод главных компонент и машинное обучение
37:40 — Revenue management и динамическое ценообразование
39:17 — Граница применимости: когда стоимость оцифровки выше пользы
45:06 — Риски, редкие события и крах по Талебу
50:22 — Теория игр для продактов
55:33 — Must-have для продакта: парадоксы и математическая культура