Korzystam z metod analizy biznesowej i procesowej, badań społecznych i rynkowych oraz analizy danych. Dobór konkretnych technik zależy od problemu, dostępnych informacji i celu projektu.
Analiza problemów i procesów
- analiza potrzeb interesariuszy;
- analiza luk informacyjnych;
- mapowanie procesów;
- analiza stanu obecnego i docelowego – AS-IS i TO-BE;
- Customer Journey Mapping;
- identyfikowanie punktów styku, barier i zależności;
- opisywanie reguł działania i scenariuszy;
- przekładanie wiedzy domenowej na wymagania informacyjne i funkcjonalne;
- testowanie logiki rozwiązania;
- dokumentowanie błędów i retesty;
- warsztaty z interesariuszami.
Badania ilościowe
- CAWI;
- CATI;
- CAPI;
- PAPI;
- ankiety audytoryjne;
- badania w miejscach publicznych, punktach sprzedaży i podczas wydarzeń;
- badania B2C i B2B;
- badania na próbach reprezentatywnych;
- projektowanie doboru próby;
- projektowanie kwestionariuszy;
- badania cykliczne i porównawcze;
- badania międzynarodowe.
Badania jakościowe
- indywidualne wywiady pogłębione IDI;
- grupy fokusowe FGI;
- mini grupy;
- clash groups;
- wywiady eksperckie;
- wywiady narracyjne;
- wywiady fotograficzne PEI;
- obserwacja;
- dzienniczki badawcze;
- badania podłużne;
- analiza treści;
- analiza dyskursu.
CX i UX
- analiza Customer Journey;
- mystery shopping;
- service safari;
- audyty UX;
- concept testing;
- RITE;
- testowanie prototypów i koncepcji;
- badania doświadczeń klientów i użytkowników;
- analiza doświadczeń w kanałach cyfrowych i stacjonarnych;
- warsztaty insightowe i projektowe.
Analiza danych ilościowych
- przygotowanie i czyszczenie danych;
- rekodowanie i przekształcanie zmiennych;
- ważenie danych;
- statystyka opisowa;
- wnioskowanie statystyczne;
- testowanie zależności;
- wielowymiarowa analiza danych;
- segmentacje;
- typologie;
- data mining;
- analiza RFM;
- Conjoint;
- analiza skupień (Cluster Analysis);
- analiza koszykowa (Market Basket Analysis);
- drzewa decyzyjne (Decision Tree);
- tworzenie wskaźników, indeksów i skal;
- analiza danych cyklicznych i porównawczych;
- łączenie danych badawczych z danymi CRM, sprzedażowymi i innymi źródłami;
- audyt analiz wykonanych przez inne osoby.
Analiza danych jakościowych
- kodowanie materiału jakościowego;
- analiza tematyczna;
- analiza treści;
- analiza dyskursu;
- porównywanie perspektyw różnych grup;
- łączenie wyników jakościowych z danymi ilościowymi;
- synteza materiału z wywiadów, obserwacji i warsztatów.
Desk research i analiza rynku
- analiza rynku i konkurencji;
- analiza modeli biznesowych i ofert;
- analiza raportów branżowych i baz danych;
- analiza stron internetowych i materiałów firmowych;
- analiza dokumentów regulacyjnych;
- analiza patentów i specyfikacji technicznych;
- praca z danymi importowymi i eksportowymi;
- identyfikowanie kodów towarowych;
- analiza potencjału rynków zagranicznych;
- OSINT i analiza śladów cyfrowych;
- porównywanie rozproszonych i niejednorodnych źródeł.
Kontrola jakości i testowanie
- kontrola logiki kwestionariuszy i skryptów;
- testowanie filtrów, pętli i warunków;
- weryfikacja kompletności baz;
- wykrywanie niespójnych i nierzetelnych odpowiedzi;
- kontrola jakości prób i realizacji;
- weryfikacja tłumaczeń narzędzi i materiałów badawczych;
- sprawdzanie poprawności przygotowania zmiennych;
- kontrola doboru metod statystycznych;
- weryfikacja zgodności wykresów i wniosków z danymi;
- dokumentowanie błędów;
- sprawdzanie wprowadzonych poprawek.
Narzędzia
Używam regularnie
- IBM SPSS Statistics;
- Microsoft Excel, Word, PowerPoint;
- R;
- narzędzia generatywnej AI;
- Resource Guru.
Wykorzystuję zależnie od projektu
- JupyterLab;
- Python – również z kodem przygotowywanym przy wsparciu AI;
- VBA – również przy wsparciu AI;
- Miro;
- Asana.
Mam wcześniejsze doświadczenie
Te narzędzia znam z wcześniejszej pracy lub edukacji, ale przed intensywnym wykorzystaniem zawodowym mogą wymagać odświeżenia:
- SQL i PL/SQL;
- SAS;
- Oracle Database;
- NVivo;
- Atlas.ti;
- MaxQDA.
Generatywna AI
Mam doświadczenie z modelami: chatGPT, Claude, Copilot, Gemini.
Wykorzystuję generatywną AI między innymi do:
- pracy z tekstem i materiałem jakościowym;
- wspierania analiz;
- przygotowywania i sprawdzania kodu;
- prototypowania rozwiązań;
- testowania sposobów automatyzacji powtarzalnych zadań;
- porównywania wariantów narzędzi i wyników.
Rezultaty pracy modeli weryfikuję przed wykorzystaniem. Oceniam nie tylko poprawność odpowiedzi, ale również stabilność rozwiązania, ryzyko błędów, koszt i przydatność w konkretnym procesie.
Środowisko projektowe
- projekty realizowane w podejściu zwinnym – agile;
- projekty realizowane w modelu kaskadowym – waterfall;
- praca iteracyjna w sprintach;
- współpraca z project managerami oraz zespołami UX i IT;
- regularne spotkania synchronizacyjne i prezentowanie wyników kolejnych etapów;
- korzystanie z narzędzi do zarządzania pracą projektową: Asana, Resource Guru, diagramy Gantta, tablice Kanban.