BigQuery Insights

​​Ймовірність смерті протягом року починає перевищувати 1% у чоловіків приблизно з 44 років, а у жінок - з 60. Рівень 2% досягається у чоловіків з 55 років, у жінок - з 68. У похилому віці різниця поступово зменшується, і приблизно у 94 роки показники стають майже однаковими - близько 25%. Це я рахував на основі відкритих даних статево-вікового розподілу населення України за 1989–2022 роки. Більш детально про це - у моїй статті про моделювання демографії України (писав її ще раніше, але вона досі актуальна). @BigQuery

​​Досліджую тему використання Claude Code/Codex для data analysis і поки головний висновок такий: AI дуже серйозно трансформує не тільки роботу інженерів, але й аналітиків. Наткнувся на оглядовий розбір архітектури, де всередині Claude Code зібрали AI data analyst, який без Python, SQL і взагалі без коду проходить повний цикл аналізу: формулює питання, досліджує дані, валідовує висновки, генерує графіки і збирає презентацію. Що там особливо цікаво: — вся система — це 15 agents і 12 skills — все зберігається у markdown-файлах — agents роблять роботу — skills задають стандарти якості — вся логіка керується одним CLAUDE.md — кожен feedback покращує всю систему. Але відкритими лишаються дуже практичні речі: — хто валідовує результати — хто будує реальний product/business context — хто пріоритизує, що взагалі варто аналізувати — хто не дає організації потонути в десятках AI-висновків, які звучать переконливо, але нікуди не ведуть :) Нажаль, стаття крім самої ідеї цінності особливо не несе, але якщо вам цікаво — то посилання буде в коментарях :) Якщо хтось бачив в open-source схожі архітектури або детальні покрокові мануали як зібрати таку систему — діліться в коментарях! via @WebAnalyst

​​Claude AI - моє головне відкриття цього року. Написав статтю про те, як за допомогою Claude можна значно спростити реалізацію складних технічних рішень - на прикладі моделювання кривої оплат підписки (resubscription). Якщо коротко, Claude не просто генерує код - він: - розуміє складні наукові статті, - допомагає перекласти їх у робочу модель, - і робить це буквально за секунди. У моєму кейсі - функція, яку я намагався реалізувати різними способами, була згенерована і запрацювала майже одразу. В статті показав: - як я перейшов від простого curve fitting до probabilistic model, - як реалізував це в Google Sheets, - і додав сам код з інстукцією для використання. @BigQuery

🔥 Вважаєте себе гуру BigQuery? Вийшла крута стаття про неочевидні фічі GoogleSQL, які часто ховаються десь у чейнджлогах, але суттєво спрощують написання запитів: 🔹 GROUP BY ALL — базовий розігрів, більше ніяких GROUP BY 1, 2, 3. Усе підтягується автоматично. 🔹 UNION ALL BY NAME — порядок колонок більше не має значення, об'єднання йде суворо за їхніми назвами. 🔹 Ланцюжкові виклики функцій — тепер код можна читати зліва направо: (name).TRIM().REPLACE(' ', '_').UPPER() замість незручних вкладених дужок. 🔹 MAX_BY або ANY_VALUE(... HAVING MAX ...) — ідеальна й лаконічна заміна громіздким віконним функціям з ROW_NUMBER(). 🔹 Вирази WITH у SELECT — дозволяють створювати проміжні змінні прямо всередині SELECT, щоб не роздувати код непотрібними CTE. 🔗 Детальніше та з прикладами коду: https://blog.querylab.io/so-you-think-youre-a-bigquery-power-user-11e1e2334896

​​Hi! We're AVS — an international EdTech platform with online courses for accountants. Over 300,000 clients across Ukraine, Poland, Kazakhstan, and Brazil. We're looking for a Chief Marketing Officer — someone who will build the marketing department from the ground up and lead the company's next phase of growth. The core objective is to lead the marketing function, build the team, and grow monthly revenue to $1M. You'll be scaling performance channels, launching SEO, and building out the marketing department — with full decision-making authority trusted by the founder. 💼 What We Offer: - Salary of $8,000/month (base + performance bonuses upon hitting targets) - Remote work with a flexible schedule. Work from home (anywhere in the world), from our Kyiv office. - 24 days of paid vacation plus paid sick leave. - Consistent, on-time pay — we've never missed or delayed a paycheck in the company's entire history. - Direct access to the founder — your ideas will be heard and acted on. - Professional development — internal training + external courses and coaching covered. You can find more details and make small test-task to apply in the Telegram-bot: https://tinyurl.com/BigQueryInsights-cmo-eng

​​🚀 Google BigQuery запускає Global Queries! Тепер можна виконувати SQL-запити до наборів даних, що зберігаються в різних регіонах (наприклад, США та ЄС), в одному запиті — без складних ETL-процесів і ручного переміщення даних, як це було раніше. @BigQuery

🚀 Тижневий радар: ШІ в BigQuery та нові правила Privacy Привіт, дата-гіки! ☕️ Цей тиждень приніс важливі оновлення як у Google-стеку, так і в глобальному ландшафті аналітики. Зібрали головне з посиланнями. 🌐 Загальні тренди індустрії • Privacy Sandbox та Cookies: Chrome продовжує оновлювати підходи до приватності. Поки індустрія адаптується до стратегії "User Choice" замість повного відключення, важливо слідкувати за офіційним таймлайном. 🔗 Джерело: The Privacy Sandbox Timeline • Server-Side Tracking стає стандартом: Кількість впроваджень sGTM зростає. Це вже необхідність для обходу блокувальників та покращення швидкості сайтів. 🔗 Джерело: Google Server-side Tagging Docs • Альтернативи (Matomo & Piwik PRO): Платформи оновили свої модулі для роботи з Google Consent Mode v2, щоб відповідати вимогам Digital Markets Act (DMA). 🔗 Matomo: Matomo & Google Consent Mode v2 FAQ 🔗 Piwik PRO: Piwik PRO Consent Manager Updates 🤖 Google Екосистема: AI та BigQuery • BigQuery Data Engineering Agent: Новий ШІ-помічник на базі Gemini, який допомагає будувати пайплайни даних "під ключ", доступний у прев'ю. 🔗 Деталі: Exploring the Data Engineering Agent in BigQuery • GA4 ➡️ BigQuery (Recurring Jobs): Оновлений Data Transfer Service дозволяє налаштувати регулярний імпорт даних без написання скриптів. 🔗 Документація: BigQuery Data Transfer Service enhancements • Якість даних у GA4: Система тепер чіткіше підсвічує проблеми з даними (Data Quality Icon) безпосередньо у звітах. 🔗 Довідка: GA4 Data Quality Identification 💡 Інсайт тижня • Key Events (Ключові події): Цей термін остаточно замінив "Конверсії" в інтерфейсі GA4 для звітів. Конверсії тепер — це виключно для Google Ads. 🔗 Пояснення: GA4 Key Events vs. Conversions #WebAnalytics #PrivacySandbox #GA4 #BigQuery #ServerSide #DataNews

#vacancy #analyst #remote BillTech у пошуку Маркетинг та Продакт аналітиків. Відкриті 2 окремі ролі рівня Strong Middle у B2C digital продукті зі складною метрик-логікою та великим обсягом даних: Marketing Analyst та Product Analyst. 📣Ми шукаємо аналітиків, які hands-on ініціюють дослідження, знаходять інсайти та впливають на рішення: оптимізацію витрат, зростання LTV, конверсії. ✔️Це про вас, якщо - 3+ роки в аналітиці B2C digital продуктів - SQL (PostgreSQL / BigQuery) - BI: Tableau / Metabase / PowerBI Marketing Analyst — про гроші та ефективність каналів - аналіз маркетингових кампаній та CRM (promo...) - retention, conversion funnels, LTV - оптимізація маркетингових витрат Product Analyst — про поведінку користувачів і продукт - аналіз продукту та ключових метрик - ініціювання питань та постановка задач щодо покращення роботи продукту та якості аналітики 👉 Деталі у приватних повідомленнях: @Billtech_TS_BT

​​Третій армійський корпус проводить збір і дає можливість виграти квартиру. Збір перевірений, усі кошти йдуть Третьому армійському корпусу. Доначу сам і вас запрошую. Щоб взяти участь, задонать від 300 грн на збір «Герої районів» за цим посиланням Більша сума - більше шансів виграти ▫️ 300 грн — 1 шанс; ▫️ 900 грн — 3 шанси; ▫️ 3000 грн — 10 шансів. 📌 Якщо донатиш не з картки ПриватБанку, обов’язково вкажи номер телефону чи інший контакт у коментарі до донату @BigQuery

Ви ще не в каналі Tech4You? Тоді ви вже втрачаєте гроші. ❌ Акаунти в бані? ❌ PMax зливає бюджети? ❌ Апдейти Meta, TikTok, Google дізнаєтесь останніми? Це не «дрібні проблеми» — це мінус у вашому прибутку. 🟢 Підписуйтесь на Tech4You і отримуйте все, що реально рятує маркетологів щодня: — Гарячі новини про Meta, TikTok, Google, Snapchat. — Розбір складних тем простою мовою. — Кейси, інсайти, промпти. — Поради з масштабування, ремаркетингу, AI. — Офіційні акаунти з високими лімітами без блокувань. 🎁 Бонус — PDF-гайд із безпеки акаунтів для нових підписників. Це must-have, щоб зберегти бюджети й працювати без ризиків. 🟢 Приєднуйтесь зараз: @tech4you_agency

​​Шукаємо аналітиків в MacPaw: - Product Analyst (Web + App), - Product Analyst (iOS), - Middle Data Engineer. MacPaw - продуктова ІТ компанія, розробляє macOS/iOS-додатки, продукти якої встановлені на кожному 5-му макбуці світу. Є можливість працювати віддалено. @BigQuery

​​Інтеграція Earth Engine і BigQuery відкриває новий підхід до аналізу просторових даних. Google зробив Earth Engine у BigQuery загальнодоступним (General Availability). Додали нову можливість у BigQuery Studio — візуалізацію геопросторових даних (географічні запити) безпосередньо на карті. Головна ідея: аналітики, які вже працюють із табличними даними в BigQuery, тепер можуть поєднувати їх із растровими шарами (наприклад, кліматичні, топографічні, змінювання земель) без складного ETL‑процесу чи окремої обробки в Earth Engine. @BigQuery

🐍 Якщо Excel вже не тягне, а рутина поглинає години, які можна було б присвятити стратегічним завданням → час прокачати аналіз даних та знайти нові інструменти. Навчіться ухвалювати рішення на основі повної, чистої та оновлюваної аналітики без залучення технічної команди — на курсі «Python для аналітиків» від robot_dreams. Протягом 16 занять ви: → опануєте Python та ключові бібліотеки для роботи з даними: NumPy, Pandas, Matplotlib, Seaborn і Plotly → навчитеся створювати зрозумілі та інтерактивні візуалізації → збиратимете дані з API та вебу, працюватимете із зовнішніми джерелами → опануєте базову статистику, перевірку гіпотез і побудову прогнозів у scikit-learn та statsmodels → автоматизуєте збір, обробку та аналіз даних — без залучення розробників 📊 Наприкінці курсу напишете власну прогнозну модель та оформите аналітичний звіт, які додасте в портфоліо Лекторка — Анна Шепелєва, Senior Data Analyst у Brainstack з 10+ роками досвіду в аналітиці даних. Старт: 7 жовтня Деталі, програма та реєстрація ⬅️

​​Цікава стаття про найм аналітиків Автор стверджує, що вже у 2025‑му компанії повинні переглянути підхід до найму Data Analysts, якщо їхня основна робота — це написання SQL‑запитів і візуалізація даних. Якщо аналітики лише транслюють запити бізнесу в дані та звіти, але інфраструктура чи дані погано організовані, додаткові ресурси (найм) не дуже допоможуть. Рекомендації автора: - Інвестувати в Data Engineering: налаштувати чисті, організовані системи із грамотним потоком даних та зберіганням, щоб дані були доступні й готові до аналізу, - Використовувати AI‑інструменти там, де це доречно, щоб зменшити рутинну роботу аналітиків: автогенерація SQL, автоматичні звіти, шаблони тощо. Але це працюватиме лише з правильно налаштованими даними й інфраструктурою, - Змінити роль Data Analyst таким чином, щоб більше часу йшло на бізнес‑аналіз, інсайти, взаємодію з іншими відділами, а не просто на генерацію звітів, - Підтримувати співвідношення Data Analyst : Data Engineer ≈ 1:1 або принаймні таке, яке забезпечує можливість синергування. @BigQuery

​​Google відкриває реєстрацію на програму "Розвивайте кар’єру із Google Cloud" Новий потік програми стартує 29 вересня 2025 року та націлений на Junior та Middle розробників, IT-інженерів, студентів IT-спеціальностей і точних наук та всіх, кому цікаві хмарні технології. Учасники програми отримають: ✔️ 60 днів безкоштовного доступу до платформи Google Cloud Skills Boost. ✔️ Доступ до воркшопів від експертів Google Сloud та лідерів української ІТ - індустрії. ✔️ Брендовані нагороди від Google за здобуті бейджі навичок. ✔️ Безкоштовні ваучери на сертифікаційний іспит Google Cloud (навіть, якщо ви отримували його раніше). 🔗 Реєстрація на програму за посиланням!

​​Приклад оптимізації аналітичних рішень від Meta Детерміністична вибірка — потужний інструмент для масштабованої аналітики: дозволяє обробляти менше даних заради часу та ресурсів, але зберігати релевантність аналітичних висновків. Важливо мати чіткий дизайн вибірки, щоб забезпечити консистентність. Завжди слід оцінювати, чи підходить вибірка для задачі: більшість дашбордів і аналітики може працювати із вибіркою, але для фінальних рішень чи офіційних експериментів — потрібні повні дані. @BigQuery

​​Знайшов дві цікаві статі про LLM трафік: - Як відслідковувати трафік з AI чат-ботів в Google Analytics 4 для сегментації (оскільки він може дещо спотворювати дані про поведінку користувачів). - Дослідження глобального трафіку AI чат-ботів у 2025 році: порівняння часток ринку, регіональні відмінності та метрики залучення користувачів (трафік з LLM часто є значно ціннішим за традиційний органічний трафік через вищу залученість відвідувачів). Якщо ви зустрічали хороший матеріал по цій темі — діліться ним в коментарях! via @WebAnalyst

​​Google випустила Trends API (Alpha) — новий спосіб отримати доступ до даних Google Trends програмно, а не вручну. Це перший випадок, коли інформація про пошукову поведінку користувачів офіційно доступна через API. 📊 API відкриває 5-річне вікно даних і дає змогу: — робити порівняння між десятками запитів — масштабувати часові діапазони інкрементально — отримувати статистику по днях, тижнях, місяцях, роках і регіонах — будувати більш складні запити, ніж дозволяє веб-інтерфейс Це дуже потужний інструмент для аналітиків, журналістів, дослідників і всіх, хто раніше страждав від обмежень UI або скрейпінгу. 🧪 API поки в Alpha, але можна подати заявку на участь: https://bit.ly/3UM2gwv via @WebAnalyst

​​Google презентував нову можливість у BigQuery — Automated Data Insights Feature for BigQuery with Gemini Integration Вона дозволяє: • Генерувати запитання природною мовою та відповідні SQL-запити на основі метаданих таблиці, • Допомагати аналітикам швидше виявляти закономірності, перевіряти якість даних та аналізувати статистику, • Автоматично створювати описи таблиць і стовпців, що покращує документацію й спрощує пошук даних. @BigQuery

​​Як за допомогою BigQueryML можна виявити фактори, які впливають на результати. Contribution Analysis оцінює вплив окремих категоріальних змінних на зміну метрики. Автор наводить приклад аналізу змін у коефіцієнті конверсії між двома кварталами. @BigQuery