Аналитика данных / Data Study
前往频道在 Telegram
Помогаю аналитикам расти в профессии и доходе Курс по продвинутому SQL и автоматизации потоков данных https://datastudy.ru/sql_advanced По всем вопросам: @daniildzheparov Канал в MAX https://max.ru/id591908196110_biz
显示更多9 401
订阅者
+124 小时
-157 天
-5730 天
正在加载数据
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
十一月 '2611月 '26
十一月 '26
+27
在0个频道中
十月 '26
+75
在1个频道中
Get PRO
九月 '26
+103
在0个频道中
Get PRO
八月 '26
+103
在0个频道中
Get PRO
七月 '26
+108
在1个频道中
Get PRO
六月 '26
+102
在0个频道中
Get PRO
五月 '26
+97
在0个频道中
Get PRO
四月 '26
+158
在0个频道中
Get PRO
三月 '26
+148
在0个频道中
Get PRO
二月 '26
+146
在0个频道中
Get PRO
一月 '26
+249
在1个频道中
Get PRO
十二月 '25
+310
在2个频道中
Get PRO
十一月 '25
+656
在1个频道中
Get PRO
十月 '25
+146
在1个频道中
Get PRO
九月 '25
+164
在0个频道中
Get PRO
八月 '25
+206
在1个频道中
Get PRO
七月 '25
+160
在1个频道中
Get PRO
六月 '25
+144
在1个频道中
Get PRO
五月 '25
+164
在2个频道中
Get PRO
四月 '25
+160
在3个频道中
Get PRO
三月 '25
+214
在1个频道中
Get PRO
二月 '25
+270
在1个频道中
Get PRO
一月 '25
+314
在3个频道中
Get PRO
十二月 '24
+167
在0个频道中
Get PRO
十一月 '24
+265
在2个频道中
Get PRO
十月 '24
+333
在1个频道中
Get PRO
九月 '24
+216
在0个频道中
Get PRO
八月 '24
+217
在0个频道中
Get PRO
七月 '24
+294
在0个频道中
Get PRO
六月 '24
+207
在1个频道中
Get PRO
五月 '24
+246
在0个频道中
Get PRO
四月 '24
+338
在2个频道中
Get PRO
三月 '24
+256
在0个频道中
Get PRO
二月 '24
+225
在0个频道中
Get PRO
一月 '24
+234
在1个频道中
Get PRO
十二月 '23
+199
在0个频道中
Get PRO
十一月 '23
+166
在1个频道中
Get PRO
十月 '23
+267
在4个频道中
Get PRO
九月 '23
+166
在0个频道中
Get PRO
八月 '23
+196
在0个频道中
Get PRO
七月 '23
+146
在0个频道中
Get PRO
六月 '23
+124
在0个频道中
Get PRO
五月 '23
+681
在0个频道中
Get PRO
四月 '23
+93
在0个频道中
Get PRO
三月 '23
+780
在0个频道中
Get PRO
二月 '23
+167
在0个频道中
Get PRO
一月 '23
+282
在0个频道中
Get PRO
十二月 '22
+480
在0个频道中
Get PRO
十一月 '22
+364
在0个频道中
Get PRO
十月 '22
+271
在0个频道中
Get PRO
九月 '22
+224
在0个频道中
Get PRO
八月 '22
+395
在0个频道中
Get PRO
七月 '22
+598
在0个频道中
Get PRO
六月 '22
+754
在0个频道中
Get PRO
五月 '22
+570
在0个频道中
Get PRO
四月 '22
+908
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 15 十一月 | +2 | |||
| 14 十一月 | 0 | |||
| 13 十一月 | +1 | |||
| 12 十一月 | +4 | |||
| 11 十一月 | +2 | |||
| 10 十一月 | +5 | |||
| 09 十一月 | +1 | |||
| 08 十一月 | 0 | |||
| 07 十一月 | +2 | |||
| 06 十一月 | +1 | |||
| 05 十一月 | +1 | |||
| 04 十一月 | +1 | |||
| 03 十一月 | +2 | |||
| 02 十一月 | +1 | |||
| 01 十一月 | +4 |
频道帖子
Оживил автоматическую публикацию вакансий в канале https://t.me/data_vacancy
Главная ценность сейчас не публикации в канале, а сбор данных и анализ что сейчас требуется на рынке от data специалистов.
Это даст понимание
- какие актуальные требования есть к кандидатам
- какой технический стек нужен
- как подготовиться для поиска работы
Где этот анализ будет доступен позже расскажу
| 2 | Оффер на аналитика с зарплатой 250к🤘
..после полугода безрезультных поисков.
Ещё один интересный кейс у команды ии-ассистента Софи.
▫️Артём 3 года работал в сфере аналитики, попал под сокращение.
▫️Полгода искал работу вручную — тратил около 2 часов в день. После зашел в Софи и подключил авто-отклики.
▫️Спустя 3 недели получил оффер на позицию Middle Аналитика.
В следующий раз доступ в Софи откроется 24 ноября.
Если хочешь получить 3 дня бесплатного доступа - подписывайся на этот канал, все анонсы будут там.
Реклама. ООО «СОФИ И ПАРТНЕРЫ», ИНН 9714073924
erid: CQH36pWzJqVL3za6SztrMCpxJoJQQzbWtnMatYbipRkA6t | 820 |
| 3 | Ещё один навык, который стоит добавить в план обучения аналитика — автоматизация рутины с ИИ. Чтобы меньше времени тратить на повторяющиеся задачи и больше — на проверку гипотез и стратегические решения.
Разобраться в этом поможет AI Analytics Week — бесплатный онлайн-интенсив Школы анализа данных Яндекса. Он пройдёт с 23 по 27 ноября: пять дней, кейсы Яндекса и возможность задать вопросы каждому эксперту.
Что разберут:
— какие ИИ-инструменты полезны в работе аналитика;
— как применять LLM в экспериментах — от расчёта выборки до стратификации;
— как устроены агентные системы и как сохранять контроль
над их результатами.
Лекции выйдут в предзаписи на YouTube и VK. Интенсив рассчитан на тех, у кого уже есть база: знания SQL, Python, базовой статистики и основ ML.
Подать заявку можно до 22 ноября включительно. Регистрируемся по ссылке. | 953 |
| 4 | в Datalens можно работать через ИИ-агентов
читал документацию и для себя открыл, что можно подключить агентов через MCP, SDK или API. например, можно собирать отчеты с нуля, править датасеты, чарты, либо искать уже созданные объекты:
Создай в воркбуке <идентификатор_воркбука> чарт-линию
по датасету <идентификатор_датасета>:
продажи по месяцам с разбивкой по регионам.
или так
Во всех датасетах воркбука переименуй поле «revenue» в «Выручка».
либо так
Найди все чарты и дашборды, которые используют датасет <идентификатор_датасета>.
Буду экспериментировать с этим 🤓 | 1 039 |
| 5 | Какой контент хочется читать? | 1 295 |
| 6 | В горах хорошо 😊 | 1 682 |
| 7 | Apache Kafka
Apache Kafka - open-source система, которая выполняет роль брокера сообщений по передаче потоков данных на data проектах.
Смотреть видео про основы Kafka | 1 501 |
| 8 | Практика на боевых задачах: набор на Avito Analyst Bootcamp
Для тех, кто учится на профильных технических специальностях и хочет параллельно зайти в бигтех на реальные задачи — Авито запустил прием заявок на третью волну оплачиваемой стажировки Avito Analyst Bootcamp.
На выбор два трека: продуктовая аналитика и BI-разработка.
Программа длится 12 месяцев с перспективой дорасти до уровня мидл-специалиста. Занятость от 30 часов в неделю, полностью удаленно. Корпоративный ноутбук выдадут, плюс есть компенсация питания, а также обучение от Академии Авито. За каждым закрепляется ментор, а прогресс оценивают каждые 3 месяца.
Требования к базе: понимание основ SQL, базовый Python, аналитическое мышление. Ждут студентов 2-4 курсов бакалавриата, специалитета, магистратуры и недавних выпускников. Лучшие участники смогут продолжить работу в компании.
Отбор состоит из теста, видеоинтервью и двух технических этапов. Старт в декабре 2026 года.
Дедлайн на отправку резюме — 5 ноября. | 1 317 |
| 9 | Привет из Краснодара 👋 | 1 276 |
| 10 | 🐍 Функциональный Python: как перестать считать одно и то же по несколько раз
Частый кейс в аналитике: внутри цикла или пайплайна ты раз за разом вызываешь одну и ту же функцию с одинаковыми аргументами. Например, считаешь метрику по сегменту или достаёшь данные из справочника.
Каждый вызов — это заново отработавший расчёт функции.
Но в Python есть декоратор @lru_cache, который кеширует результаты вызовов. Функция считается первый раз, дальше результат берётся из кеша за миллисекунды если аргументы одинаковые.
Пример и документация здесь
Нюансы использования:
🔹 Кешируй только чистые функции. Если внутри функции зависит от меняющихся данных, например текущая дата, курс валют в реальном времени, состояние БД — кеш отдаст устаревший результат.
🔹 Списки и словари не хешируются и отдают TypeError, используй кортежи
🔹 Если данные обновляются, сбрасывай кеш: segment_median.cache_clear() в начале нового запуска пайплайна
🔹 Для функций с большим числом комбинаций аргументов ограничивай maxsize, чтобы кеш не съел память
Этот же паттерн работает и в связке с pandas: тяжёлые справочники, расчётные коэффициенты, результаты запросов к API. 👍 если узнал новое | 1 298 |
| 11 | Кто хочет попасть в группу, чтобы уверенно писать любую сложную логику на SQL и погрузиться в инженерные задачи, сегодня начинается обучение на курсе
Обучению нужно будет уделять время, длительность 6 недель. Если запланированы отпуска и командировки, это решаемо если предупредите сразу.
За легкостью и тренажерами порешать задачки вам не сюда.
У курса формат практического онбординга в компанию: 2 недели изучение теории, знакомство с инфраструктурой, а потом 4 недели полное погружение в реальные задачи разработки аналитических витрин.
Отзывы учеников кто через это прошел мои слова подтверждают
Буду рад вас видеть в группе и слышать как применяете полученные знания в действии 😉
Записаться в группу | 1 579 |
| 12 | Хочу как Маркиза уметь спать в любом положении 😁 | 954 |
| 13 | Долго грузится дашборд?
Обычно проблема находится на уровне обращения к данным, а именно
❌ датасет отчета построен на SQL запросе, а не готовой таблице
❌ датасет состоит из набора исходных таблиц, соединяемых на уровне BI-инструмента
❌ базовая фильтрация данных настроена на уровне чартов и отчета, а не на уровне датасета или базы данных
Как ускорить свои дашборды ➡️ строить витрины данных. Это таблицы, в которых собраны нужные для вашего отчета данные, со всей фильтрацией, сложной логикой обогащения, JOINов, UNIONов, тяжелых оконных функций.
Ваша задача сделать как можно лучше подготовленные данные на уровне хранилища DWH (или базы данных), чтобы BI работал по большей части для визуализации готовых данных, а не сложных трансформаций "на лету".
Также думайте про вид материализации данных. Например, представление, будет менее эффективным чем сохраненные данные в таблицу, т.к. представление этот тот же сохраненный SQL запрос, выполняющийся каждый раз на лету при обращении к представлению.
Хочешь строить качественную аналитику и отчеты, приходи на курс "Продвинутый SQL и автоматизация витрин данных", где разбираем весь процесс от сбора требований,разработки бизнес-логики на SQL и Python, до автоматизации в Apache Airflow с написанием DAGов.
На реальных рабочих задачах аналитиков соберете 10 витрин данных и автоматизируете обновление в них разными способами: инкременты по дате, ключам, полная перезагрузка и т.д., научитесь писать Python-функции, работать с Github репозиторием и интерфейсом Airflow. Общаемся в группе, а все уроки доступны сразу в личном кабинете онлайн.
ТРЕНАЖЕРОВ НЕТ, работаете в реальной инфраструктуре как в компаниях
Старт группы уже 26 октября, следующая группа будет только в 2027 году❗️
Записаться в группу | 1 075 |
| 14 | рубрика как проходит вечер) монтирую видео для практикума | 1 010 |
| 15 | Рассказываю программу и процесс обучения изнутри
Результаты обучения:
✅ Реализую сложные бизнес и технические задачи с помощью продвинутого знания SQL
✅ Реализую потоки данных с инкрементальной и полной загрузкой данных
✅ Пишу код на Python для автоматизации потоков данных и ETL/ELT
✅ Умею работать с Airflow и разрабатывать DAGи
✅ Работаю и пишу весь код правильно через Git и Github
✅ Работаю с serverless облачными технологиями и пишу Cloud Functions на Python
Старт: 26 октября
Все уроки доступны в личном кабинете, учись когда удобно
https://datastudy.ru/sql_advanced
Записаться в группу | 1 546 |
| 16 | Провел первый день практического интенсива, обсудили цикл работы с данными, навыки/компетенции/задачи аналитиков и инженеров
Завтра будем на практике строить ELT процесс.
Все материалы в группе, еще можно присоединиться | 1 167 |
| 17 | Как выглядит мой рабочий день (удалёнщика аналитика-инженера)
🕘 9:00 - просыпаюсь, умываюсь, завтракаю. никакой йоги, бассейна, утреннего зала, покупки раф-кофе 😁 или других полезностей нет)
🕙 10:00 - открываю ноут, начинаю читать чаты и составлять план работы на день
До 18 или 19:00 идет рабочий день
🔹2-3 часа в день в среднем уходит на созвоны
🔹5-6 часов на задачи и остальную коммуникацию в чатах
Перерыв на обед обычно плавающий, зависит от расписания созвонов и моего чувства голода)
Сделал диаграмму, которая показывает какой % от всего рабочего времени в среднем в день я трачу на тот или иной тип задач и соответствующие инструменты 📊
бОльшая часть задач включает в себя написание SQL-запросов для создания витрин данных, adhoc-задач или запросов для автоматизации выгрузок. Также достаточно много времени уходит на коммуникацию, уточнение задач, приоритеты и разные тим-лид активности по планированию работы команды.
Здесь следует уточнить, что разделение рабочего времени на задачи и активности может сильно отличаться от
- роли аналитика (продуктовый, data, BI, аналитик-инженер...)
- типа и формата команды (у нас core команда клиентской аналитики, не привязанная к конкретному продукту)
- грейда аналитика (чем выше грейд, тем больше задач нужно делегировать и включаться в задачи команды)
- текущего планирования и приоритетов задач в рамках года/квартала/спринта
Я дал лично свою картину, часто на консультациях спрашивают чем именно я занимаюсь и как распределяется между этим рабочее время, вот расписал 😉 | 1 230 |
| 18 | 📊 ИИ-агенты для аналитиков: от первого сценария до автоматизации отчётов
Факультет компьютерных наук НИУ ВШЭ приглашает аналитиков на онлайн-курс «Основы ИИ-агентов для автоматизации процессов»
Курс включает общий модуль и трек по аналитике
В общем модуле вы узнаете, чем ИИ-агент отличается от чат-бота, изучите инструменты сборки и создадите агента на платформе Nodul. Программирование не нужно
На треке по аналитике вы научитесь:
→ собирать агента, переводящего вопросы на естественном языке в SQL-запросы
→ автоматизировать сборку и рассылку регулярных отчётов
→ собирать агента-контролёра качества данных для поиска аномалий, дублей и пропусков
→ интегрировать агента с BI-инструментами для объяснения дашбордов
🎓 Итоговый проект: ИИ-агент для аналитики. Вы представите его в формате питч-дека и продемонстрируете его возможности
📅 Старт: 26 октября 2026 года
⏳ 7 недель | Онлайн
🔗 Подробнее
✈️ Канал в Telegram | 720 |
| 19 | Синдром самозванца
Психологический синдром, когда человек не может реально оценить свои качества и личные достижения. При этом кажется что вы знаете меньше других и не достойны что имеете сейчас. Это проблема адекватной оценки своих достижений и умений.
Я ловлю такие мысли иногда: "делаю мало", "знаю недостаточно хорошо", "не заслуживаю чего добился" или "мог бы в свои годы достичь большего".
Знакомо❓
Способы борьбы с синдромом:
1️⃣ Сравнивайте свое текущее состояние с 1/2/3 годами назад
В моменте может показаться, что вы непродуктивны или двигаетесь не так быстро как хотите. Сравните себя текущего с собой из прошлого и удивитесь как много сделали и достигли за это время.
2️⃣ Спрашивайте обратную связь о себе со стороны
Мы себя видим одним образом, люди со стороны видят по-другому. Спросите своих родственников, друзей, коллег какие главные черты характера, сильные и слабые стороны они видят в вас.
Удивитесь сколько нового узнаете о себе взглядом других людей.
3️⃣ занимайтесь саморазвитием и ставьте цели
Цели сможете оцифровать по чек-листу и явно видеть достижения, что дает заряд положительных эмоций и признание результата
Этими пунктами пользуюсь сам, можете попробовать 😉
👍 если полезно | 1 122 |
| 20 | Тонкая грань между ролями: Инженер данных, Аналитик данных, Аналитик-инженер
Всем привет!
Хочу визуально и понятно показать весь процесс работы с данными в компаниях, а из этого поймем у какой роли какая выделяется зона ответственности.
Инженер данных (DE) отвечает за:
- поддержание инфраструктуры и сервисом DWH (само хранилище, ETL, очереди сообщений и все что с этим связано)
- выполнение дата-контрактов по загрузке сырых данных из систем-источников
- написание мониторингов и алертингов чтобы быть уверенным что потоки данных работаю как ожидается
- написание витрин данных по запросу продуктовых команд, где нет своих ресурсов аналитиков
Аналитик данных (DA) отвечает за:
- пониманием бизнес-задач для анализа данных, поиск нужных данных и определение метрик
- проверку данных в источнике и написание дата-контрактов, чтобы данные из источника попали в DWH хранилище
- описание бизнес-логики и разработку витрин данных с нужной под бизнес-задачу логикой
- проведение процесса анализа данных, поиска закономерностей, трендов и т.д.
- создание визуальных и понятных бизнесу отчетов, донесение смысла анализа до бизнеса на их языке смыслов
- создание нужных бизнесу и команде автоматизаций (джобы различные, отправки уведомлений с данными, алертинг по данными, рассылки и прочее)
И как вы уже можете заметить основное отличие в том, что
Инженер - человек техники, который при помощи кода и технологий пишет надежные потоки данных.
Аналитик - человек мышление, чей мозг и аналитические мысли превращают простые таблицы в гипотезы, выводы и читаемые отчеты для бизнеса.
И довольно часто в компаниях даже где есть и та и другая выделенная роль есть потребность в том, чтобы аналитики умели делать инженерную часть работы, а инженеры часть аналитической работы. А в каких-то компаниях прямо явно ищут fullstack-специалистов, которые умеют объединять в себе компетенции аналитика и инженера в одном лице. Отсюда и возникает роль под названием Аналитик-инженер.
Именно на это объединение компетенций будет направлен как наш практический интенсив, так и практический курс | 1 322 |
