Я у мамы аналитик

Еще один интересный проект в копилку, причём снова с городами, картами и AI. Ребята в Ecopia довольно точно распознают различные объекты на карте, могут обогащать их клиентскими данными и строить 3D-модели местности. По итогу получается этакий OneSoil для урбанистов. Жалко только, что нет полноценной большой демки на сайте (есть только кусочек карты с переключалками слоёв). В качестве бонуса присутствует цветовая гамма в духе Симпсонов. А вот тут создатели рассказывают историю развития сервиса. 🔗Ссылка #проекты

Отличное 40-минутное выступление Романа Бунина про навыки, необходимые для работы с визуализациями. Что понравилось: 🔹экспресс-повышение data-ink ratio; 🔹наглядные heatmap’ы, отображающие то, как и почему пользователи читают дашборды (и как это должно влиять на проектирование); 🔹переверстка изначально странного дашборда в онлайн-режиме в сжатые сроки; 🔹визуализация модели компетенций визуализатора ❤️ 🔗 Ссылка #компетенции

Сказ про то, как в России новомодные термины понимают. Знакомые исследователи столкнулись с клевым когнитивным искаженим, в результате которого NLP (оно же Natural Language Processing или обработка естественного языка) в беседах с респондентами плавно превращается в «Нейролингвистическое программирование». Вот уж, действительно, пришла беда откуда не ждали (а ведь говорили преимущественно с «технарями»). Хотя, казалось бы, предугадать такое можно было: поисковая выдача Гугла и Яндекса тоже от этой аббревиатуры не в восторге - там мешанина из успешного успеха и статей для дата-саентистов. Мораль сей басни такова: если пользуетесь при коммуникации с другими людьми «общепринятыми» и «всем понятными» определениями и сокращениями (коих в сфере аналитики пруд пруди) не стесняйтесь «синхронизировать контексты», то есть явно проговаривать, что вы в них вкладываете. Возможно, сбережете себе некоторе количество нервных клеток. #компетенции

Решил, что у меня маловато одновременно идущих образовательных мероприятий (/sarcasm mode off) и вписался на десятидневный марафон по data literacy (она же «грамотная работа с данными») от Data Yoga. Подкупает сама тема, обещания связать данные с получением ценности и системой принятия решений, а также интенсивный формат. По моему опыту участия в других марафонах, это сильнее мобилизирует (предполагаю, что так это работает не у всех). Ну и бесплатно же (правда только в материальном плане, так как времени и сил потратить придется достаточно). P.S. Разные образовательные мероприятия, изредка даже с отзывами, теперь можно найти в канале по тегу #учебное 🔗Ссылка #учебное #data_literacy

Описание ролей в командах, работающих с данными, выполненное в стиле «для самых маленьких». Можно посмотреть, чем с точки зрения выполняемых задач и требуемых компетенций отличаются вот эти ребята: 🔹Product managers; 🔹Data analysts; 🔹Data scientists; 🔹Data engineers; 🔹Machine learning engineers; 🔹SRE / MLOps engineers. Самое интересное начинается с инженеров (вроде аналитиков от саентистов уже все научились отличать, чего не скажешь про остальные роли). 🔗 Ссылка #компетенции

🔬💰🗺 #Полезное #Нельзя_просто_так_оценить_рынок Для чего считать объём рынка? На этой неделе я совершенно случайно наткнулся на замечательное видео одной из лекций школы Яндекса по управлению продуктами. 👤Александр Скурихин из ФРИИ делится собственным опытом оценки рынка для стартапов. Мне эта лекция помогла связать в единую картину всякие PAM, TAM, SAM, SOM с Hype Cycles от Gartner и кривой проникновения инноваций. Стоит заметить, что Александр использует немного другие расшифровки объёмов рынка. Я знаю и много где встречал такие. Ещё одним приятным моментом стал совет учитывать сегментированность рынка, которую я люблю смотреть в отчётах Mordor Intelligence (не думаю, что к ним имеют отношение Саурон или Саруман). В них отдельная диаграмма есть для этого. В конце лекции даже есть авторская методика расчёта объёма рынка и несколько примеров. В методике упоминается Trendwatching, но никаких рекомендаций про него не даётся. Подумаю, может их канвас к этому прикрутить. Объём рынка, это те деньги, которые может заработать компания. Если не посчитать его заранее, можно впустую потратить ресурсы, ведь заработать в выбранном сегменте может быть невозможно. Поделитесь, пожалуйста, собственными рекомендациями в комментариях, я хочу модернизировать свой подход к оценке.

Чаще всего при возникновении задачи по вычислению объема рынка у меня начинаются какие-то танцы с бубном вокруг аналитических ресурсов, Яндекса, Гугла и личного опыта. #анализ_рынка Кажется, что улучшить ситуацию можно примерно так:

Радует, что в последнее время чаще встречаются упоминания «аналитики по аналитике» - это когда мы не только пилим отчеты для пользователей, но еще и отслеживаем метрики их использования. В статье описан пример реализации такого «дашборда по дашбордам» с целью исследования популярности разных легаси и не очень BI-систем Ростелекома. Еще по касательной задета тема развития Self-Service подхода, но с предсказуемыми результатами ("нужен дешевый, простой инструмент с минимальным time to market»). Кажется, правда, что такие выводы можно было и существенно дешевле сделать 😉. P.S. 8 аналитических систем в одной (хоть и огромной) организации - это сильно. 🔗 Ссылка #business_intelligence

Встречаем, «Все лгут. Поисковики, Big Data и Интернет знают о вас все», Сет Cтивенс-Давидовиц. Я давно собирался написать о ней и только недавно понял, что меня останавливало - минимальная практическая полезность. Но кажется в последнее время я стал отходить от концепции повсеместного утилитаризма и готов поделиться мыслями о книге (не является ли их появление после прочтения книги признаком наличия пользы? 🤔). Честно говоря, название сформировало ожидание, что я погружусь в увлекательный мир большых данных, инфраструктуры там, машинное обучение, графики вот это вот все. В итоге же из перечисленного есть только графики, а книга и вовсе оказалась про людей. Автор рассматривает различные актуальные для США общепринятые нормы, социально одобряемые точки зрения, публикации статистики и на основании данных по поисковым запросам (Гугл, сайты с 18+ контентом, социальные сети) ставит под сомнение их честность. Основные мысли: 🔹Все лгут, особенно в социальных сетях, опросах, публичном выражении своего мнения; 🔹Что не врёт: поисковые запросы, клики, просмотры; 🔹«В среднем, цифровая сыворотка правды показывает мир хуже, чем мы думали» (а еще говорят, нельзя быть пессимистом); 🔹Сотрудник Гугл пишет, что Гугл знает про вас все (какая ирония). Разочаровывает одно - все эти выводы довольно очевидные и не требуют Big Data для своего обоснования. Тем не менее, если читать в качестве художественной литературы, а не профессиональной, то все неплохо. 🔗 Ссылка на бумажную версию #книжное

Сегодня у нас новая, экспериментальная рубрика. Я довольно давно ищу книги, которые потенциально полезны аналитикам, периодически даже нахожу и читаю их. Некоторое количество отзывов по ним я уже написал лично для себя, но кажется, что они (как и все, о чем я пишу) могут быть кому-то полезны (например, могут уберечь от покупки чего-то ненужного).

Похоже, в Microsoft тоже решили, что с VBA уже хватит (прямо как ребята, запихнувшие в Excel Jupiter Notebook). На замену ему в закрытую бету выпущены новые формульные функции, обозванные lambda (что логично, ведь это и есть лямбда-выражения). Выглядит как упрощённое программирование прямо в ячейке без танцев с бубном и переходов в другие окна. Интересно будет посмотреть на это все в боевых условиях, когда (если) оно выйдет в свет. Будущее, что ли, наступает? 🔗Ссылка #excelное

Смотрите какой кайф. Очень качественный и удобный инструмент для урбанистики. Классно построен флоу работы — находишь нужную тебе точку на карте, устанавливаешь радиус интереса и дальше исследуешь место в формате скролителлинга. Необычный приём когда совмещены технологии бизнесового инструмента и подхода из журналистики. Немного напомнило OneSoil, про который рассказывал ранее. И какой же крутой графический дизайн у этого инструмента. Я даже готов простить донат-чарты с одной цифрой и немного странную визуализацию с полукругами про пятно застройки. =) На сайте ещё есть отличная статья про процесс создания инструмента. За ссылку спасибо Андрею Кармацкому и Соне Буториной. #ссылка

Это очень крутая идея и топовая реализация! Жаль, что для исследования доступен только Нью-Йорк. Из похожего, но ближе к нашим реалиям (хоть и с существенно меньшей функциональностью) приходит в голову проект по визуализации возраста зданий. С того момента, как я о нем писал, к Санкт-Петербургу успели добавить Москву, Казань и Владимир (круто, что ребята развиваются). #проекты

На этой неделе опубликовали новый Gartner Magic Quadrant по аналитическим и BI-системам. Как вы понимаете, Microsoft опять в лидерах и уже хвастается в блоге и рассылках. Немного подробнее, почему так - в сегодняшней заглавной статье. Рядом с Power BI, по традиции, расположились Tableau и Qlik, а вот ThoughtSpot окончательно свалился в визионеры. Общее количество участников сократилось с 22 до 20 (результат покупок ряда инструментов другими игроками). Подробнее посмотреть кто куда переехал можно тут. А вот что было в предыдущей серии (2020 vs 2019). 🔗 Ссылка #business_intelligence

Sankey-диаграммы периодически мелькают в различных топах визуализаций (чего стоит только легендарная карта вторжения Наполеона в Россию в 1812), но массовыми их назвать сложно. Чаще всего их используют для отображения потоков или маршрутов, но есть и другие, более интересные кейсы: 🔹отображение того, как эволюционирует покупательский опыт с течением времени (в примере у автора эволюция классов арендуемых автомобилей); 🔹анализ иерархически организованных данных; 🔹поиск паттернов в данных в качестве альтернативы ML (пример очень специфичный, но что-то в этом есть). Про подготовку данных и реализацию (на примере Power BI) можно почитать тут. P.S. А еще кто-то в интернете неправ ведет блог, посвященный исключительно санкеям (некоторые выглядят максимально ужасающе, но найти что-то интересное можно). 🔗Ссылка #визуализации

Качественные обзоры рынка СУБД на русском - большая редкость (популярность прошлой заметки на тему это только подтверждает). Вот еще пример неплохого обзора от SH Capital: 🔹динамические визуализации - огонь; 🔹данные сегментированы по типам СУБД (актуально, чтобы мокрое с солёным не сравнивать); 🔹сделали свой «квадрант Гартнера» с популярностью и потенциалом развития; 🔹занятный обзор ключевых инвестиционных сделок (не припомню, чтобы где-то еще такое можно было систематизированно посмотреть). 🔗 Ссылка #базы_данных #анализ_рынка

Наверное каждый аналитик имел удовольствие распространять свои отчеты в формате «экселька на почту» (если не занимались подобным - обязательно попробуйте на досуге, особенно доставляет вносить в них правки и повторно отправлять). Автор сегодняшней статьи решил заняться оптимизацией рассылки отчетов клиентам (с обязательным контролем доступа, что важно) и вместо выбора общеизвестных инструментов пускается во все тяжкие: 🔹защита файлов через VBA; 🔹сторонние платные сервисы по лицензированию экселек (что?); 🔹Excel Online с костылями; 🔹сборка web-приложения на базе Google Sheets; 🔹BI-инструменты (ура!); 🔹накодить на Python. Все перечисленное сопровождено видео-примерами и анализом сильных и слабых сторон. В целом, масштабы проработки вопроса вызывают восхищение (хоть и граничат, по моему мнению, со стрельбой из пушки по воробьям). 🔗Ссылка #excelное

Product Sense второй год подряд опрашивает свою аудиторию на тему развития навыков в продуктовом сообществе и выкладывает в своем блоге результаты. Тех, кто идентифицирует себя как аналитик там традиционно около 9%, а вот развивается в аналитике уже более 21%. По самим направлениям развития нет почти никаких отличий от предыдущего года - помимо аналитики все учатся маркетингу и проектному управлению. Кроме этого в статье есть графики к которым у меня много вопросов (за что такие пай-чарты и сортировка?) и выводы, к которым уже не придраться. Также, в конце - гора ссылок на книги, курсы, каналы и материалы, в которых пытливый ум исследователя может (в теории) найти что-то полезное для себя. 🔗Ссылка #компетенции

Нарыли на днях список ресурсов (40+ и продолжает расти) для поиска статистики, аналитики и "просто данных" по разным сферам общественной жизни. Выглядит как жизнеспособный источник информации для исследований, тестовых проектов, сбора дата-сетов и вот этого всего. Что интересно, есть тут не только всем известные (не Яндексом единым), но еще и вполне себе неожиданные ресурсы (например, около-государственные). Поймал себя на мысли, что это какой-то вышедший за пределы программного обеспечения open source: кто-то оторвал от сердца список любимых ресурсов, а люди в приложенной гугл-табличке активно дополняют. Красота! 🔗Ссылка #данные