Аналитика. Это просто

Приглашаем на Cinimex BI Meetup — наш первый офлайн-митап в Воронеже с онлайн-трансляцией. Будем говорить о «внедрении BI: Взгляд глазами бизнеса и технарей». Встречаемся 21 июня в 18:30 на площадке Saburov Hall. Также будет онлайн-трансляция на Youtube, зарегистрируйтесь и мы пришлем вам ссылку. О чем расскажем? Поговорим о том, как бизнес своими глазами видит внедрение BI-систем и как технические специалисты оценивают и действуют при внедрении BI. Посмотрим на три варианта внедрения BI и пофилософствуем на тему будущего разделения труда, какие профессии будущего в BI нас уже ждут. Регистрация по ссылке - https://cinimex.timepad.ru/event/2442809/

Только что родился прекрасный термин - "катить в пруд". Оговорочка-то по Фрейду.

Одной из популярных статей моего блога является девять способов отслеживания отправки форм с помощью Google Tag Manager В ней разбираются практические примеры отслеживания форм: 1. с помощью отдельной страницы; 2. с помощью триггера Отправка формы; 3. с помощью триггера Доступность элемента (Видимость элемента); 4. с помощью триггера Пользовательское событие (Специальное событие) и уровня данных (dataLayer); 5. с помощью прослушивателя автоматических событий; 6. с помощью универсального кода для форм на AJAX; 7. с помощью DOM Scraping; 8. с помощью виртуальных страниц; 9. брошенные формы. А с публикацией моего онлайн-курса на YouTube-канале вы можете посмотреть целую лекцию на данную тему. https://youtu.be/DDChHYXch_A Несмотря на то, что часть информации, включая интерфейс, режим отладки и некоторые функции диспетчера тегов, в данный момент устарели, в этом уроке вы все равно найдете для себя интересные подходы и технологии отслеживания. А кому хочется изучить Google Tag Manager и новый функционал, включая Google Analytics 4, добро пожаловать на обновленный онлайн-курс! 🏳️ Google Tag Manager 2023 ➡️ https://learn.osipenkov.ru/gtm/

Перебирая сохраненные ссылки с материалами, наткнулся на плейлист с 73 роликами, 70 из которых - доклады с Матемаркетинга. А оставшиеся... тоже интересные. В общем, переходим, смотрим... Собственно, плейлист.

На днях прошел стрим про карьеру аналитиков. Среди тем: обзор ситуации на рынке, в том числе инфо о зарубежном рынке аналитиков, про составление резюме, образование, выгорание и многое другое. Ссылка на запись - https://www.youtube.com/watch?v=T78L7-THcyc

В Яндексе открылся набор на стажировку по направлению рекламная аналитика. Это крутая возможность погрузиться в востребованную профессию на стыке аналитики, рекламы и маркетинга 🔥 Стажировка пройдёт в два этапа: сначала вы изучите теорию (основы digital-маркетинга, возможности Яндекс Директа, индустриальные особенности), а затем на практике научитесь оценивать эффективность рекламы и узнаете секреты формирования стратегий продвижения на основе данных. Тех, кто успешно пройдёт стажировку, мы пригласим в штат. Старт стажировки 20 июня 2023. Ждём вас, если вы: — Выпускник бакалавриата или специалитета, — Имеете профильное техническое или экономическое образование или опыт работы в любом направлении аналитики от 6 месяцев, — Знаете SQL на базовом уровне, Excel — на продвинутом, — Живёте в Москве или готовы к переезду на время стажировки. Набор открыт до 25 мая, но советуем не затягивать с подачей заявки — количество мест ограничено: https://clck.ru/34QPYa

Вчера прошла презентация Google I/O 2023. Было много интересного про ИИ, в том числе модель PaLM 2, ну и про новые модели модели "телефона не для всех" Google Pixel 7a, Pixel Fold. Обзор здесь

Артем Ерохин - Бутстрапирование временных рядов 3-4 июня - Секция Reliable ML на Data Fest 2023 Во время Data Fest 2023 на нашей секции Reliable ML с докладом про бутстрапирование временных рядов выступит Артем Ерохин, Lead DS в X5 Tech, автор канала @Artificial Stupid. В докладе будет рассмотрена проблема применения классического бутстрепа для временных рядов. Артем расскажет про различные методы бутстрепа, учитывающие структуру временного ряда, рассмотрит плюсы и минусы разных подходов. Регистрация на мероприятие тут. Расписание будет сформировано в конце мая. Ваш @Reliable ML #анонс #tech #causal_inference #datafest2023

Вопросы для собеседования по SQL Вы готовитесь к собеседованию по SQL? Тогда вы пришли в нужное место! Это руководство поможет вам усовершенствовать свои навыки работы с SQL, вернуть уверенность в себе и быть готовым к работе! Здесь вы найдёте подборку реальных вопросов для собеседований, задаваемых в таких компаниях, как Google, Oracle, Amazon, Microsoft и т.д. К каждому вопросу прилагается идеально написанный ответ, что экономит ваше время на подготовку к собеседованию. Здесь также рассматриваются практические задачи, которые помогут вам понять основные концепции SQL. Мы разделили эту статью на следующие разделы: Вопросы для собеседования по SQL Вопросы для собеседования по PostgreSQL https://telegra.ph/Voprosy-dlya-sobesedovaniya-po-SQL-04-24 #db 👉 @database_info

На следующей неделе, предварительно, 3 мая, Retentioneering выложит 3 версию своей библиотеки. Собственно, бета-версия доступна и сейчас, попользоваться уже успел. А по ссылке воркшоп по фичам новой версии. Как по мне, весьма интересно.

Менее двух часов завершился стрим с тестовым собеседованием на junior аналитика данных. ссылка: https://www.youtube.com/watch?v=7w_TWzzg00o

Как аналитику устроиться в Тинькофф за неделю? С 29 апреля по 5 мая пройдет Analyst Week Offer — онлайн-событие для системных, продуктовых и бизнес-аналитиков. Вот как все устроено:  — за день проходите все этапы интервью; — на неделе общаетесь с командой; — если все хорошо, получаете оффер;  — развиваете продукты для 30 млн пользователей. Оставьте заявку до 26 апреля, если вы в деле: https://v.tinkoff.ru/analytics_wo_2023

На днях обсуждали разговоре с коллегой взаимодействие с продакт-менеджерами. А вспомнил про HADI циклы. Писать здесь про них подробно не буду, наверняка все помнят картинку и умные содержательные повествования, которые обычно эту картинку сопровождают. Проще ведь. И портянки текста не нужны. Главные ценности, которую в себе несут HADI циклы: - осознанность - мы должны понимать, что и зачем делаем - последовательность - наши действия сегодня продолжают то, что мы делали вчера - непрерывность - мы должны постоянно искать варианты улучшить ситуацию Все остальное - диалектика и пустословие, подтверждающее высокий интеллект рассказывающего.

Вчера утром увидел на главной странице Яндекса новость и том, что в одноименном браузере теперь есть перевод с китайского. На Хабре появилась и статья, где разработчики подробно рассказывают о том, какие были нюансы, трудности работы. https://habr.com/ru/companies/yandex/articles/711082/

Подсмотрел в Linkedin гайд для джунов в it. Многое подходит и для аналитиков -

Разница в данных между GA4 и BigQuery Export Получаете разные результаты при анализе данных Google Analytics 4 в BigQuery по сравнению с стандартным интерфейсом отчетности? Понимание различий между двумя методами анализа данных необходимо для точных и надежных выводов. В статье Минхаза Кази из Google описаны наиболее значимые расхождения между BigQuery и пользовательским интерфейсом GA4 и советы по обеспечению точного расчета метрик. Вот мое краткое резюме основных различий и способов как их избежать: Сэмплирование Предварительно обработанные таблицы базы данных в GA4 используются в стандартных отчетах и Data API. При исследованиях же используется необработанные данные, но они сэмплируются, если количество событий превышает квоту от 10 млн. Чтобы сопоставить данные с экспортом из BigQuery, проверьте отчеты без сэмплирования в исследованиях. Различные определения пользователей в GA4 и BigQuery Метрика "Всего пользователей" в GA4 считает пользователей, которые выполнили по крайней мере одно событие, но при этом "Активные пользователи" - это основная отчетная метрика. При расчете количества пользователей из BigQuery следует фильтровать активных пользователей на основе критериев для каждого типа потока. Реализация запросов может варьироваться, но в скором времени в BigQuery будет добавлено поле is_active_user для упрощения фильтрации. HyperLogLog++ GA4 использует алгоритм HLL++ для оценки активных пользователей и сеансов. Расчеты в интерфейсе и API являются приблизительными значениями с уровнем точности, который варьируется в зависимости от метрики и доверительных интервалов. В BigQuery можно использовать точные расчеты с потенциально небольшими отклонениями в метриках. Дополнительную информацию можно найти в HLL++ Sketches. Задержка во времени BigQuery создает ежедневные таблицы после сбора всех событий из GA4 за день. Эти таблицы могут обновляться до 72 часов после даты. Эта проблема в основном влияет на реализации Firebase SDK или Measurement Protocol с отложенными событиями. Сравнения между BigQuery и GA4 должны проводиться на данных старше 72 часов из-за возможных расхождений между стандартными отчетами и экспортом из BigQuery. Google Signals Активация Google Signals в GA4 позволяет избежать проблемы учета нескольких пользователей для одного юзера, просматривающего ваш сайт на нескольких браузерах и устройствах. Однако, при экспорте в BigQuery могут по-прежнему отображаться несколько user_pseudo_id – поскольку BigQuery работает на основе cookie-идентификтаоров. Режим согласия и Моделированные данные Если пользователи не дали согласие на использование куки, то в GA4 используется моделирование, чтобы заполнить пробелы в данных. Но в BigQuery при этом user_pseudo_id может меняться в зависимости от сессии и это провоцирует различия между стандартными отчетами и BigQuery. Внедрение User-ID в GA4 снижает этот эффект. Атрибуция трафика В BigQuery данные об атрибуции трафика доступны на уровне пользователя и события, но не на уровне сессии, поскольку GA использует собственную модель атрибуции. Чтобы создать пользовательскую модель, вы можете объединить набор данных с first-party-данными. В будущем в BigQuery будет доступно больше данных для атрибуции трафика. Ошибки вычислений Для обеспечения точности метрик в BigQuery важно использовать правильные методы расчета, такие как подсчет уникальных комбинаций user_pseudo_id/user_id и ga_session_id. Также следует учитывать способ идентификации, область действия параметров и показателей, разницу в часовых поясах и ограничения на фильтрацию/экспорт данных, которые могут вызывать расхождения между данными экспорта событий BigQuery и стандартными отчетами. Учитывайте эти моменты при работе с данными GA4 в BigQuery, чтобы получить точные и надежные данные. Ссылка на статью Минхаза Кази #bigquery #googleanalytics #аналитика #ga4 #модельатрибуции @marketing_analysis

Заканчиваю сериал про обучение и трудоустройство. Посмотрим, выйдет ли второй сезон. Предыдущие серии здесь: №1, №2, №3, №4, №5, №6, №7. Итак, допустим нас пригласили на собеседование. Что нужно делать, чтобы повысить шансы. ➡️Подготовиться к собеседованию - почитать про компанию, отдел, возможного будущего руководителя. Неплохо также немного погрузиться в специфику продукта, понять, какие проблемы решают аналитики. ➡️В меру приукрашивать способности и опыт. Если на технических секциях выяснится, что все не так, будет очень грустно. ➡️Задать все интересующие вопросы про компанию, вакансию, команду, зарплатную вилку, формат работы. Во-первых, эта информация очень важна, а, во-вторых, дает понять стороне найма нашу заинтересованность. ➡️Уточнить, как будет приниматься решение о трудоустройстве - если я подхожу, меня точно берут или будут выбирать лучшего из нескольких. Так становится важен подход к найму и наличие (отсутствие) конкурентов. Иногда имел наглость спрашивать, на какой стадии находятся мои конкуренты и сколько их. Если их "немало", внутренне был сильно удивлен (с сомнением), так как на миддловые позиции обычно мало кандидатов в любой данный момент времени. ➡️Как я писал выше, требования и задачи в вакансии - это вопросы, а я должен на эти вопросы ответить наилучшим образом, максимально показывая, что я именно тот, кого ищет компания (все это в разумных пределах). ➡️Нервы совершенно необходимо держать под контролем, иначе лучшие навыки превратятся в прах. Чтобы расслабиться, вполне неплохо пошутить, на минуту отвлечься на что-то постороннее, типа пробок, погоды, медленных лифтов. Это также позволит сделать контакт чуть менее формальным. ➡️На бизнесовых (с кейсами) секциях не требуется идеально отвечать на вопросы. Самое главное, чего ожидает нанимающая сторона - связанные ответы, стройные логичные рассуждения, понимание, как работает бизнес, экономика проектов. Часто вопросы задаются по тематике компании, и, если мы потратили время на подготовку, можно преподнести неплохой сюрприз. ➡️На технических секциях (SQL, Python) не нужно кидаться сразу кодить. Правильным будет уточнить требования к ответу, проговорить решение и потом уже приступать к нему. Опечатки в коде не критичны, намного важнее правильность логики решения задачи. ➡️После каждого этапа обязательно нужно понимать, какой следующий этап и какой он будет. Если HR не возвращается в обозначенный срок с ответом, на следующий день можно напомнить о себе и т.д. Это основные моменты. Когда появится что-то полезное, что дополнительно можно рассказать, как повысить шансы на трудоустройство, обязательно расскажу. Удачи! #образование

Минутка восхищения Retentioneering. Установил бета-версию 3. Попробовал пока только Sankey диаграмму, и уже в восторге, предвкушаю все остальные новинки. На нужно извращаться, чтобы сделать ее в plotly, все работает "в несколько кликов". Спасибо! https://doc.retentioneering.com/release3/doc/user_guides/step_sankey.html

Делюсь небольшим наблюдением. Иногда встречаю статьи, посты про то, как отличить "продукт" от "не продукта". В том смысле, что продукт - это не то, что накодили разработчики, а то, что закрывает некоторую потребность у пользователей. И вот, некоторое время назад познакомился с некоторым продуктом (это контентное приложение), который закрывает реальную потребность. Но, насколько успешно он ее закрывает, понять трудно. Посмотрел, какие события отправляются. 😯 😯😯 Оказалось, что из событий, которые показывают поведение пользователя, есть только события запуска и остановки приложения, запуск воспроизведения. Все остальные события технические - успешная загрузка, краши и т.д. Нет ничего, что поможет понять активность пользователя, время потребления и проч. И настройка отправки этих событий, конечно, происходила без участия аналитика. А продакт уверен, что главные метрики - MAU, WAU, DAU, Retention. Мда. Это фиаско, братан. Будем работать, приводить в чуство.😁

Участие в секциях собеседований по python и sql напомнило и подтвердило предположение о том, что же такое опыт. Некоторые считают, что знание многих функций SQL, в том числе оконных может говорить и среднем уровне владения. Как раз нет - для того, чтобы был это средний уровень, недостаточно знать функции, а нужно понимать, как и когда их правильно использовать. Вижу, что кандидат знает и группировки, и джойны, и оконки, и правильно это все пишет. Но это не помогает ему решить несложные задачи, он все равно может стопориться на каждом шагу. Сейчас не учитываем волнение, так как если сильно нервничаешь, сильно косячишь с синтаксисе и не можешь вспомнить нужные вещи. Поэтому опыт - это умение правильным образом использовать знания. А это приходит только со временем и с разнообразными задачами. Поэтому средний уровень того же SQL после курсов и полугода работы - это очень редкий зверь. И еще, бывает такое, что ты не знаешь каких-то навороченных функций, но имеющиеся знания помогают тебе решать любые задачи, пусть и не всегда оптимально. Это тоже опыт, который приходит только со временем. И это все нормально, просто нужно каждый раз понимать свои сильные стороны, и, что еще важнее, слабые, это сильно помогает быстро расти. Повторюсь, делаю такой вывод, исходя из собственного опыта, общения с коллегами, чтения чатов и проведения технических секций найма.