Это разве аналитика?

Ultimate SQL Learning Resource Нашел крутой гайд по изучению SQL. Этот гайд включает в себя: - Case Studies: реальные сценарии из 8-недельного курса SQL Дэнни Ма. (не знаю кто такой Дэнни Ма) - Платформенные решения: проблемы и решения SQL на 7 различных платформах, включая DataLemur, Leetcode, Hackerrank, Stratascratch - Projects: Подробные проекты SQL с методами анализа данных. - Resources: Список ресурсов SQL из разных каналов, таких как YT, Книги, Учебники и т. д. Идеально подходит для студентов и специалистов, желающих улучшить свои навыки работы с SQL с помощью практических приложений. Исследуйте, изучайте и совершенствуйте свои знания SQL!

Оптимизации SQL запросов мало не бывает) Хорошее видео на тему https://youtu.be/JUzwCc1vfEI?si=Pz2FupeNVNMQ6LHF Репозиторий с примерами https://github.com/da-eos/sql_examples_4TG

Я уже писал про плюсы и минусы Self-Service и Centralized моделей в аналитике. Еще одна мысль пришла в проекте. Вслед. Такая занудная мысль, что большинство ее не дочитают. Вот она. Есть соблазн - считать что тренды идут друг за другом и им просто нужно следовать. Но вернее будет сказать, что одновременно есть разнонаправленные тренды в компании. И их сила меняется в процессе эволюции дата культуры этой конкретной компании. Так происходит в нашем любимом вопросе Self-Service vs Centralized. Пример. Любая компания обнаруживает себя в определенный момент перед вакуумом ответственности за данные. Встает вопрос - возложить ответственность за управление ▪️ на бизнес домены, создавая в них инженерно-аналитические команды ▪️ на дата платформу, наращивая экспертизу в центральных DWH и BI командах Оба решения можно принять с повернуть в одну и другую сторону. Но есть нюанс, наблюдаемый в физическом мире:

Успешная децентрализация происходит только после качественной централизации.

Компании часто пропускают этот шаг, в итоге домены, получая автономию, не играют по правилам. Общий гавернанс не формируются или отторгается. Создавая сначала цельные процессы управления жизненным циклом данных, настраивая сервисы, найм и обучение, и проч - ты используешь все это как базу для децентрализации, хотя вернее сказать федерализации. Поэтому возникает парадокс. Перед любым дата мешем имеет смысл минимум 3 года заниматься хардовой централизацией. А потом уже думать нужен будет вам дата меш, и в какой степени. (датамэш или датамеш, мем или мэм 🤔) 🅿️ Эти и другие мысли по теме паркую тут: https://miro.com/app/board/o9J_lha8MnM=/

Т-Банк ищет сильных бизнес-аналитиков Можно пройти собеседование и попасть в ИТ-команду за неделю. А еще — получить оценку своих навыков от других специалистов. С вас — желание расти, с компании — комфортные условия. Много интересных проектов и прозрачная система роста. Работа в команде и обмен опытом. Офисы в России и Беларуси, ДМС со стоматологией и другие привилегии. Успейте зарегистрироваться до 10 июля.T erid:2Vtzquwjo4T Реклама. АО "Тинькофф Банк", ИНН 7710140679, лицензия ЦБ РФ № 2673

Отличное видео прожарки маркетингового дашборда от Романа Бунина https://www.youtube.com/live/EFeS9lTWngA?si=FJBcREJwSsIsEV0i

Грис Ошибки разработчиков видеоигр 2023 Интересная (и несколько философская) книга о том, какие игры (или даже в целом - программы) популярны.

👆👆👆 Извиняюсь за мат, но мысль интересная

Поговорим про алгоритмические собеседования. • Почему их так любят бигтехи? • Может и нам надо так собесить? • Если провалил этот собес, значит ты плохой программист? Чтобы с этим разобраться, для начала посмотрим на процесс со стороны. Ты хочешь попасть в компанию Пиздугл Inc., а может быть это Пиздугл хочет тебя, не важно. В день X тебе назначается собеседование. Рекрутер сразу говорит, что это будет алгоритмическая секция, продолжительностью 60 минут, и даёт ссылку на подробный гайд, как проходить этот этап, с кучей правил, рекомендаций и списком литературы. На самом деле ты начал готовиться ещё пару месяцев назад: нашёл десятки слитых задач и записей интервью в Пиздугл Inc., решил несколько сотен задач на leetcode. Задач, из которых ни одна никогда тебе не встретится в реальной работе. Поэтому, несмотря на солидный стаж, ты учишься заново. Тебе нужно выучить несколько десятков приёмов, чтобы решать 80% задач. Собеседование началось не в день X, как может показаться. Оно началось раньше, когда ты начал к нему готовиться. И вот, что на самом деле проверяет «алгоритмическая» секция собеседования: 👍 Ты можешь долго заниматься скучной бессмысленной работой (проще говоря «хуетой»), чтобы в конце получить морковку. На собеседовании твоей морковкой будет пропуск на следующий этап и оффер, а в реальной работе ты будешь весь год писать CRUDы в надежде получить годовую премию. Уж извини, интересных задач на всех не хватит. Зато рутины у нас в Пиздугле очень много, и нам нужно, чтобы ты эту рутину делал и как можно дольше не уставал. Решая задачи с литкода, ты даже научишься получать от этого удовольствие. Ведь если ты задумаешься о смысле того, что ты делаешь, то у тебя всего два пути: признаться, что ты занимаешься полнейшей хуетой и бросить, либо решать совершенно другие, куда более сложные и интересные, задачи, используя те же базовые алгоритмы. 👍 Ты управляем и следуешь правилам. Даже тупым правилам. Тебе не нужно быть талантливым программистом. Талантливые не играют по правилам. Пиздуглом, в котором работают тысячи инженеров, и все талантливые, невозможно было бы управлять. Талантливых нужно 2%, все остальные должны быть предсказуемым управляемым кадровым активом. Предлагаю упростить так называемую «алгоритмическую секцию». Кандидат должен будет в течение часа просто называть кубы чисел. Например, интервьюер скажет «2», ты должен ответить «8», скажет «18» — ответ «5832». Числа от 0 до 255. Калькулятором и подсказками пользоваться нельзя. На каждый ответ даётся 3 секунды. #найм

😂😂😂😂😂